2026/2027

Фармацевтическая информатика

ID 1216556

Статус: Маго-лего

Кто читает: Департамент больших данных и информационного поиска

Где читается: Факультет компьютерных наук

Когда читается: 3, 4 модуль

Охват аудитории: для всех кампусов НИУ ВШЭ

Язык: русский

Кредиты: 6

Контактные часы: 80

Программа дисциплины

Аннотация

Дисциплина преподается с целью ознакомления слушателей с современными методами хемоинформатики, биоинформатики и компьютерного моделирования, применяемыми для разработки новых лекарственных средств. Курс охватывает ключевые концепции лиганд-ориентированного (LBDD) и структурно-ориентированного (SBDD) дизайна, прогнозирование фармакокинетических свойств (ADMET), применение методов машинного обучения и графовых нейронных сетей (GNN), а также автоматизированную генерацию молекул (de novo дизайн). Студенты приобретают навыки практической работы на языке Python с химическими базами данных, библиотекой RDKit и молекулярными симуляторами для решения прикладных задач фармацевтической индустрии.

Цель освоения дисциплины

• Формирование теоретических знаний и устойчивых практических навыков в области компьютерного поиска, оптимизации и прогнозирования свойств биологически активных соединений на всех этапах разработки лекарств (Drug Discovery & Development) с помощью цифровых технологий и анализа данных.

Планируемые результаты обучения

• Знать архитектуру и способы извлечения информации из специализированных химических и биологических баз данных.
• Уметь проводить расчетную оценку лекарствоподобия (Drug-likeness) молекул и прогнозировать их ADMET-профиль.
• Владеть навыками реализации пайплайнов лиганд-ориентированного моделирования (QSPR/QSAR) с использованием Python и дескрипторов молекул.
• Уметь выстраивать процессы фармакофорного поиска, молекулярного докинга и виртуального скрининга библиотек соединений против биологических мишеней.
• Владеть базовыми принципами применения графовых нейронных сетей для анализа молекулярных структур.
• Владеть методами анализа данных на Python для решения задач хемоинформатики, построения и валидации ML-моделей.

Содержание учебной дисциплины

• Введение в фармацевтическую информатику и основы БД
• Лиганд-ориентированный дизайн (LBDD)
• Оценка свойств: ADMET и Лекарствоподобие
• Машинное обучение и графовые нейронные сети
• Структурная биология и введение в SBDD
• Молекулярное моделирование: Фармакофоры, Докинг и de novo дизайн

Элементы контроля

• Практические задания (серия Jupyter-ноутбуков)
  Выполнение серии лабораторных работ на Python по анализу химических данных, подготовке датасетов (CDK2, BBB permeability, DNA binding), расчету молекулярных дескрипторов в RDKit и построению предсказательных моделей
• Итоговый экзамен
  Проверка теоретических знаний по всему спектру лекционного материала (от баз данных до генеративного дизайна)

Промежуточная аттестация

• 2026/2027 4th module
  0.5 * Практические задания (серия Jupyter-ноутбуков) + 0.5 * Итоговый экзамен

Список литературы

Рекомендуемая основная литература

• Введение в хемоинформатику. Ч . 5: Информатика химических реакций, , 2017
• Введение в хемоинформатику. Ч. 1: Компьютерное представление химических структур, , 2013
• Введение в хемоинформатику. Ч. 2: Химические базы данных, , 2015
• Введение в хемоинформатику. Ч. 4: Методы машинного обучения, , 2016
• Введение в хемоинформатику. Ч. 6: Химическое пространство и виртуальный скрининг, , 2019
• Введение в хемоинформатику. Ч.3: Моделирование "структура - свойство", , 2015

Рекомендуемая дополнительная литература

• Графовые нейронные сети на Python - Лабонн М. - Издательство "ДМК Пресс" - 978-5-93700-319-5 - 2025 - русский - https://e.lanbook.com/book/464306 - ЛАНЬ - 464306
• Трухачева, Н. В. Фармацевтическая информатика (с практикумом) : учебное пособие / Н. В. Трухачева, А. В. Гусева, Н. П. Пупырев. — Москва : КноРус, 2025. — 187 с. — ISBN 978-5-406-14466-4. — URL: https://book.ru/book/958194 (дата обращения: 01.07.2026). — Текст : электронный.

Авторы

• Емашева Валерия Анатольевна