計算機輔助藥物設計與分子動力學模擬應用實踐班

2.?計算機輔助藥物設計經(jīng)典論文講解

3.?生物分子相互作用研究方法概述

4.?計算生物學概述

5.?分子動力學簡介

5.1?分子力場的介紹

5.2?分子力場的原理

5.3?分子力場的分類及應用

6.?挑選最新論文，進行論文思路闡述

分子結(jié)構數(shù)據(jù)庫操作使用

12.?Uniprot數(shù)據(jù)庫介紹

13. PDB：蛋白結(jié)構數(shù)據(jù)庫介紹

13.1 PDB蛋白質(zhì)數(shù)據(jù)庫的介紹

13.2 PDB蛋白質(zhì)數(shù)據(jù)可獲取的資源

13.3?蛋白的結(jié)構類型、數(shù)據(jù)解讀及下載

14. Pubchem：化學小分子結(jié)構獲取

14.1 Pubchem數(shù)據(jù)庫簡介

14.2 Pubchem數(shù)據(jù)庫小分子結(jié)構查詢

14.3 Pubchem數(shù)據(jù)庫批量下載方法介紹

15. Drugbank數(shù)據(jù)庫介紹

16. ZINC：虛擬篩選小分子數(shù)據(jù)庫介紹與應用

16.1 ZINC數(shù)據(jù)庫介紹

16.2 ZINC數(shù)據(jù)庫小分子批量下載方法介紹

17.?候選化合物ADMET性質(zhì)預測

第二天
分子結(jié)構可視化軟件操作

18. PyMOL分子結(jié)構可視化軟件介紹

19. Chemoffice軟件安裝與介紹

蛋白質(zhì)和小分子對接實戰(zhàn)

20. Autodock軟件原理及功能介紹

20.1?小分子配體結(jié)構處理

20.2?蛋白受體結(jié)構優(yōu)化和處理

20.2.1?蛋白質(zhì)結(jié)構文件可視化

20.2.2?蛋白質(zhì)結(jié)構文件詳解

20.2.3?蛋白質(zhì)結(jié)構文件原子坐標解讀

20.3?蛋白受體格點計算

21. Autodock vina軟件原理及功能介紹

22.?分子對接和對接結(jié)果分析

22.1?半柔性對接計算

22.2?對接結(jié)果分析

22.3?最優(yōu)對接構象的選擇

23. DS軟件分析對接結(jié)果分析

24. 實例講解與練習：HIV-對接

虛擬篩選演示與操作

25. Linux基礎

25.1 Linux服務器連接

25.2?數(shù)據(jù)傳輸

25.3 Linux常用命令

26.?基于高性能計算集群的藥物虛擬篩選

27.?高性能計算虛擬篩選操作演示

28.?虛擬篩選結(jié)果分析

第三天

蛋白質(zhì)結(jié)構預測原理及軟件實戰(zhàn)

29.?核酸二級結(jié)構和三級結(jié)構預測

30. AlohaFold Protein Structure Database介紹

31.?同源建模原理介紹

32. Swiss-model：在線同源建模

32.1?同源蛋白的搜索

32.2?蛋白序列比對

32.3?蛋白模板選擇

32.4?蛋白模型構建

32.5?蛋白模型評價

32.6?蛋白模型優(yōu)化

33. I-TASSER：蛋白質(zhì)結(jié)構預測

34. Rosetta：蛋白質(zhì)結(jié)構預測

生物大分子對接實戰(zhàn)

35.?大分子對接原理及應用介紹

36.?z-dock軟件介紹與使用

37.?Rosetta軟件介紹與使用

38.?其他生物大分子對接在線工具的介紹與使用

39.?蛋白-蛋白對接結(jié)果分析與解讀

分子結(jié)構可視化軟件SCI繪圖實戰(zhàn)

40.?PyMOL軟件高質(zhì)量論文繪圖實操

40.1?蛋白-多肽相互作用分析圖解

40.2?蛋白-小分子相互作用分析圖解

40.3?蛋白-蛋白相互作用分析圖解

41. PyMOL動畫制作

第四天

蛋白氨基酸突變對蛋白的影響

42.?蛋白保守性氨基酸序列分析及可視化

43.?氨基酸突變對蛋白質(zhì)結(jié)構的影響分析

分子動力學模擬原理及軟件實戰(zhàn)

44.?模擬體系的構建方法介紹

45. Amber：結(jié)合實例講解分子動力學模擬軟件操作演練

46. Gromacs：結(jié)合實例講解分子動力學模擬軟件操作演練

47.?分子動力學計算與結(jié)果分析

47.1?結(jié)合自由能的計算分析

47.2 軌跡文件常見分析：RMSD、RMSF、回旋半徑等

生物分子結(jié)構可視化軟件介紹與使用

48. VMD：結(jié)構可視化軟件操作演練

49.?VMD查看分子動力學模擬結(jié)果

50.?VMD作圖實例講解與練習

?

預習資料包

1、動力學模擬文件夾

生物大數(shù)據(jù)時代的網(wǎng)絡藥理學研究模式學習班

2.網(wǎng)絡藥理學SCI論文研讀分析

3.網(wǎng)絡藥理學的研究思路及技術路線

4.生物網(wǎng)絡的介紹

5.網(wǎng)絡分析介紹

中藥有效成分查找和獲取

6.中藥有效成分及靶點查找和獲取

1）常用中藥數(shù)據(jù)及使用：TCMSP

2）中藥高通量實驗和參考數(shù)據(jù)庫：Herb

3）中醫(yī)藥證候關聯(lián)數(shù)據(jù)庫：SymMap

4）CTD數(shù)據(jù)庫

5）基于文獻的草藥成分和靶標數(shù)據(jù)庫：HIT 2.0

6）中醫(yī)藥百科全書數(shù)據(jù)庫：ETCM

7)中藥分子機制研究的在線生物信息學分析工具：BATMAN-TCM

7.中藥有效成分靶點預測的查詢及獲取

1）化合物與蛋白質(zhì)互作：STITCH

2)中藥有效成分靶點的預測：SwissTargetPrediction

3）基于有效成分結(jié)構特征靶點預測：PharmMapper

4）中藥有效成分靶點的獲?。悍聪蛱摂M篩選方法

5）SuperPred

6）SEA數(shù)據(jù)庫

7）bSDTNBI數(shù)據(jù)庫

第二天
疾病相關基因的獲取操作

8.中藥所治療疾病的相關基因查找和獲取

1）人類疾病與基因遺傳變異數(shù)據(jù)庫：OMIM

2）疾病相關的基因與突變位點數(shù)據(jù)庫：DisGeNet

3）人類基因數(shù)據(jù)庫：Genecards

4）治療靶標數(shù)據(jù)庫：TTD

5）CTD數(shù)據(jù)庫

R語言和差異基因及功能富集分析操作

9.R語言介紹

10.GO富集分析

11.KEGG富集分析

網(wǎng)絡藥理學數(shù)據(jù)整理及分析操作

12.韋恩圖的繪制

13.蛋白質(zhì)互作網(wǎng)絡查詢和可視化分析：STRING

14.富集分析數(shù)據(jù)庫：DAVID

15.Metascape功能富集分析和信號通路富集分析

16.富集GO term BP，CC，MF三合一柱狀圖繪制

17.通路氣泡圖的繪制

18.相互作用可視化PyMOL

第三天

網(wǎng)絡藥理學數(shù)據(jù)可視化操作

19.網(wǎng)絡分析軟件：Cytoscape

1）分析數(shù)據(jù)導入與導出

2）基本拓撲特征計算

3）重要節(jié)點識別

4）網(wǎng)絡拓撲指標含義

5）子網(wǎng)絡提取

6）網(wǎng)絡可視化

7）圖形導出

8）Cytoscape插件的安裝和使用

20. 蛋白結(jié)構數(shù)據(jù)庫及結(jié)構數(shù)據(jù)的篩選和獲取：PDB、Uniprot

21. 小分子化合物結(jié)構信息查詢：Pubchem、Drugbank

22.分子對接

1）對接軟件的介紹及安裝

2）小分子和蛋白結(jié)構文件的預處理

3）蛋白活性位點的確定

4）分子對接流程的介紹及實戰(zhàn)

5）分子對接結(jié)果相互作用分析及可視化

AIDD人工智能藥物設計與發(fā)現(xiàn)培訓

2.機器學習與深度學習在藥物發(fā)現(xiàn)中的背景介紹，包括基于結(jié)構的藥物設計，基于配體的藥物設計等

基礎環(huán)境搭建及常用工具操作

1.Python環(huán)境配置，scikit-learn，pandas及numpy軟件安裝

2.Jupyter Notebook入門及使用

3.以真實數(shù)據(jù)為例講解數(shù)據(jù)清洗及異常值處理策略

4.RDKit介紹及小分子結(jié)構分析

第二天

基于分子指紋的化合物活性預測及分子聚類分析

1.ChEMBL數(shù)據(jù)庫介紹及使用

2.化合物活性預測及測量方法介紹，IC50及pIC50值使用

3.化合物編碼方式及化學相似性，分子指紋，分子聚類算法介紹

4.實際案例：基于分子指紋預測小分子活性

5.實際案例：基于Butina算法進行分子聚類

第三天

圖神經(jīng)網(wǎng)絡與藥物發(fā)現(xiàn)

1.Pytorch深度學習框架介紹

2.圖卷積神經(jīng)網(wǎng)絡（GCN）介紹

3.以實際數(shù)據(jù)集為例講解基于圖卷積神經(jīng)網(wǎng)絡的預測模型

4.圖注意力神經(jīng)網(wǎng)絡（GAN）介紹

5.以實際數(shù)據(jù)集為例講解基于注意力網(wǎng)絡的預測模型