TeachOpenCADD · TheOpenCADD
Talktorials do Volkamer Lab (Charité, Berlim) sobre quimioinformática, docking e dinâmica molecular, traduzidos e adaptados.
Créditos & fontes
Boa parte do material reunido aqui foi compilada, traduzida e reorganizada a partir de recursos educativos de acesso aberto. Os direitos dos materiais originais pertencem aos respetivos autores; esta página reúne-os e dá-lhes o devido crédito.
O HAD Lab é um projeto educativo. Onde adaptei cursos, notebooks ou exemplos de terceiros, o meu trabalho foi sobretudo de compilação, tradução para português e organização pedagógica. A autoria intelectual do conteúdo original é de quem o criou. Os vídeos não são alojados por nós: são incorporados ou ligados a partir do YouTube e pertencem aos seus canais. Abaixo ficam as principais fontes.
01
Cursos e código compilado
Materiais de quimioinformática, QSAR, docking, dinâmica molecular, desenho de novo, ADMET e fundamentos de ciência de dados, adaptados para português a partir das fontes abaixo.
Computational Drug Discovery
Pipeline de QSAR e machine learning de Chanin Nantasenamat (Data Professor), estendido com novos passos de curadoria e optimização.
Python, Ciência de Dados & ML
Materiais da Data Science Academy, da “Formação Cientista de Dados” (Fernando Amaral), de Patrick Loeber (Python Engineer) e de repositórios abertos de notebooks de ML.
Microsoft Azure ML
Exemplos oficiais do SDK de Azure Machine Learning (Microsoft), usados apenas como referência.
Making it rain
Simulações de dinâmica molecular na nuvem: Arantes et al., J. Chem. Inf. Model. (2021).
Modelos generativos
REINVENT4 e GraphINVENT (MolecularAI / AstraZeneca), ReLeaSE (Isayev Lab), MolGAN e DeepChem.
ADMET-AI
Modelos preditivos de propriedades ADMET (Swanson et al.).
ColabFold · AlphaFold2
Predição de estrutura de proteínas (Mirdita et al., Nature Methods).
02
Ferramentas e bases de dados
As análises apoiam-se em software livre e em bases de dados públicas. Os direitos pertencem aos respetivos projetos.
Ferramentas: RDKit, AutoDock Vina, Open Babel, scikit-learn, PyTorch, Optuna e PyCaret, entre outras.
Bases de dados: ChEMBL, PubChem, Protein Data Bank (PDB), Papyrus e bases públicas da FDA.
03
Vídeos dos cursos
Não alojamos vídeos. São incorporados ou ligados a partir do YouTube e pertencem aos respetivos criadores.
As aulas do curso de Pesquisa Científica com Inteligência Artificial e as vídeo-aulas que acompanham os notebooks estão publicadas no canal DevPyline, de minha autoria.
A reprodução respeita os termos do YouTube: o conteúdo abre ou toca a partir da própria plataforma, sem descarregamento nem reupload. Onde uma aula cite ou mostre material de terceiros, a origem fica identificada na própria aula.
04
Direitos, correcções e remoção
Esforço-me por creditar correctamente todas as fontes. Se é autor ou detentor de direitos de algum material aqui referenciado e pretende uma correcção de crédito ou a sua remoção, contacte-me e tratarei do assunto com prontidão.