Übersicht
Worum es bei diesem Projekt geht.
Trainiere zwei GNNs zur pIC50-Vorhersage, validiere per Scaffold-Split und erhalte ein verifizierbares Zertifikat.
Das Szenario
Die Forschungseinheit ist Teil eines internationalen Pharmakonzerns mit Hub im Raum Basel, beschäftigt rund 60 Forschende in der Medizinalchemie und arbeitet eng mit der hauseigenen Computational-Chemistry-Gruppe zusammen. Modellergebnisse müssen vom Medizinalchemie-Team interpretierbar sein, sonst werden sie ignoriert.
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.
Studienzuordnung folgt in Kürze.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Graph Neural Networks
Apply graph neural networks to solve real industry problems and demonstrate production-level capability.
- Molecular Property Prediction
Apply molecular property prediction to solve real industry problems and demonstrate production-level capability.
- Scaffold Split
Apply scaffold split to solve real industry problems and demonstrate production-level capability.
- Pytorch
Apply pytorch to solve real industry problems and demonstrate production-level capability.
- Rdkit
Apply rdkit to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Scientific Evaluation
Apply scientific evaluation to solve real industry problems and demonstrate production-level capability.
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