Disciplina Curricular
Inteligência Artificial e Análise de Dados na Descoberta de Medicamentos IAeAdDnDdM
Mestrado Integrado em Ciências Farmacêuticas - Despacho n.º 3790/2019
Contextos
Grupo: Despacho n.º 3790/2019 > 1º Ciclo > Opção I
Período:
Peso
3.0 (para cálculo da média)
Objectivos
O desenvolvimento de valências e aptidões na área da Inteligência Artificial (IA) e análise de dados é cada vez mais importante para um farmacêutico, permitindo que este desenvolva um perfil profissional competitivo e polivalente. A presente unidade curricular permitirá que o aluno desenvolva know-how em métodos computacionais aplicados à descoberta de fármacos, e métodos de análise de dados que podem ser estendidos a outros âmbitos da profissão farmacêutica. No final da unidade curricular, o aluno deverá: – Estar familiarizado com conceitos básicos de IA e Machine Learning, e com a sua utilização. – Compreender os desafios do processo de desenvolvimento de fármacos e ser capaz de argumentar como a IA pode ser uma forma de os superar. – Adquirir competências em métodos de análise de dados que lhe permitirão iniciar-se como analista de dados ou consultor em diversas áreas da profissão farmacêutica. – Compreender a importância dos dados utilizados e da validação dos métodos usados em IA. – Ser capaz de discutir as vantagens e limitações da IA no estado da arte em comparação com outras técnicas computacionais. – Compreender a aplicabilidade de certas metodologias da IA na resolução de problemas específicos na descoberta de novos medicamentos, e como a IA se destaca relativamente a outras abordagens. – Estar apto a manipular recursos web e repositórios de dados online relevantes na área da descoberta de fármacos. – Compreender e utilizar diversos métodos de Machine Learning.
Programa
– Introdução à IA no processo de descoberta de fármacos. – IA na indústria farmacêutica. – Introdução à quimioinformática: ferramentas e métodos. – Recursos de dados farmacêuticos: ferramentas web e bases de dados. – Manipulação de dados em larga escala. – Machine learning no desenho e desenvolvimento de fármacos: Construção de modelos preditivos. – Screening virtual na atualidade: Química Computational, Quimioinformática e Machine Learning. – Previsão de propriedades Físico-químicas com IA. – Descoberta de fármacos para o tratamento de doenças desafiantes com IA – Reposicionamento de fármacos com IA: perspetivas, desafios e direções. – Utilização de IA para prever efeitos adversos e poli-farmacologia. – Diversos casos de estudo serão apresentados
Métodos de ensino e avaliação
A componente teórica desta unidade curricular visará apresentar o estado da arte da IA no contexto do desenvolvimento de fármacos. Neste sentido irão ser apresentadas diferentes ferramentas de IA e o seu papel na resolução de um conjunto de problemas inerentes ao desenvolvimento de fármacos. Estas ferramentas serão descritas com um nível de profundidade adequado ao âmbito da profissão farmacêutica, visando providenciar fundamentos que permitam que o aluno possa enveredar por uma carreira em análise de dados se assim o desejar. Nesta unidade curricular serão utilizadas ferramentas de ensino que promovam a participação dinâmica do aluno tais como vídeos, seminários com convidados (nacionais e internacionais) e momentos de debate/discussão. Diferentes peritos em IA do meio empresarial serão convidados o que permitirá ao aluno formar uma perceção sobre a translação das temáticas lecionadas para o mercado de trabalho. Ensino Laboratorial (2h/semana) Serão realizadas aulas práticas em laboratórios computacional, onde os alunos irão aprender a pôr em prática os conceitos lecionados na componente teórica. Nestas aulas irão ser explorados diversos problemas que simulem cenários reais de problemas enfrentados durante a descoberta de fármacos. As aulas laboratoriais têm como objetivo proporcionar ao aluno a discussão crítica dos conhecimentos teóricos adquiridos e o desenvolvimento de ferramentas e competências práticas de análise de dados e IA. O aluno será ainda treinado a identificar problemas e a desenhar soluções usando as diferentes metodologias de IA lecionadas. Avaliação: Perguntas de resposta/escolha múltipla/Discussão de casos de estudo (50%) Projetos (50%)