Искусственный интеллект в решении практических задач биологии и медицины

9000,00
р.
Этот модуль предназначен для биологов, химиков, медиков и исследователей, которым необходимо научиться использовать современные нейросетевые инструменты в практических научных задачах без глубокого погружения в программирование. Программа знакомит слушателей с тем, какие данные используются в современных биомедицинских исследованиях, как устроены готовые нейросетевые модели и как применять их для предсказания структур белков, получения новых вариантов последовательностей, оценки свойств химических соединений и решения других прикладных задач.

Входит в состав образовательной траектории
«Машинное обучение и нейронные сети в биологии и медицине»

Сложность: продвинутый уровень

Уровень сложности: Продвинутый

Навыки: AlphaFold

Направление: Анализ данных

Направление: Искусственный интеллект

Преподаватель: Укладов Егор

Инструменты: PyMOL

Инструменты: AlphaFold

Инструменты: ProteinMPNN

Инструменты: RFDiffusion

Инструменты: ImmuneBuilder2

Инструменты: Linux-среда

Подробная информация о блоке
Программа обучения
Характеристики образовательного модуля

Подробная информация о блоке

Модуль выстроен как последовательное знакомство с наиболее востребованными нейросетевыми алгоритмами, применяемыми в химии, биологии и медицине. Слушатели изучат доступные базы данных и сервисы, научатся работать в среде Linux, осваивать инструменты визуализации структур и использовать предобученные модели, которые позволяют получать результаты без самостоятельного обучения нейронных сетей.

Особое внимание уделяется реальным задачам: предсказанию структуры белков, анализу белковых комплексов, работе с антителами и разработке новых белковых последовательностей. Практические занятия сопровождаются пошаговыми инструкциями и поддержкой преподавателей, что позволяет слушателям уверенно применять полученные навыки в дальнейшем.

Для кого этот модуль:
  • Биологи, медики, биотехнологи и химики, работающие с экспериментальными данными.
  • Научные сотрудники и исследователи, которым необходимо использовать современные инструменты ИИ в своей работе.
  • Специалисты, заинтересованные в применении готовых нейросетевых моделей без освоения сложного программирования.
  • Студенты и аспиранты естественно-научных направлений.

Что вы получите после прохождения модуля:
  • Понимание того, какие нейросетевые модели применяются в биологии, химии и медицине, и какие задачи они позволяют решать.
  • Умение пользоваться готовыми инструментами для предсказания структуры белков и белковых комплексов.
  • Навыки работы с моделями, создающими новые последовательности белков или оценивающими свойства химических соединений.
  • Практический опыт работы с биологическими и химическими данными.
  • Системное представление о том, как применять такие инструменты в собственной научной или лабораторной деятельности.

Программа обучения

Тема 1. Базы данных и онлайн-сервисы для биологических и медицинских данных
Содержание
Базы данных NCBI, ClinVar, UniProt и RCSB PDB. Онлайн-сервисы, такие как AlphaFold3 Server. Методы работы с биологическими и медицинскими базами данных. Методы работы с последовательностями и структурами белков.

Тема 2. Нейронные сети для предсказания структуры белка и белковых комплексов. Теория
Содержание
Нейронные сети для предсказания структуры белка и белковых комплексов. Строение и обучение нейронных сетей AlphaFold1. Эволюционный подход к предсказанию структуры белка. Понятие матриц коэволюции аминокислотных остатков. Строение и обучение нейронных сетей AlphaFold2. Строение и обучение нейронных сетей AlphaFold3.

Тема 3. Установка операционной системы Linux, Anaconda/miniconda, PyMOL
Содержание
Установка операционной системы Linux. Базовые методы работы с операционной системой Linux. Установка програмного пакета Anaconda/miniconda. Понятие окружения и создание окружений в miniconda. Установка и возможности программного обеспечения PyMOL для 3D-визуализации белковых структур.

Тема 4. Нейронные сети для предсказания структуры белка и белковых комплексов. Практика.
Содержание
Нейронные сети для предсказания структуры белка и белковых комплексов.
Практика применения нейронной сети AlphaFold1 для предсказания структуры одиночного белка.
Практика применения нейронной сети RobeTTaFold для предсказания структуры одиночного белка.
Практика применения нейронной сети ESMFold для предсказания структуры одиночного белка.
Практика применения нейронной сети AlphaFold3 для предсказания структуры белковых, белок-нуклеиновых комплексов и комплексов белка с малыми молекулами.
Практика применения нейронной сети Chai-1 для предсказания структуры белковых, белок-нуклеиновых комплексов и комплексов белка с малыми молекулами.

Тема 5. ProteinMPNN — NN для предсказания первичной последовательности белка по структуре
Содержание
Проблема обратного фолдинга. Практические применения обратного фолдинга для повышения термостабильности и водорастворимости белков. Нейронная сеть ProteinMPNN для предсказания первичной последовательности белка по структуре.

Тема 6. ImmuneBuilder2 — NN для предсказания структуры антител, наноантител и Т-клеточных рецепторов
Содержание
Специализированные нейронные сети для предсказания структуры определённых классов белков. ImmuneBuilder2 для предсказания структуры антител, наноантител и Т-клеточных рецепторов. NanoNet для предсказания структуры наноантител.

Тема 7. RFDiffusion — NN для de novo дизайна белка
Содержание
Проблемы и возможности de novo дизайна белка. Практическое применение de novo разработанных белков. RFDiffusion для de novo дизайна белка. Chroma для de novo дизайна белка. BindCraftы для de novo дизайна белка.

Итоговая аттестация

Характеристики образовательного модуля

Характеристики образовательного модуля:

  • Продолжительность: 20 ак. ч.
  • Сложность: продвинутый уровень
  • Направление: анализ данных, искусственный интеллект
  • Навыки: применение готовых нейросетевых моделей, анализ биологических и химических данных, предсказание свойств объектов
  • Инструменты: готовые онлайн-сервисы, предобученные модели (AlphaFold, ProteinMPNN, RFDiffusion, ImmuneBuilder2), PyMOL, Linux-среда
  • Документ об образовании: удостоверении о повышении квалификации НГУ

Эксперт образовательного модуля:

  • Егор Олегович Укладов, преподаватель НГУ, преподаватель кафедры биологии СУНЦ НГУ, сотрудник центра коллективного пользования «Сибирский кольцевой источник фотонов»