前沿资讯
新药研发存在周期长、费用高和成功率低等特点，人工智能作为药物研发领域的一个热点方向，已被应用到药物研发的各个阶段，当前随着人工智能、大数据、云计算等技术的不断进步，医药领域对人工智能技术越来越重视
使得人工智能技术得以在医药领域中快速应用，对我国医药事业发展有着非常重要的意义。而
AI技术是有力突破点。人工智能的融合可为新药研发节约近一半时间，每年节约化合物筛选成本和临床试验费用达数百亿美元。
目前人工智能技术在药物研发中的应用主要表现为七个场景，分别是：靶点药物研发、候选药物挖掘、化合物筛选、预测
ADMET性质、药物晶型预测、辅助病理生物学研究和发掘药物新适应症,人工智能可以将新药研发的成功率从12％提高到14％，可以为生物制药行业节省数十亿美元。此外，AI在化合物合成和筛选方面比传统手段可节约40%-50%的时间，每年为药企节约亿美元的化合物筛选成本。在临床研究阶段，可节约50%-60%的时间，每年可节约亿美元的临床试验费用。即AI每年能够为药企节约亿美元的研发费用。AI+药物研发与传统模式相比，时间和成本优势明显。AI＋药物研发的结合必然是未来制药行业的发展趋势，对医药领域进行一场巨大的革命，让医药行业迎来新时代，随着新冠疫情的爆发，国内外医药从业人员纷纷涉足AI人工智能，国内多个科研院所高校企业单位更是创立多个人工智能药物研究所，投入巨额资金
一、培训背景由于国内AI人工智能药物研究发展缓慢，学习平台文献资料较少，培训学习迫在眉睫，应广大科研人员要求，本单位经过数月调研，决定联合人工智能医药研究专家举办“AI人工智能Python与药物发现和药物设计”专题线上培训班二、培训对象全国各大高校、企业、科研院所从事人工智能、药物、生物、生物信息学、医学，等研究的科研人员以及人工智能爱好者
三、培训目标让参会学员熟练Python编程以及人工智能在药物发现与药物设计领域的应用，帮助更多需要的学员了解并掌握人工智能领域药物设计、药物发现与数据分析
四、培训特色1、课程特色--全面的课程技术应用、原理流程、实例联系全贯穿
2、学习模式--理论知识与上机操作相结合，让学员快速熟练掌握3、课程服务答疑--主讲老师将为您实际工作中遇到的问题提供专业解答
五、培训讲师来自中国药科大学，协和药物研究所等专家授课，长期致力于人工智能药物发现与药物设计方面的研究，发表多篇人工智能药物设计与药物发现文章，在人工智能机器学习，深度学习方面有着自己独特的见解
六、人工智能Python编程与药物发现和药物设计线上课表内容日期
授课题目
授课内容
备注
第一天
Python入门
1.Python语言概述及其在生物、医药、金融数据分析领域的应用。2.人工智能与机器学习简介(Indroduction)。
理论
第一天
Python入门
2.Python及Anaconda，Pycharm的安装使用
理论+操作
第一天
Python入门
3.jupyter-notebook的使用，Python语法基础
理论+操作
第二天
Python编程
1.Python常用数据结构(list,dict,set,tuple)
理论+操作
第二天
Python编程
2.Python爬虫进行数据采集(requests,urllib,lxml,selenium)
理论+操作
第二天
Python编程
3.Python数据分析与可视化(numpy,pandas,matplotlib,seaborn)
理论+操作
第二天
Python编程
4.Python自动化办公(pdfminer.six,python-docx,python-pptx)
理论+操作
第二天
Python编程
5.Python开发实用小工具(tkinter,Pyinstaller)
理论+操作
第三天
人工智能助力计算机辅助药物发现与设计
1.常见机器学习算法：(1)逻辑回归(2)朴素贝叶斯(3)KNN算法(4)决策树算法(5)随机森林算法(6)支持向量机算法(7)梯度提升树算法以及XGBOOST(8)神经网路算法以及tensorflow(9)生成式对抗网络(GANs)。
理论
第三天
人工智能助力计算机辅助药物发现与设计
2.机器学习与药物发现(MachineLearningandDrugDesign)
(1)计算机辅助药物设计发展史
(2)计算机辅助药物设计的常见算法
(3)机器学习在药物发现中的应用场景。
操作
第三天
人工智能助力计算机辅助药物发现与设计
3.常见药物设计软件的实操应用
(1)ChemDram的使用。
(2)PyMOL药物分子可视化。
(3)DiscoveryStudio与薛定谔软件分子对接实操（根据学员软件要求来进行对接）
操作
第三天
人工智能在药物发现中的案例应用
1.利用机器学习模型预测并发现药物阿司匹林：(1)收集FDA常见上市药物化学结构。(2)计算化学结构的理化性质。(3)运用xgboost等机器学习模型预测有效药物。
操作
第四天
人工智能在药物发现中的案例应用
2.利用分子动力学软件amber分析模拟药物靶点与小分子药物的稳定性与有效性：(1)准备靶点蛋白和小分子药物的晶体结构。(2)运用分子动力学模拟计算小分子药物与靶点蛋白的结合。(3)可视化分析模拟计算结果。
操作
第四天
人工智能在药物发现中的案例应用
3.利用机器学习预测并发现潜在有效药物：(1)收集
