我国目前的AI药物研发主要应用在药物发现阶段，靶点发现、先导化合物研究和化合物筛选、化合物合成是AI+药物研发最热门的领域。按照应用场景的发展速度来看，未来药物发现、合成或将成自动化程度最高的方向。但是AI药物研发也面临着需要解决的问题，AI药物研发兼具信息科技和医药双重属性，需要AI的人才也需要懂药物研发的人才。身为小白的我啥都不是！人工智能数据算法？平台？软件掌握？根本无从下手！俺收集了一些简要的知识点，如果还有小白的话 可以照着找些资料啊 专题啊 会议啊啥的学习学习，药学相关数据与AI技术结合出成果！
人工智能药物设计技术与应用实践专题
1. 分子表征及特征提取
分子描述符和分子指纹；
分子描述符/指纹计算软件：分子表示方法和格式；RDKit/OpenBabel/ChemDes/PyBioMed操作分子、计算分子描述符/指纹、蛋白质描述符、核酸描述符等等。
2. 结构预处理、数据预处理
PyBioMed结构预处理、ChemSAR结构预处理、 KNIME 结构预处理、Excel数据预处理及注意的问题、 KNIME数据预处理、Pandas环境配置以及基本操作、sklearn数据预处理、归一化与空值处理。
3. 常用人工智能药物设计算法与软件
算法简单介绍和分类、KNIME软件介绍、特征选择（基于sklearn的特征选择、基于KNIME流程的特征选择）、模型的评价与解释。
4. 类药性和ADMET评价实践
ADMET介绍、KNIME软件构建ADMET模型、ADMET计算软件和实操。
5. GRK2抑制剂筛选实践
噪声过滤和相似性搜索、机器学习模型构建和预测、分子对接（蛋白质预处理、小分子预处理）、ADMET评估。
线上直播专题，详情可私信！
人工智能药物设计技术与应用实践专题
1. 分子表征及特征提取
分子描述符和分子指纹；
分子描述符/指纹计算软件：分子表示方法和格式；RDKit/OpenBabel/ChemDes/PyBioMed操作分子、计算分子描述符/指纹、蛋白质描述符、核酸描述符等等。
2. 结构预处理、数据预处理
PyBioMed结构预处理、ChemSAR结构预处理、 KNIME 结构预处理、Excel数据预处理及注意的问题、 KNIME数据预处理、Pandas环境配置以及基本操作、sklearn数据预处理、归一化与空值处理。
3. 常用人工智能药物设计算法与软件
算法简单介绍和分类、KNIME软件介绍、特征选择（基于sklearn的特征选择、基于KNIME流程的特征选择）、模型的评价与解释。
4. 类药性和ADMET评价实践
ADMET介绍、KNIME软件构建ADMET模型、ADMET计算软件和实操。
5. GRK2抑制剂筛选实践
噪声过滤和相似性搜索、机器学习模型构建和预测、分子对接（蛋白质预处理、小分子预处理）、ADMET评估。
线上直播专题，详情可私信！
