Cheminformatyka - laboratorium
Informacje ogólne
Kod przedmiotu: | 1200-2CHINFLZ |
Kod Erasmus / ISCED: |
13.3
|
Nazwa przedmiotu: | Cheminformatyka - laboratorium |
Jednostka: | Wydział Chemii |
Grupy: |
Przedmioty do wyboru w semestrze 2M (S2-PRK-CHM) Przedmioty do wyboru w semestrze zimowym (S2-CH, S2-CHS) |
Punkty ECTS i inne: |
1.00
|
Język prowadzenia: | polski |
Kierunek podstawowy MISMaP: | biologia |
Rodzaj przedmiotu: | fakultatywne |
Założenia (opisowo): | 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 |
Tryb prowadzenia: | w sali |
Skrócony opis: |
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. |
Pełny opis: |
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 |
Literatura: |
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. |
Efekty uczenia się: |
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 |
Metody i kryteria oceniania: |
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 |
Praktyki zawodowe: |
nie dotyczy |
Zajęcia w cyklu "Semestr zimowy 2023/24" (zakończony)
Okres: | 2023-10-01 - 2024-01-28 |
Przejdź do planu
PN WT ŚR LAB
CZ PT |
Typ zajęć: |
Laboratorium, 15 godzin
|
|
Koordynatorzy: | Dorota Latek | |
Prowadzący grup: | (brak danych) | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: | Zaliczenie na ocenę |
Zajęcia w cyklu "Semestr zimowy 2024/25" (w trakcie)
Okres: | 2024-10-01 - 2025-01-26 |
Przejdź do planu
PN WT ŚR LAB
CZ PT |
Typ zajęć: |
Laboratorium, 15 godzin
|
|
Koordynatorzy: | Dorota Latek | |
Prowadzący grup: | Dorota Latek | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: | Zaliczenie na ocenę |
Właścicielem praw autorskich jest Uniwersytet Warszawski, Wydział Chemii.