آموزش RDKit: شیمیانفورماتیک و کشف دارو با پایتون - آخرین آپدیت
دانلود RDKit: Cheminformatics & Drug Discovery in Python
در این دوره، شما ابزار RDKit را به دو روش یاد خواهید گرفت: اول از طریق بررسی سیستماتیک ماژولها و قابلیتهای رایج و دوم با کار روی پروژههای واقعی و کاربردی. محتوا به صورت گامبهگام و با جزئیات در Jupyter Notebook (یک ویرایشگر کد کاربرپسند) توضیح داده شده است.
در بخش خواندن و نوشتن مولکولها، فرآیند خواندن فرمتهای مختلف و نوشتن آنها، در کنار مفاهیم مهم RDKit مانند پاکسازی مولکولی (Sanitization) توضیح داده خواهد شد.
در بخش مولکولها، شیء Molecule در RDKit به همراه اشیاء مرتبط (اتم، پیوند و کنفورمر) بررسی میشود. این بخش شما را با نحوه نمایش و مدیریت مولکولها در RDKit آشنا میکند.
در بخش عملیات مولکولی، عملیات رایج روی مولکولها از جمله افزودن و حذف هیدروژنها، تغییر ساختار مولکولها به صورت برنامهنویسی شده و انجام تطبیق زیرساختار (Substructure Matching) آموزش داده میشود.
در بخش توصیفگرها و اثر انگشتها، یاد میگیرید که چگونه از RDKit برای محاسبه توصیفگرهای مولکولی و اثر انگشتها، روشهای مختلف محاسبه و انواع اثر انگشتهای موجود استفاده کنید.
در بخش رسم مولکولها، نحوه رسم مولکولها، روشهای مختلف ترسیم، شخصیسازی گزینههای رسم، هایلایت کردن اتمها و پیوندها و زمان استفاده از هر روش را خواهید آموخت.
در بخش پروژهها، یاد میگیرید که چگونه مفاهیم مختلف RDKit را برای اجرای پروژهها و گردش کارهای واقعی در شیمیانفورماتیک و کشف دارو ترکیب کنید. همچنین نحوه یکپارچهسازی RDKit با سایر بستههای پایتون را خواهید آموخت؛ به عنوان مثال، ساخت مدلهای یادگیری ماشین با RDKit و scikit-learn برای غربالگری مجازی و استفاده از RDKit با بسته Pandas برای تحلیل پیشرفته دادهها. پروژهها همچنین نحوه استفاده از الگوریتمهای RDKit مانند تحلیل MCS، تولید کنفورمرهای سه بعدی و تحلیل شباهت را نمایش میدهند. علاوه بر این، مباحث پیشرفتهتری مانند طراحی دارو بر پایه قطعه (Fragment-based drug design) که شامل مدیریت و اتصال شرطی قطعات است، پوشش داده خواهد شد.
مقدمه Introduction
-
ساختار دوره Course Structure
-
مروری بر RDKit RDKit Overview
-
نصب و راهاندازی Installation
خواندن و نوشتن مولکولها Reading & Writing Molecules
-
خواندن مولکولها [فایلهای SDF] Reading Molecules [SDF Files]
-
فرآیند پاکسازی مولکولی (Sanitization) Molecule Sanitization Process
-
خواندن مولکولها [فرمتهای SMILES] Reading Molecules [SMILES Formats]
-
نوشتن مولکولها [فایل SDF] Writing Molecules [SDF File]
مولکولها در RDKit Molecules in RDKit
-
اشیاء مولکولی (Molecules Objects) Molecules Objects
-
اشیاء اتمی (Atoms Objects) Atoms Objects
-
اشیاء پیوند (Bonds Objects) Bonds Objects
-
اشیاء کنفورمر (Conformers Objects) Conformers Objects
عملیات مولکولی Molecular Operations
-
افزودن و حذف هیدروژنها Adding & Removing Hydrogens
-
تغییر ساختار مولکولی Modifying Molecule Structure
-
تطبیق زیرساختار (Substructure Matching) Substructure Matching
توصیفگرها و اثر انگشتهای مولکولی Molecular Descriptors & Fingerprints
-
محاسبه توصیفگرهای مولکولی Calculating Molecular Descriptors
-
محاسبه اثر انگشتها (Fingerprints) Calculating Fingerprints
رسم مولکولها Drawing Molecules
-
رسم مولکولها [مرور کلی و گزینههای رسم] Drawing Molecules [Overview & Drawing Options]
-
رسم با هایلایت کردن اتمها و پیوندها Drawing With Highlighting Atoms & Bonds
-
رسم چندین مولکول به صورت همزمان Drawing Multiple Molecules
-
رسم مولکولها با استفاده از توابع Drawing Molecules By Using Functions
پروژهها Projects
-
انجام تطبیق زیرساختار و رسم نتیجه Performing Substructure Matching & Drawing Result
-
محاسبه شباهت با یک مولکول مرجع و مدیریت نتایج Computing Similarity to a Reference Molecule & Managing Result
-
تولید و شناسایی کنفورمر با کمترین انرژی Generating & Identifying Lowest Energy Conformer
-
بزرگترین زیرساختار مشترک [بخش اول: اجرای MCS] Maximum Common Substructure [Part 1 - Performing MCS]
-
بزرگترین زیرساختار مشترک [بخش دوم: بررسی گزینهها] Maximum Common Substructure [Part 2 - Exploring Options]
-
توسعه مدل یادگیری ماشین رگرسیون [RDKit + Scikit Learn] Developing a Regression Machine Learning Model [RDKit + Scikit-Learn]
-
بهکارگیری مدل یادگیری ماشین برای غربالگری مجازی Applying Machine Learning Model for Virtual Screening
-
توسعه مدل یادگیری ماشین طبقهبندی [RDKit + Scikit Learn] Developing a Classification Machine Learning Model [RDKit + Scikit-Learn]
-
یکپارچهسازی با بسته Pandas برای تحلیل دادهها Integrating With Pandas Package For Data Analysis
-
اتصال شرطی قطعات مولکولی Connecting Molecular Fragments Conditionally
https://donyad.com/d/f1c116
Omar Al-Attraqchi
طراحی داروی به کمک کامپیوتر (CADD) - کارشناسی ارشد
نمایش نظرات