Cheminformatics - laboratory
General data
Course ID: | 1200-2CHINFLZ |
Erasmus code / ISCED: |
13.3
|
Course title: | Cheminformatics - laboratory |
Name in Polish: | Cheminformatyka - laboratorium |
Organizational unit: | Faculty of Chemistry |
Course groups: |
(in Polish) Przedmioty do wyboru w semestrze 2M (S2-PRK-CHM) (in Polish) Przedmioty do wyboru w semestrze zimowym (S2-CH, S2-CHS) |
ECTS credit allocation (and other scores): |
1.00
|
Language: | Polish |
Main fields of studies for MISMaP: | biology |
Type of course: | elective courses |
Prerequisites (description): | (in Polish) Laboratorium jest przeznaczone dla studentów I i II stopnia. Wymagana jest podstawowa wiedza z chemii ogólnej, fizycznej, organicznej i biochemii z zakresu I i II roku studiów |
Mode: | Classroom |
Short description: |
(in Polish) Celem laboratorium jest zapoznanie studentów z repozytoriami danych o znaczeniu farmakologicznym, ich analizą i wykorzystaniem w projektowaniu leków. Wykorzystując podstawowe techniki eksploracji danych student zapozna się z procesem projektowania leku w oparciu o deskryptory molekularne. |
Full description: |
(in Polish) W trakcie pracy nad indywidualnym projektem student zapozna się z dostępnymi repozytoriami danych o znaczeniu farmakologicznym. Przeprowadzając analizę danych otrzymanych m.in. z testów biologicznych wykona kolejne etapy w projektowaniu nowego leku opartym na właściwościach ligandów: pozyskanie danych, ich analiza, redukcja, konwersja do deskryptorów oraz zastosowanie w skriningu wirtualnym. Wykonując eksperyment in silico student utrwala swoją wiedzę o znaczeniu i sposobie generowania deskryptorów molekularnych i ich roli w technikach automatycznego przetwarzania informacji na potrzeby projektowania substancji lekopodobnych. Indywidualny projekt do wykonania w trakcie semestru będzie obejmował m.in.: - przygotowanie zbioru danych zawierającego substancje aktywne farmakologicznie i konwersja do deskryptorów molekularnych - zastosowanie wybranego algorytmu uczenia maszynowego do tego zbioru danych - wybór związków o największej aktywności i porównanie wyników z danymi eksperymentalnymi |
Bibliography: |
(in Polish) 1. M. Szeliga, Data Science i uczenie maszynowe, PWN 2017 2. T. Morzy, Eksploracja danych. Metody i algorytmy, PWN 2020 3. A. Bąk, J. Polański, Podstawy chemoinformatyki leków, Wydawnictwo Uniwersytetu Śląskiego, Katowice 2018. 4. P. Graham, Chemia medyczna, PWN, Warszawa 2019. 5. Dodatkowa literatura podana w trakcie zajęć. |
Learning outcomes: |
(in Polish) Po zakończeniu procesu kształcenia student będzie potrafił: - wymienić typy danych gromadzonych w repozytoriach biologicznych - opisać testy biologiczne stosowane w projektowaniu leków - wygenerować deskryptory molekularne dla dowolnej substancji lekopodobnej - omówić zastosowanie uczenia maszynowego w projektowaniu leków opartym na właściwościach ligandów - dokonać krytycznej analizy otrzymanych wyników w kontekście wyników eksperymentalnych oraz zaproponować sposób ulepszenia zastosowanej procedury |
Assessment methods and assessment criteria: |
(in Polish) Zaliczenie na ocenę na podstawie jednego końcowego kolokwium. Kolokwium poprawkowe przeprowadzane w trakcie sesji poprawkowej. Oprócz kolokwium wymagane jest zaliczenie indywidualnego projektu wykonywanego na zajęciach. Wymagana obecność na zajęciach, możliwe dwie nieusprawiedliwione nieobecności |
Practical placement: |
(in Polish) nie dotyczy |
Classes in period "Winter semester 2023/24" (past)
Time span: | 2023-10-01 - 2024-01-28 |
Navigate to timetable
MO TU W LAB
TH FR |
Type of class: |
Lab, 15 hours
|
|
Coordinators: | Dorota Latek | |
Group instructors: | (unknown) | |
Students list: | (inaccessible to you) | |
Examination: | Grading |
Classes in period "Winter semester 2024/25" (future)
Time span: | 2024-10-01 - 2025-01-26 |
Navigate to timetable
MO TU W LAB
TH FR |
Type of class: |
Lab, 15 hours
|
|
Coordinators: | Dorota Latek | |
Group instructors: | (unknown) | |
Students list: | (inaccessible to you) | |
Examination: | Grading |
Copyright by University of Warsaw.