Úvod do matematického spracovania chemických dát

Študent získa poznatky zo základov matematického spracovania dát a jeho širokom uplatnení v praxi, od plánovania efektívnych laboratórnych experimentov, ochrany životného prostredia až po vývoj nových liečiv. Matematické spracovanie chemických dát zohráva dôležitú úlohu pri interpretácii nameraných údajov a tiež pri extrapolácii laboratórnych experimentov do prevádzkových podmienok. Digitalizácia je považovaná za rozhodujúcu aktivitu pri urýchlení vývoja v mnohých priemyselných odvetviach, napr. vo farmaceutickom a potravinárskom priemysle. Po absolvovaní predmetu, študent vie navrhnúť efektívny “in-silico” experiment, ktorý bude súčasťou tohto predmetu a je dôležitý nielen z pohľadu urýchlenia nových objavov, ale zohráva aj dôležitú úlohu pri ochrane životného prostredia.

Stručná osnova predmetu

Úvod do predmetu, dôležitosť matematického spracovania chemických dát, príklady aplikácií (vývoj nových liečiv, predpoveď fyzikálno-chemických vlastností zlúčenín alebo toxicity, vývoj analytických metód).

• Dôležitosť štruktúry dát, digitalizácia chemickej štruktúry, dizajn, použitie, vyhľadávanie databáz chemických látok. Výpočet štruktúrnych deskriptorov a základných fyzikálno-chemických vlastností látok, napr. pKa, LogP, LogD.

• Využitie štruktúrnej podobnosti pri predpovedaní chemických vlastností, výpočet otlačkov prstov chemických látok.

• Software na matematické spracovanie chemických dát. ACD labs, úvod do princípov open source software. ChemPy, CDK, JChem.

• Extrapolácia laboratórnych experimentov pri vývoji nových analytických metód, LC-GC simulátor. Interpretácia MS-NMR spektier.

• Úvod do vývoja matematických modelov, technik strojového učenia (Machine Learning) a umelej inteligencie (Artificial Inteligence) v chémii.

• Regresné a klasifikačné algoritmy, princípy a použitie evolučných algoritmov pri optimalizácii chemických procesov, vyhľadávanie signifikantných štrukturálnych deskriptorov.

• Open source platforma na vývoj matematických modelov, WEKA.

• Prípadové štúdie, aplikácia matematického spracovania chemických dát.

Ďalší vyučujúci

doc. RNDr. Michal Pitoňák, PhD.

Hodnotenie predmetu

Hodnotenie predmetu zahŕňa preverenie poznatkov formou záverečného písomného testu za 100 bodov

Celkové hodnotenie predmetu

Odporúčaná literatúra

1. Witten, I.H.; Frank, E.; Hall, M.A.; Pal, C.J. Data Mining: Practical Machine Learning Tools and Techniques, 4th ed.; Morgan Kaufmann: Cambridge, MA, USA, 2016.

2. Kaliszan, R. Quantitative structure property (retention) relationships in liquid chromatography. In Liquid Chromatography: Fundamentals and Instrumentation, 2nd ed.; Fanali, S., Haddad, P.R., Poole, C.F., Riekkola, M.-L., Eds.; Elsevier: Amsterdam, The Netherlands, 2017; pp. 553–572.

3. Mauri, A.; Consonni, V.; Todeschini, R. Molecular descriptors. In Handbook of Computational Chemistry, 2nd ed.; Leszczynski, J., Kaczmarek-Kedziera, A., Puzyn, T., Papadopoulos, M.G., Reis, H., Shukla, M.K., Eds.; Springer: Cham, Switzerland, 2017; pp. 2065–2093.

4. Leardi, R. Genetic algorithms in chemistry. J. Chromatogr. A 2007, 1158, 226–233.

5. Paul Haddad,  Maryam Taraji a Roman Szücs; Prediction of Analyte Retention Time in Liquid Chromatography; Analytical ChemistryVolume 93, Issue 1, Pages 228 – 256; https://doi.org/10.1021/acs.analchem.0c04190  

Študijný materiál

Podmienky pre absolvovanie cvičení a seminárov

• a

Študijný poriadok Univerzity Komenského v Bratislave, Prírodovedeckej fakulty Článok 4, odsek 9

• ak študent príde na cvičenie nepripravený alebo v priebehu cvičenia sa bude chovať neadekvátne, poruší bezpečnosť pri práci a ohrozí tým svoje zdravie alebo zdravie svojich kolegov, vyučujúci ho môže vylúčiť z cvičenia bez nároku na náhradné odcvičenie úlohy
• študent musí absolvovať všetky laboratórne cvičenia,
• v prípade neúčasti študenta na cvičeniach, musí študent dokladovať dôvod svojej neúčasti, inak mu vyučujúci nemusí uznať zápočet a študent následne nebude pripustený ku skúške
• ak študent vymešká cvičenie a vyučujúci uzná jeho dôvody ako opodstatnené, docvičovanie úloh resp. získanie bodov stratených kvôli neúčasti sa bude riešiť individuálne na základe okolností a písomnej dohody medzi študentom a vyučujúcim
• študenti majú nárok na jeden náhradný termín (spravidla v 13. týždni semestra), počas ktorého si môžu docvičiť vymeškané úlohy (okrem prípadov menovaných v prvom bode)
• študent je povinný nahlásiť ešte pred absolvovaním cvičenia každú skutočnosť, ktorá by mohla ohroziť bezpečnosť a zdravie ľudí v laboratóriu alebo spôsobiť materiálne škody 
• ak študent vymešká viac ako jeden seminár bez dôveryhodného dokladovania dôvodu neúčasti, vyučujúci mu nemusí uznať zápočet a študent následne nebude pripustený ku skúške
• ak niektorý seminár alebo cvičenie odpadnú v dôsledku sviatkov alebo dekanského/rektorského voľna, body získateľné za tieto aktivity sa odpočítajú z maximálneho počtu bodov a percentuálna úspešnosť študenta sa vypočíta pomocou zníženého maximálneho počtu dosiahnuteľných bodov.

Ostatné problémy sa budú riešiť v zmysle Študijného poriadku UK v Bratislave zverejneného na webovej stránke fakulty.