09 Diseño de proteínas basado en Inteligencia artificial: del diseño racional a modelos generativos скачать в хорошем качестве

09 Diseño de proteínas basado en Inteligencia artificial: del diseño racional a modelos generativos

Novena clase del curso gratuito de Introducción al diseño de proteínas basado en Inteligencia Artificial. Revisaremos los principales paradigmas del diseño de proteínas basado en IA, desde enfoques racionales, evolutivos y clásicos hasta implementaciones modernas con modelos de lenguaje y métodos de Ia generativa; abarcando representaciones moleculares, generación de secuencias y estructuras, selección computacional de candidatos y ejemplos de aplicaciones en biotecnología Revisa la página oficial del curso para más detalles de las 10 clases y sus temas: miangoar.github.io/teaching/proteins INTRODUCCIÓN 00:00:00 Introducción 00:01:31 Índice de temas CAPÍTULO 1 00:03:28 Diseño de proteínas 00:04:04 La IA en el mercado biotecnológico 01:07:53 Consideraciones básicas para aumentar el éxito de un diseño CAPÍTULO 2 01:25:02 Diseño racional 01:25:17 Enfoques experimentales y bioinformáticos clásicos 01:52:18 Modelado macromolecular y recombinación CAPÍTULO 3 01:55:36 Diseño evolutivo 01:56:00 Evolución dirigida, reconstrucción de secuencias ancestrales y diseño por consenso CAPÍTULO 4 02:22:32 Diseño de proteínas basado en IA 02:22:50 Aprendizaje de representaciones 02:23:09 Representaciones (macro)moleculares 02:42:11 Foldseek, búsqueda de estructuras de proteínas 02:52:44 Modelos de lenguaje de proteínas y ESMFold 03:41:52 Explicabilidad e interpretabilidad de modelos de lenguaje de proteínas 04:20:43 Leyes de escala y multimodalidad en modelos de lenguaje de proteínas CAPÍTULO 5 04:45:03 IA Generativa 04:47:42 Integración de datos multimodales 05:06:26 Aplicaciones de la IA generativa 05:09:36 Generación de secuencias 05:37:27 Generalización y predicción de fitness con modelos de lenguaje 06:40:58 Plegamiento inverso y ProteinMPNN 07:13:47 Generación de estructuras con modelos de difusión 07:37:41 Selección de modelos y puntuación computacional de candidatos 07:49:05 Generalización de modelos y datos sintéticos CAPÍTULO 6 08:11:16 Resumen 08:21:18 Conclusiones