Kursplan för Artificiell intelligens inom läkemedelsutveckling

Artificial Intelligence in Drug Discovery

  • 7,5 högskolepoäng
  • Kurskod: 3FF036
  • Utbildningsnivå: Avancerad nivå
  • Huvudområde(n) och successiv fördjupning: Farmaceutisk vetenskap A1F

    Förklaring av koder

    Koden visar kursens utbildningsnivå och fördjupning i förhållande till andra kurser inom huvudområdet och examensfordringarna för generella examina:

    Grundnivå

    • G1N: har endast gymnasiala förkunskapskrav
    • G1F: har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav
    • G1E: innehåller särskilt utformat examensarbete för högskoleexamen
    • G2F: har minst 60 hp kurs/er på grundnivå som förkunskapskrav
    • G2E: har minst 60 hp kurs/er på grundnivå som förkunskapskrav, innehåller examensarbete för kandidatexamen
    • GXX: kursens fördjupning kan inte klassificeras

    Avancerad nivå

    • A1N: har endast kurs/er på grundnivå som förkunskapskrav
    • A1F: har kurs/er på avancerad nivå som förkunskapskrav
    • A1E: innehåller examensarbete för magisterexamen
    • A2E: innehåller examensarbete för masterexamen
    • AXX: kursens fördjupning kan inte klassificeras

  • Betygsskala: Underkänd (U), godkänd (G), väl godkänd (VG)
  • Inrättad: 2021-10-21
  • Inrättad av: Kommittén för utbildning på grundnivå och avancerad nivå vid farmaceutiska fakulteten
  • Reviderad: 2022-08-25
  • Reviderad av: Kommittén för utbildning på grundnivå och avancerad nivå vid farmaceutiska fakulteten
  • Gäller från: HT 2023
  • Behörighet:

    150 hp inklusive kunskaper motsvarande minst 60 hp inom ämnena kemi, biologi, biokemi, farmaceutisk vetenskap eller medicin. Dessutom krävs kunskaper i engelska motsvarande Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)

  • Ansvarig institution: Institutionen för farmaceutisk biovetenskap

Mål

Studenten ska efter avslutad kurs kunna:

  • Redogöra för grunderna inom maskininlärning och artificiell intelligens
  •  Beskriva olika AI-metoder, deras för och nackdelar, samt hur de kan användas inom läkemedelsutvecklingsprocessen
  •  Reflektera över och kritiskt bedöma validering och dokumentation av AI-modeller
  •  Använda AI-modeller praktiskt samt analysera, tolka och skriftligt sammanfatta resultaten på god engelska
  • Utföra grundläggande träning och validering av AI-modeller med relevans för läkemedelsutveckling och utvärdera resultaten

Innehåll

Introduktion till användning av artificiell intelligens (AI) och maskininlärning (ML) vid upptäckt av läkemedel. Grundläggande begrepp för AI/ML, vanligt använda metoder för tabulära data samt olika typer av djupa neurala nätverk. Betydelsen av data för modellering. Olika applikationsområden inom läkemedelsutveckling där AI kan användas, såsom ligandbaserade metoder för virtuell screening och prediktion av egenskaper baserat på kemisk struktur, strukturbaserade metoder, bildbaserade metoder, de novo-läkemedelsdesign och nätverks-/grafbaserade metoder. Primärt fokus ligger på att göra prediktioner och tolka resultat av dessa, men kursen omfattar också de olika stegen för träning och validering av AI/ML -modeller.

Undervisning

Kursen ges i sin helhet på distans via Internet och tillgång till dator med Internetuppkoppling är obligatoriskt. Undervisningen sker genom lärarstödda självstudier och genom interaktion med lärare och andra studenter via den webbaserade läroplattformen samt videokonferens. Teoretiska moment blandas med datorövningar och inlämningsuppgifter. Kursen förutsätter inte tidigare erfarenhet i programmering. Kursen ges på engelska på halvtid (50%).

Examination

Skriftlig tentamen sker i slutet av kursen. För godkänd kurs krävs, förutom godkänd tentamen (5 hp), godkänt resultat på inlämningsuppgifter. (2,5 hp). Om särskilda skäl finns får examinator göra undantag från det angivna examinationssättet och medge att en student examineras på annat sätt. Särskilda skäl kan t. ex. vara besked om särskilt pedagogiskt stöd från universitetets samordnare.

Versioner av kursplanen

Litteratur

Uppgift om kurslitteratur saknas. Ta kontakt med ansvarig institution för mer information.

Skriv ut