Klausur oder mündliche Prüfung

Die Vorlesung beginnt mit einem Überblick über das Hauptanwendungsgebiet, nämlich das Design von Arzneimitteln, und vermittelt, wie Informatikmethoden für die Arbeit mit chemischen Daten verwendet werden können, wobei der Schwerpunkt auf kleinen organischen Molekülen (Verbindungen) liegt. Auf die Darstellung von Verbindungen (Graphen, Liniendarstellungen, Dateiformate) folgen die wichtigsten Möglichkeiten des topologischen Vergleichs (Identität, Substruktur, Ähnlichkeit). Relevante Anwendungen der topologischen Ähnlichkeit werden vorgestellt (Suche, Clustering, Bibliotheksgenerierung). Quantitative Struktur-Aktivitäts-Beziehung (QSAR) wird als Zweig der Chemieinformatik zur Vorhersage chemischer Eigenschaften vorgestellt. Schließlich werden die Vorhersage von 3D-Strukturen aus der Topologie und Ähnlichkeitsmethoden für Verbindungen mit 3D-Koordinaten vorgestellt.

Die Studierenden wissen, wie verschiedene Arten von chemischen Daten mit Computern verarbeitet werden können, wie diese Daten mit Methoden der Informatik dargestellt und analysiert werden können, und sie haben einen Überblick über das Hauptanwendungsgebiet Wirkstoffdesign. Sie haben das grundlegende Similar Property Principle verstanden und sind in der Lage, experimentelle Screeningdaten zu verarbeiten und zu analysieren sowie ligandenbasierte Screeningmethoden zu implementieren und anzuwenden. Die Studierenden verfügen über solide Kenntnisse der Standardwerkzeuge und Softwarebibliotheken der Chemieinformatik. Die Projektarbeit stärkte ihre Fähigkeit, im Team zu arbeiten und wissenschaftliche Arbeiten zu verfassen und zu präsentieren.

Notwendige Vorkenntnisse:
- Keine formellen Anforderungen
- Grundkenntnisse in organischer Chemie und Graphentheorie
- Programmierkenntnisse in Python

Requirements:
- No formal requirements
- Basic knowledge of organic chemistry and graph theory
- Programming skills in Python

-----------------------------------------------------------

Literature / Materials:
Lecture slides and additional materials will be provided digitally. Basic knowledge of organic chemistry, graph theory, and programming skills in Python are recommended.

Recommended textbooks:
1) Leach A., Gillet V. An Introduction To Chemoinformatics", Springer 2007
2) Faulon J.-L., Bender A. (Eds.) "Handbook Of Chemoinformatics Algorithms", CRC Press 2010
3) Engel T., Gasteiger J. (Eds.) Chemoinformatics", Wiley-VCH 2018
4) Optional: Klebe G. "Wirkstoffdesign", Springer 2009