MSc Computer-Aided Drug Discovery for Cancer Therapeutics

化学与生物学基础（15 学分）

学习足够的化学和生物学背景知识，使您能够顺利修读后续课程模块，无论您之前的科学背景如何。您将学习药物化学和计算化学中的基础概念，以及关键的生物学概念和方法。课程还将介绍驱动癌症发生的潜在生物学机制，并讲解如何利用致癌通路开发抗癌治疗药物。

基础药代动力学与药效动力学（15 学分）

本导论单元旨在帮助您理解药代动力学和药效动力学的基本概念：即药物如何进入体内、在体内如何分布以及如何排出体外。重点阐述药物的化学性质如何与人体生理特征相互作用，从而影响不同药物的行为及个体患者之间的差异。课程将结合药物发现、药物开发和治疗应用，介绍建模与数据分析方法。本模块还提供解决药物及其代谢物在体内随时间变化相关数值问题的实践机会。

药物发现 I（15 学分）

您将系统了解药物发现的过程。课程涵盖靶点识别、先导化合物识别与优化、临床前研究和临床试验等内容——既包括新药开发中使用的模型，也涉及如何通过理解分子结构与生物特性之间的关系来设计新药。您还将学习基因组学方法以及生物信息学资源和工具在抗癌药物开发过程中的应用。

健康数据科学统计学（15 学分）

目前大量健康及相关数据尚未被分析以支持医疗决策。健康数据科学家的核心技能之一便是对各类健康数据进行分析；本单元将讲授完成此类工作所需的基础知识，包括数据理解、预处理步骤、关键分析技能以及适用的统计编程语言。您将学习通过健康数据分析所能实现的目标。教学案例中的核心研究问题来自授课教师及其合作网络，用以展示这些技术的实际应用。

药物发现 II（15 学分）

您将重点关注计算机辅助的药物发现与优化内容。课程涵盖从化学信息学、基于力场的模拟到量子力学方法等一系列成熟的计算方法。您还将向实践者学习如何运用人工智能和机器学习的最新工具进行药物发现与优化。此外，您将了解小分子药物抗原性的发育机制及其导致药物耐药性的原理。

研究方法（15 学分）

您将学习科学方法及其在药物发现与优化中实施的核心理念。课程将培养您使用文献资料和科学交流所必需的关键技能，为您的项目论文和展示提供支持。

现有与实验性治疗药物（15 学分）

探索免疫肿瘤学及其他靶向治疗这一快速发展的领域背后的基本原理。通过专家讲解，您将深入了解相关研究方法，以及前沿的转化医学研究如何直接指导临床决策。通过对科研与临床实践之间关键协作关系的深入理解，您还将掌握将现有药物重新定位用于新肿瘤类型治疗的技能，并学习新型治疗方法。您将获得关于基因治疗、细胞治疗和组织工程等新型靶向疗法及医疗产品的深刻见解。

多模态数据分析的计算方法（15 学分）

多模态数据的分析显著提升了我们对复杂生物系统及其在医疗中应用的理解。通过使用前沿的机器学习方法整合组学、影像和健康数据，研究人员可以推断出不同模态之间的关联。本单元将为您提供必要的基础知识和实际操作的计算技能，以有效分析和解释此类多模态数据集。课程涵盖三个主要领域，帮助您掌握处理大规模、多模态数据所需的综合技能。

毕业论文（60 学分）

您将有机会与本校世界级的研究人员合作，开展一项协作性研究项目，整合并应用在整个课程中学到的方法与理念。该项目将培养药物发现领域常见的跨学科能力和团队合作技能。您将以报告形式呈现研究成果，并向同学及校内研究人员进行口头汇报。