常用机器学习策略及其在药物设计中的应用
发布时间:2018-11-21 浏览次数:
董界,博士,2017年11月毕业于新葡的京集团35222vip药物化学系,2018年3月引进并就职于中南林业科技大学食品学院。从事化学信息学和食品科学领域内相关问题研究。现主要应用Python等现代语言及数据挖掘技术,进行药物靶点发现、药物分子设计、药代动力学建模预测以及计算医学等相关领域的方法研究、数据库设计与应用、网络分析计算平台构建、科学软件包和工具开发。博士期间发表SCI论文21篇,其中第一作者论文9篇,其中包括4篇论文发表于Journal of Cheminformatics. 担任Journal of Cheminformatics, Bioinformatics杂志审稿人。
近几年,人工智能及机器学习策略在材料、化学、物理、医药学等领域的研究上展现出巨大优势。报告简介化学信息与药物设计中常用的机器学习策略;介绍如何利用这些策略进行化合物理化性质预测及计算平台构建;介绍利用这些策略开发的靶点预测平台及其应用;介绍常见的数据处理和降维方法并讨论其在岩土领域相关问题中的应用思路。