اپلیکیشن اندرویدی فلش‌کارت آموزشی مدل‌سازی QSAR/QSPR پیشرفته

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌سازی QSAR/QSPR پیشرفته

موضوع کلی: یادگیری ماشینی پیشرفته

موضوع میانی: یادگیری ماشینی در کشف دارو

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی QSAR/QSPR
• 2. مفاهیم پایه شیمی‌فیزیکی در QSAR/QSPR
• 3. رگرسیون خطی چندگانه و کاربرد آن در QSAR
• 4. تحلیل واریانس و اهمیت متغیرها
• 5. انتخاب دسکریپتورهای مناسب در QSAR
• 6. معرفی دسکریپتورهای مولکولی
• 7. دسکریپتورهای توپولوژیکی و کاربرد آن‌ها
• 8. دسکریپتورهای الکترونی و محاسبه آن‌ها
• 9. دسکریپتورهای فضایی و اهمیت آن‌ها
• 10. اعتبارسنجی مدل‌های QSAR/QSPR
• 11. روش‌های تقسیم داده‌ها برای اعتبارسنجی
• 12. آمار واکشی و انتخاب مدل نهایی
• 13. روش‌های یادگیری ماشین در QSAR/QSPR
• 14. شبکه‌های عصبی مصنوعی و QSAR
• 15. درخت‌های تصمیم و کاربرد آن‌ها
• 16. روش‌های Ensemble در QSAR
• 17. آشنایی با نرم‌افزارهای QSAR/QSPR
• 18. نرم‌افزار MOE و کاربردهای آن
• 19. نرم‌افزار Dragon و تحلیل دسکریپتورها
• 20. نرم‌افزار QSAR Toolbox و پیش‌بینی فعالیت
• 21. پیش‌بینی خواص فیزیکوشیمیایی با QSPR
• 22. پیش‌بینی حلالیت ترکیبات
• 23. پیش‌بینی پایداری ترکیبات
• 24. پیش‌بینی سمیت ترکیبات
• 25. مدل‌سازی QSAR برای فعالیت‌های بیولوژیکی
• 26. پیش‌بینی فعالیت داروهای ضدسرطان
• 27. پیش‌بینی فعالیت داروهای ضدالتهاب
• 28. پیش‌بینی فعالیت آنزیم‌ها
• 29. مدل‌سازی QSAR برای طراحی دارو
• 30. طراحی مولکولی مبتنی بر QSAR
• 31. بهینه‌سازی ساختار مولکولی با QSAR
• 32. ارائه نتایج QSAR/QSPR
• 33. نحوه تفسیر ضرایب رگرسیون
• 34. نحوه نمایش نمودارهای QSAR
• 35. نحوه ارزیابی کیفیت مدل
• 36. کاربرد QSAR/QSPR در علوم محیط زیست
• 37. پیش‌بینی آلودگی محیط زیست
• 38. ارزیابی خطر مواد شیمیایی
• 39. بررسی اثرات ترکیبات بر اکوسیستم
• 40. مدل‌سازی QSAR برای پلیمرها
• 41. پیش‌بینی خواص مکانیکی پلیمرها
• 42. پیش‌بینی خواص حرارتی پلیمرها
• 43. پیش‌بینی خواص نوری پلیمرها
• 44. کاربرد QSAR/QSPR در شیمی مواد
• 45. پیش‌بینی خواص مواد نانویی