AI驱动的药物发现实战：从分子模拟到靶点筛选
课程视频
课程简介
本课程系统讲解 AI 在药物发现全流程中的应用，从分子表示、结构预测到生成模型与加速模拟。学员将理解扩散模型在分子生成中的原理，掌握 SMILES 表示法与 RDKit 工具链，并了解 AlphaFold 3 和 TITO 模型等前沿技术如何将药物筛选效率提升万倍。
学习目标
- 理解分子在AI中的多种表示方法（SMILES、图、3D坐标）
- 掌握扩散模型在分子生成中的数学原理与代码实现
- 了解 AlphaFold 3 如何以76%准确率预测蛋白质-配体结合
- 学会使用 RDKit 计算分子描述符与判断类药性
- 理解 AI 加速分子动力学模拟（TITO模型）的突破性意义
章节概览
- 第一章：药物发现的挑战与AI的机遇
- 第二章：分子表示——从SMILES到3D坐标
- 第三章：扩散模型的数学原理
- 第四章：用Python和RDKit实战分子生成
- 第五章：AlphaFold 3与蛋白质结构预测
- 第六章：AI加速分子动力学模拟
- 第七章：端到端AI药物发现管线