培训背景
理解?种疾病的某种现象仅使用?种数据类型是远远不够的，随着高通量测序和多组学的快速发展，生物医学研究开始采取多组学技术结合的方法，传统的信息数据处理算法不能满足大数据的处理要求，机器学习作为从数据中进行学习的算法，可以对不同组学来源（如基因组学、转录组学、蛋白质组学、代谢组学）的数据进行综合分析，开发针对个体多样性的多因素预测模型，可以显著减少需要考虑的潜在治疗组合的空间，并识别其他可能被忽视的组合，并可以添加实验验证的步骤，以提供额外的证据，从而证明预测治疗可能存在的有效性。
随着医药大数据的积累和人工智能技术的发展，运用AI技术并结合大数据的精准药物设计也不断推动着创新药物的发展。在新型冠状病毒的治疗方案中，通过一系列计算机辅助药物生物计算的方法发现一大类药物分子可以有效阻止新冠病毒的侵染，为治疗新冠提供了新思路。应新老客户的培训需求，北京软研国际信息技术研究院特举办“集成多组学数据的机器学习在生物医学中的应用”和“计算机辅助药物设计技术与应用实践”系列专题培训班，本次培训由互动派（北京）教育科技有限公司具体承办，具体相关事宜通知如下：//点击文末阅读原文获取正式通知文件02培训特色
本次系列课程共1+3个专题，均采用在线直播的形式，提供软件操作及算例教学无限次回放视频，建立永不解散的课程群，长期互动答疑，学员学完后可以继续与专业老师同学交流问题，巩固学习内容，从而更好地满足学员不同方面的论文及实际科研工作需求；专题一
课程通过基础入门+进阶实例演练的讲授思路，从初学及应用研究角度出发讲授深度学习神经网络、经典机器学习模型、多组学联合分析-阐明疾病分子机制、深度学习在组学数据的应用、机器学习+Science五个模块，结合案例实践教学（COVID-19中生物标志物的发现、阿尔茨海默疾病潜在药物靶点筛选、精神障碍人群队列特征、多组学分析胃癌和解析胃癌肿瘤标志物、转录组学的去批次效应、肿瘤的分级预测、多组学构建肝癌患者分型的新算法、神经网络自编码器算法在多组学中的应用、乳腺肿瘤分类模型及评估等）
专题二
带您一步步实操学习蛋白结构分析、同源建模、虚拟筛选、分子对接（半柔性、柔性对接、蛋白-蛋白、蛋白-多肽、金属酶蛋白-配体、核酸-小分子、共价对接等）、药效团模型、定量构效关系、碎片化药物设计、Gromacs分子动力学模拟与结果分析，并以实例讲解与练习为主，达到即学即用效果，帮助学员系统性掌握计算机辅助药物设计技术，助力学术研究；专题三
从AMBER的安装运行开始，深入研究对象模型的获取与构建、能量优化、分子动力学模拟、轨迹特征获取、基于能量的相互作用机理分析等知识点，并对经典文献进行复现。专题四
通过机器学习、深度学习的分类回归任务、分子特征、模型评估、参数优化与模型选择、浅层学习分类的虚拟筛选、集成机器学习方法使用、DNN，GCN，GAT等主流深度学习模型实操以及结合相关课题的应用实践等内容，带您真正的进入人工智能药物发现的领域。?上下滑动