Corso di chemoinformatica

Lezione 1 • Ecosistema Software di Base

Esamina i toolkit chemioinformatici open-source e commerciali dominanti. Prepara gli studenti a selezionare gli strumenti appropriati per compiti specifici.

Lezione 2 • Tipi di Dati Chimici e Fonti

Esamina i formati di dati molecolari e i principali database pubblici. Collega l'alfabetizzazione dei dati ai flussi di lavoro computazionali a valle.

Lezione 3 • Cos'è la Chemioinformatica

Definisce la chemioinformatica e il suo ambito all'interno della chimica e biologia computazionale. Posiziona la disciplina rispetto alla bioinformatica e alla scienza dei dati.

Lezione 4 • Fondamenti di Rappresentazione Molecolare

Introduce le rappresentazioni molecolari 1D, 2D e 3D. Fornisce la base concettuale per tutti i successivi compiti di codifica e modellazione.

Lezione 1 • Interconversione e Convalida dei Formati

Insegna la conversione programmatica dei formati e il rilevamento degli errori. Garantisce l'integrità dei dati quando si spostano molecole tra strumenti e pipeline.

Lezione 2 • SMILES e SMARTS in Profondità

Tratta la sintassi SMILES avanzata e il pattern matching SMARTS. Consente interrogazioni di sottostruttura precise e il filtraggio molecolare.

Lezione 3 • Collezioni Molecolari su Larga Scala

Tratta l'archiviazione e il recupero efficienti di milioni di composti. Prepara gli studenti per compiti di screening virtuale e gestione di database.

Lezione 4 • Formati di File di Struttura

Esamina in dettaglio i formati MOL, SDF, PDB, CIF e XYZ. Collega la scelta del formato ai requisiti applicativi in modellazione e database.

Lezione 1 • Descrittori di Proprietà Fisico-Chimiche

Tratta logP, pKa, solubilità e proprietà correlate rilevanti per ADMET. Collega le proprietà calcolate alla drug-likeness e alla valutazione della biodisponibilità.

Lezione 2 • Impronte Digitali Strutturali

Spiega le impronte digitali a vettore di bit e conteggio, inclusi i tipi ECFP, MACCS e basati su percorso. Fornisce le basi per la ricerca di similarità e l'apprendimento automatico.

Lezione 3 • Metriche di Similarità e Ricerca

Applica i coefficienti di Tanimoto, Dice e del coseno alla similarità basata su impronte digitali. Consente la ricerca del vicino più prossimo nello spazio chimico.

Lezione 4 • Descrittori Costituzionali e Topologici

Introduce conteggi atomici, peso molecolare e indici topologici basati su grafi. Stabilisce le codifiche numeriche più semplici della struttura molecolare.

Lezione 1 • Cartucce ed Estensioni Chimiche

Introduce estensioni di database consapevoli della chimica che abilitano interrogazioni di sottostruttura e similarità. Estende SQL standard con capacità di ricerca molecolare.

Lezione 2 • Sistemi di Registrazione dei Composti

Spiega la deduplicazione, la rimozione di sali e la standardizzazione nei flussi di lavoro di registrazione. Garantisce l'integrità dei dati in grandi collezioni di composti aziendali o pubbliche.

Lezione 3 • Cura dei Dati e Controllo di Qualità

Tratta il rilevamento sistematico e la correzione degli errori nei set di dati chimici. Produce librerie di composti pulite e pronte per l'analisi.

Lezione 4 • Integrazione con Database Pubblici

Dimostra l'accesso programmatico a PubChem, ChEMBL e ZINC tramite API. Consente il recupero automatizzato dei dati per lo screening virtuale e l'analisi SAR.

Lezione 1 • Fondamenti e Storia del QSAR

Traccia il QSAR dall'analisi di Hansch agli approcci moderni di apprendimento automatico. Stabilisce la base teorica per la modellazione struttura-attività.

Lezione 2 • Metodi Classici di Modellazione QSAR

Implementa la regressione lineare multipla, PLS e la regressione ridge per QSAR. Fornisce modelli di base interpretabili per l'esplorazione SAR.

Lezione 3 • Preparazione del Set di Dati per QSAR

Affronta la cura dei dati di attività, la selezione degli endpoint e la copertura dello spazio chimico. Impatta direttamente sull'affidabilità del modello e sul dominio di applicabilità.

Lezione 4 • Modelli QSAR di Apprendimento Automatico

Applica random forest, SVM e gradient boosting a set di dati QSAR. Raggiunge una maggiore accuratezza predittiva per paesaggi struttura-attività complessi.

Lezione 1 • Esecuzione di Campagne di Docking

Guida il docking ad alta produttività di grandi librerie di composti contro bersagli preparati. Traduce la teoria del docking nell'esecuzione pratica dello screening.

Lezione 2 • Concetti di Screening Virtuale

Definisce le strategie di screening basate su ligando e su struttura e i loro compromessi. Stabilisce il contesto strategico per l'identificazione computazionale di hit.

Lezione 3 • Punteggio di Consenso e Selezione degli Hit

Combina metodi di punteggio multipli per migliorare l'affidabilità della selezione degli hit. Riduce i falsi positivi prima del costoso follow-up sperimentale.

Lezione 4 • Principi del Docking Molecolare

Spiega le funzioni di punteggio, gli algoritmi di ricerca e la preparazione del sito di legame. Fornisce la comprensione meccanicistica necessaria per eseguire correttamente il docking.

Lezione 1 • Analisi della Traiettoria

Analizza RMSD, RMSF, legami a idrogeno e mappe di contatto dalle traiettorie. Estrae approfondimenti strutturali e dinamici rilevanti per il legame.

Lezione 2 • Calcoli dell'Energia Libera di Legame

Applica i metodi MM-PBSA, MM-GBSA e FEP per stimare le affinità di legame. Collega i dati di simulazione a previsioni quantitative di affinità.

Lezione 3 • Fondamenti di Simulazione MD

Introduce i campi di forza, le equazioni del moto e i tipi di insieme statistico. Stabilisce la base fisica per interpretare le traiettorie di simulazione.

Lezione 4 • Preparazione del Sistema per MD

Tratta la parametrizzazione di proteine e ligandi, la solvatazione e la ionizzazione. Una preparazione corretta è prerequisito per risultati di simulazione significativi.

Lezione 1 • Reti Neurali a Grafo per Proprietà

Implementa architetture GCN, GAT e MPNN per la previsione di proprietà molecolari. Raggiunge un'accuratezza all'avanguardia su set di dati benchmark.

Lezione 2 • Modelli Generativi per la Progettazione De Novo

Addestra VAE, GAN e modelli basati su flusso per generare nuove molecole drug-like. Consente la generazione molecolare orientata agli obiettivi con vincoli di proprietà.

Lezione 3 • Interpretabilità del Modello e Deployment

Applica GradCAM, pesi di attenzione e SHAP per spiegare le previsioni del deep learning. Prepara i modelli per l'integrazione in pipeline di screening e progettazione.

Lezione 4 • Rappresentazioni Molecolari a Grafo

Codifica le molecole come grafi con nodi atomici e archi di legame per reti neurali. Fornisce la struttura dati di base per tutti i modelli basati su grafi.