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