使用开源工具包和数据的计算机辅助药物设计(CADD)教学平台
如果您在出版物中使用了 TeachOpenCADD，请引用我们！ 如果您在课堂上使用了 TeachOpenCADD，请包含一个链接回到我们的代码库。
无论哪种情况，请star那些您认为对您的学习或教学活动有用的代码库（并告诉您的学生也给它们点赞😄）。
图改编自《TeachOpenCADD》出版物中的Figure 1
(D. Sydow et al., J. Cheminformatics, 2019).
开源可编程工具包在化学信息学和结构生物信息学中是强大的工具，它们可以构建模块化、可复现和可重用的计算机辅助药物设计（CADD）流程。尽管这些工具的文档是可用的，但只有少数免费可访问的例子教授以CADD应用为重点的基本概念，特别是针对该领域的新用户。
动手学CADD是一个由学生为学生开发的教育平台，提供以计算机辅助药物设计（CADD）为核心主题的教学材料。由于我们涵盖了这些主题的理论和实践方面，平台面向具有生物学/化学背景以及计算背景的学生和研究人员。
每个主题都通过交互式的 Jupyter Notebook 进行讲解，使用开源包，如 Python包 rdkit, pypdb, biopandas, nglview以及 mdanalysis等(在 这里找到完整列表)。主题正在不断扩展，并对社区的贡献开放。除了教学目的外，动手学CADD材料可以作为用户项目导向修改和扩展的起点。
版本更新: 我们已经扩展了动手学CADD平台，新增了6个Notebook，介绍了深度学习及其在与CADD相关主题的应用。
如果您迫不及待地想要阅读项目内容，请访问这里的只读版本。
如果您想执行提供的笔记本，我们提供两种可能性：
- 在线使用 Binder。这需要大约10分钟准备时间，但不需要您进行任何设置。 点击这里使用:
. 一旦加载完成，您可以导航到
teachopencadd/talktorials/以找到可执行的示例。
- 在本地使用
conda包. 更多细节在: section of the documentation。
如果你更倾向于在图形界面中工作，talktorials T001-T008 也以 KNIME 工作流的形式提供。关于这个版本的任何问题，应该在这篇文章的“讨论区”中提出。你需要创建一个 KNIME 账户才能使用论坛。
请访问我们的动手学CADD官网以获取更多资源:
翻译校对：ByteTora