Métodos de aprendizaje automático para el descubrimiento de fármacos y la toxicología: cómo desarrollar un modelo QSAR con Python

Este curso se proporcionará las herramientas y conocimientos necesarios para desarrollar modelos QSAR para la predicción de bioactividad o toxicología utilizando bibliotecas abiertas para desarrollar sus propios scripts en Python. Se aprenderán los conceptos básicos del modelado QSAR y el flujo de trabajo para desarrollar un modelo: incluyendo la justificación de los diferentes pasos y herramientas para ponerlos en práctica. Estos pasos incluyen el tratamiento de los datos, el cálculo y la selección de descriptores moleculares, diferentes algoritmos de aprendizaje automático, la evaluación estadística de los modelos y la evaluación del dominio de aplicabilidad.

Se trata de un curso online en el que el participante podrá aprender a su ritmo. En nuestra plataforma se presentaran lecciones grabadas, textos explicativos, ejercicios interactivos en Python y otros recursos. El curso es de carácter práctico, con varios ejercicios que finalizarán en un proyecto en el que el participante desarrollará un modelo QSAR completo por sí mismo. El estudiante no estará solo, un tutor de ProtoQSAR seguirá su avance en la plataforma, le dará feedback en tus tareas y estará disponible por correo electrónico. Además, en la plataforma se podrá interactuar entre compañeros e instructores mediante foros y chats, y habrá una serie de videoconferencias para aclarar dudas.

Para más detalles, descargue por favor el contenido del curso.

Prerequisitos: Las tareas requieren conocimientos básicos de Python (en la plataforma habrá recursos de aprendizaje adicionales y enlaces a recursos externos para los principiantes).

Modalidad: Online Pre-registro: Rellene este Formulario
¿Cuando?: 2 de noviembre de 2023 al 31 de enero de 2024 Información: training@protoqsar.com
Horas estimadas: 60 Idioma del curso: Inglés
Precio: 480 €* * 280 € para estudiantes (requisitos en el formulario)
o registros antes del 15 de octubre de 2023

Resumen del curso:

Introducción de conceptos básicos
  • Visión general de los diferentes enfoques computacionales
  • Flujo de trabajo del modelo QSAR
  • Regresión frente a clasificación
  • Análisis estadístico de modelos
Técnicas básicas de quimioinformática en Python
  • Importación y análisis de marcos de datos
  • Caracterización de moléculas
  • Conservación de datos químicos y biológicos
Desarrollo de modelos QSAR
  • Recopilación y conservación de datos
  • Cálculo de descriptores moleculares
  • División de entrenamiento/prueba
  • Reducción y escalado de características
  • Selección de algoritmos
  • Optimización de hiperparámetros
  • Métricas y validación de modelos
  • Dominio de aplicabilidad
  • Predicción externa