AI 驱动的分子设计入门
课程简介
本课程系统讲解 AI 如何改变药物发现中的分子设计流程。从传统 HTS 到 GAN/VAE 分子生成，再到最新的 diffusion model 方法，覆盖 AI 分子设计的完整技术栈。
图1：AI 驱动的分子设计闭环工作流程
学习目标
- 理解 AI 分子设计的六步闭环工作流
- 掌握分子表征方法的选择策略（SMILES / ECFP / GNN / 3D）
- 学会使用 RDKit + PyTorch Geometric 构建分子预测模型
- 了解 retrosynthesis analysis 与可合成性评估
- 能够评估 AI 生成分子的 ADMET 性质
章节概览
- 分子表征基础：SMILES、InChI、ECFP 与图结构
- 图神经网络实战：消息传递与图级读出
- 生成模型入门：VAE、GAN 与扩散模型在分子生成中的应用
- 虚拟筛选与 ADMET 预测
- 逆合成分析与可合成性评分
- 闭环优化：AI 预测 + 机器人合成 + 反馈学习
适合人群
具备基础 Python 和化学知识的学习者，对 AI 药物发现感兴趣的计算化学、药物化学或生物信息学方向的学生和研究人员。
---