Структурная биология - активно развивающаяся область, использующаяся в других разделах биологии, в медицине и в фармакологии. В последнее время в нее активно проникают подходы, основанные на машинном обучении. Оно используется для обработки экспериментальных данных (ЯМР, РСА, криогенная микроскопия), генерации новых веществ, анализа результатов докинга, предсказания белок-белковых взаимодействий, предсказания свойств и токсичности для человека химических веществ. Также машинное обучение используется для ускорения традиционных подходов структурной биологии, таких как молекулярная динамика и квантово-механическое моделирование.

Основной задачей курса «Машинное обучение в структурной биологии» является ознакомление слушателей как с классическими подходами структурной биологии, так и с их аналогами, построенными на основе машинного обучения.

Продолжительность курса: 1 семестр (6 теоретических и 6 практических занятий).

Курс ориентирован на магистров и аспирантов биологических и химических специализаций. В ходе данного курса слушатели ознакомятся с теоретическими основами классических и ML-подходов в структурной биологии, а затем на практике их применят, смогут сравнить полученные результаты.

В результате прохождения курса слушатели смогут самостоятельно ставить задачи на языке структурной биологии и решать их новейшими методами.

Список всех тем лекций

Лекция 1. Введение в структуру белка. Молекулярная механика и квантовая химия.
Введение Структура белка Квантовая химия Молекулярная механика

Лекция 2. Хемоинформатика.
Активные молекулы Свойства лекарства Как искать активные молекулы? Особенности деятельности фарм-производителей Задачи хемоинформатики Компьютерное представление молекул Линейное представление молекул, SMILES Дескрипторы, правило Липинского Поиск по 3D-базам данных Систематический поиск ML в хемоинформатике Fingerprints Направления работы

Лекция 3. Межмолекулярные взаимодействия белок-лиганд.
Повторение Взаимодействия Белок-лиганд Докинг белок-лиганд Использование докинга Практические аспекты Rigid and Flexible Docking Фрагментарное построение лиганда Основные направления применения ML Профилирование библиотек Выявление сайтов связывания Оптимизация соединений

Лекция 4. Сравнительное моделирование.
Основные проблемы Последовательность-структура Сравнительное моделирование Предсказание структуры белка Ab initio Мета серверы Ml методы для предсказания структуры белка Варианты NN Предсказание структуры белков Заключение

Лекция 5. Белок-белковые взаимодействия.
Human interactome Особенности белок-белковых контактов Способы предсказания белок-белковых взаимодействий Макромолекулярный докинг Rosetta Ml подходы к PPI

Лекция 6. Машинные модели для расчёта свойств электронной структуры молекул.
Цели QML) Наборы данных Представление молекул Типы ML методов Силовые поля на основе ML потенциалов Исследование химического разнообразия Перспективы