Cheminformatyka - laboratorium 1200-1CHINFLZ
W trakcie pracy nad indywidualnym projektem student zapozna się z dostępnymi repozytoriami danych o znaczeniu farmakologicznym. Przeprowadzając analizę danych otrzymanych m.in. z testów biologicznych wykona kolejne etapy w projektowaniu nowego leku opartym na właściwościach ligandów: pozyskanie danych, ich analiza, redukcja, konwersja do deskryptorów oraz zastosowanie w skriningu wirtualnym. Wykonując eksperyment in silico student utrwala swoją wiedzę o znaczeniu i sposobie generowania deskryptorów molekularnych i ich roli w technikach automatycznego przetwarzania informacji na potrzeby projektowania substancji lekopodobnych.
Indywidualny projekt do wykonania w trakcie semestru będzie obejmował m.in.:
- przygotowanie zbioru danych zawierającego substancje aktywne farmakologicznie i konwersja do deskryptorów molekularnych
- zastosowanie wybranego algorytmu uczenia maszynowego do tego zbioru danych
- wybór związków o największej aktywności i porównanie wyników z danymi eksperymentalnymi
Kierunek podstawowy MISMaP
chemia
biotechnologia
biologia
fizyka
matematyka
Rodzaj przedmiotu
Tryb prowadzenia
Założenia (opisowo)
Koordynatorzy przedmiotu
Efekty kształcenia
Po zakończeniu procesu kształcenia student będzie potrafił:
- wymienić typy danych gromadzonych w repozytoriach biologicznych
- opisać testy biologiczne stosowane w projektowaniu leków
- wygenerować deskryptory molekularne dla dowolnej substancji lekopodobnej
- omówić zastosowanie uczenia maszynowego w projektowaniu leków opartym na właściwościach ligandów
- dokonać krytycznej analizy otrzymanych wyników w kontekście wyników eksperymentalnych oraz zaproponować sposób ulepszenia zastosowanej procedury
Kryteria oceniania
Zaliczenie na ocenę na podstawie jednego końcowego kolokwium. Kolokwium poprawkowe przeprowadzane w trakcie sesji poprawkowej. Oprócz kolokwium wymagane jest zaliczenie indywidualnego projektu wykonywanego na zajęciach. Wymagana obecność na zajęciach, możliwe dwie nieusprawiedliwione nieobecności
Praktyki zawodowe
nie dotyczy
Literatura
1. M. Szeliga, Data Science i uczenie maszynowe, PWN 2017
2. T. Morzy, Eksploracja danych. Metody i algorytmy, PWN 2020
3. A. Bąk, J. Polański, Podstawy chemoinformatyki leków, Wydawnictwo Uniwersytetu Śląskiego, Katowice 2018.
4. P. Graham, Chemia medyczna, PWN, Warszawa 2019.
5. Dodatkowa literatura podana w trakcie zajęć.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: