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
Przewidywany nakład pracy studenta w semestrze - 30 h, w tym:
- 15 h - udział w zajęciach
- 7.5 h - konsultacje
- 7.5 h - przygotowanie raportu z samodzielnie wykonanego projektu
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
WIEDZA: Student po ukończeniu kursu zna i rozumie:
K_W01, K_W02, K_W05, K_W06, K_W07, K_W08, K_W09
- miejsce chemii w naukach ścisłych i przyrodniczych oraz jej znaczenie dla rozwoju ludzkości
- podstawy biochemii i rozumie znaczenie zjawisk chemicznych w procesach zachodzących w przyrodzie ożywionej
- pogłębioną wiedzę z zakresu wybranej specjalizacji chemicznej, umożliwiającą stosowanie metod i pojęć właściwych dla tej specjalizacji oraz umożliwiającą samodzielną pracę badawczą
- pogłębione pojęcia w zakresie zaawansowanej matematyki niezbędne do ilościowego
opisu zjawisk i procesów chemicznych właściwych dla danej specjalizacji chemicznej
- matematyczny opis podstawowych zjawisk i procesów chemicznych, które potrafi samodzielnie wyjaśnić
- zaawansowane techniki w metodach obliczeniowych właściwe dla danej specjalizacji chemicznej
- co najmniej jeden pakiet oprogramowania służący do obliczeń symbolicznych i jeden
pakiet do statystycznej obróbki danych
UMIEJĘTNOŚCI: Po ukończeniu kursu student potrafi:
K_U05, K_U06, K_U07, K_U08, K_U13, K_U19
- samodzielnie planować i prowadzić badania teoretyczne w ramach swojej specjalizacji chemicznej
- w sposób krytyczny ocenić wyniki przeprowadzonych samodzielnie obliczeń w ramach
swojej specjalności chemicznej
- w sposób krytyczny ocenić wyniki przeprowadzonych samodzielnie doświadczeń w
ramach swojej specjalności chemicznej, a także przedyskutować błędy pomiarowe
- wyszukiwać niezbędne informacje w literaturze fachowej, bazach danych i innych źródłach informacji oraz kompetentnie oceniać wiarygodność uzyskanych informacji
- samodzielnie zdobywać wiedzę i rozwijać umiejętności zawodowe, korzystając z różnych źródeł (pisemnych i elektronicznych), w tym obcojęzycznych
- samodzielnie uczyć się i określać kierunki dalszego kształcenia
KOMPETENCJE SPOŁECZNE: Po ukończeniu kursu student jest gotowy do:
K_K01, K_K04
- kontynuacji samokształcenia i samodzielnego poszukiwania informacji w literaturze, w tym obcojęzycznej
- systematycznego zapoznawania się z literaturą naukową i popularnonaukową w celu
pogłębiania i poszerzania wiedzy ze świadomością zagrożeń przy pozyskiwaniu
informacji z niezweryfikowanych źródeł, w tym z internetu
Kryteria oceniania
Zaliczenie na podstawie 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: