Ústní zkouška

Oral exam

Literatura

Z: Engel T. Gasteiget J. Applied Chemoinformatics: Achievements and Future Opportunities, Wiley-VCH, 2018, ISBN 352734201X

Z: Bajorath J. Chemoinformatics for Drug Discovery, Wiley, 2013, ISBN 1118139100

Literature

R: Engel T. Gasteiget J. Applied Chemoinformatics: Achievements and Future Opportunities, Wiley-VCH, 2018, ISBN 352734201X

R: Bajorath J. Chemoinformatics for Drug Discovery, Wiley, 2013, ISBN 1118139100

Chemoinformatické metody pro optimalizaci kandidátních struktur – MMPA (matched molecular pairs) analýza, bioisostery, scaffold hopping, multiobjektivní optimalizační metody

Biologická informace v chemoinformatice – chemogenomický prostor, experimentální a výpočetní přístupy jeho charakterizace, afinitní fingerprinty a jejich aplikace, proteochemometrie, deskriptory popisující interakci ligand/protein, modelování interakčního prostoru

Teorie informace a „fingerprint engineering“ - analýza deskriptorů a metody redukce dat

QSAR modelování – záludnosti porovnávání a hodnocení QSAR modelů, doména aplikovatelnosti QSAR modelu, základní přístupy, jejich výhody a nevýhody, metody pro definici domény aplikovatelnosti klasifikačních a regresních modelů, metody hlubokého učení a jejich aplikace

Generování a explorace chemického prostoru, chemotypová diverzita a její hodnocení, farmakoforové modelování (topologické farmakofory a farmakoforové otisky prstů), molekulové dokování (generování konformerů, flexibilita proteinu, konsensuální skórování)

Chamoinformatics methods for lead optimization - MMPA (matched molecular pairs analysis), bioisosters, scaffold hopping, multi-objective optimizationoptimalizační metody

Biological information in chemeoinformatics – chemogenomics space, experimental and computational approaches of chemogenomics space exploration, affinity fingerprints and their applications, proteochemometrics, ligand/protein interaction descriptors, protein/ligand interaction space modeling

Information theory and fingerprint engineering

QSAR modeling – QSAR model quality assessment, applicability domain in classification and regression models, deep learning methos in QSAR and their other applications

Generating and exploration of chemical space, chemotype diversity and its assessment, pharmacophore modeling (topological pharmacophores and pharmacophore fingerprints), molecular docking (conformer generation, protein flexibility, consensus scoring)

Online materiály k přednášce

Online course materials

Studenti budou umět:

• Osvojí si pokročilé metody chemoinformatiky a počítačového návrhu léčiv

• Posoudit kvalitu QSAR klasifikačních a regresních modelů

• Optimalizovat kandidátní struktury pomocí počítačových technik

• Chápat, jakým způsobem je explorován chemický prostor a jak se posuzuje jeho chemotypová diverzita

Students will:

• understand advanced chemoinformatics and computationa drug design techniques

• be able to assess the quality of QSAR classification and regression models

• optimize lead structures using in silico techniques

• understand the process of chemical space exploration and the assessment of its chemotype diversity