Übersicht
Worum es bei diesem Projekt geht.
Du nutzt einen ChEMBL-Auszug für eine vergleichbare Kinase-Familie als öffentliche Trainingsbasis. Trainiere zwei GNN-Architekturen (Message Passing Neural Network und Graph Attention Network) zur Vorhersage der pIC50-Bindungsaffinität (negativer dekadischer Logarithmus der inhibitorischen Konzentration — Standardmaß für Wirkstoff-Aktivität). Validiere mit einer Scaffold-Split-Methodik (Trennung nach chemischem Grundgerüst, vermeidet Datenleckage). Berichte die Spearman-Rangkorrelation auf dem Validierungsset und prüfe per Enrichment Factor, wie viele tatsächlich aktive Verbindungen in der Top-1.000-Vorhersage landen würden. Liefere eine schriftliche Empfehlung an die F&E-Leitung, ob das Modell ein klassisches HTS-Screening (High-Throughput Screening — automatisiertes Hochdurchsatz-Screening) ergänzen kann.
Das Briefing
Was Du tust und was Du zeigst.
Können Graph Neural Networks auf öffentlichen Bibliotheken die Vorauswahl für ein hauseigenes Wirkstoff-Screening so verbessern, dass die experimentelle Trefferquote signifikant steigt?
Earning criteria — what you'll demonstrate
- Moleküle als Graphen darstellen und in geeignete GNN-Architekturen einspeisen
- Scaffold-Splits als realistisches Validierungsdesign in der Wirkstoffforschung umsetzen
- Rankenbasierte Metriken (Spearman, Enrichment Factor) statt nur klassischer Regressionsfehler benutzen
- ML-Ergebnisse so präsentieren, dass Medizinalchemiker:innen sie nutzen können
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Applied AI Scientist
Wirkstoffforschung ist eines der etabliertesten Felder für angewandte AI Science. Diese Challenge übt das vollständige Repertoire: Datenkuratierung, Modellwahl, realistisches Validierungsdesign und die Brücke ins Labor.
Dieses Projekt schärft
- graph-neural-networks
- molecular-property-prediction
- scaffold-split
ML Researcher
Methodisch saubere Scaffold-Splits, Unsicherheits-Schätzung und Vergleich gegen Fingerprint-Baselines entsprechen den Standards, die ein:e ML Researcher:in in der Pharma-Forschung erfüllt.
Dieses Projekt schärft
- graph-neural-networks
- pytorch
- scientific-evaluation
Research Scientist
Die Aufgabe spiegelt das Tagesgeschäft einer Research-Scientist-Rolle in einer Computational-Chemistry-Gruppe wider, die ML-Methoden in den experimentellen Workflow einspeist.
Dieses Projekt schärft
- molecular-property-prediction
- rdkit
- scientific-evaluation
Noch eine Sache