#خلاصه_سمینار 🧬🧬
تولید دارو، فرآیندی دشوار و پرهزینه است. از این رو شناسایی تعامل دارو و هدف آن به مرحله مهمی در مراحل اولیه کشف دارو تبدیل شده است.
با استفاده از رویکردهای محاسباتی میتوان تعامل بین دارو و هدف را با حداقل میزان خطا به طور چشمگیری کاهش داد. اگر قدرت اتصال بین دارو و هدف آن به اندازه کافی قوی نباشد، ممکن است چنین تعاملی بین دارو و هدف مفید نباشد. بنابراین روشهای توسعه یافته ای که میزان تمایل اتصال دارو و هدف را ارزیابی می نمایند از اهمیت بالایی برخوردار هستند.
در این سمینار مروری بر مفاهیم اولیه پیش بینی تمایل اتصال دارو به هدف خواهیم داشت. در ادامه به معرفی روشهای توسعه یافته با استفاده از یادگیری ماشین(به ویژه رویکردهای یادگیری عمیق) می پردازیم و درنهایت پایگاه داده های مربوطه را بررسی میکنیم.
#مهسا_سعادت
@CBRC_aut
تولید دارو، فرآیندی دشوار و پرهزینه است. از این رو شناسایی تعامل دارو و هدف آن به مرحله مهمی در مراحل اولیه کشف دارو تبدیل شده است.
با استفاده از رویکردهای محاسباتی میتوان تعامل بین دارو و هدف را با حداقل میزان خطا به طور چشمگیری کاهش داد. اگر قدرت اتصال بین دارو و هدف آن به اندازه کافی قوی نباشد، ممکن است چنین تعاملی بین دارو و هدف مفید نباشد. بنابراین روشهای توسعه یافته ای که میزان تمایل اتصال دارو و هدف را ارزیابی می نمایند از اهمیت بالایی برخوردار هستند.
در این سمینار مروری بر مفاهیم اولیه پیش بینی تمایل اتصال دارو به هدف خواهیم داشت. در ادامه به معرفی روشهای توسعه یافته با استفاده از یادگیری ماشین(به ویژه رویکردهای یادگیری عمیق) می پردازیم و درنهایت پایگاه داده های مربوطه را بررسی میکنیم.
#مهسا_سعادت
@CBRC_aut