模块 01
入门 · 学习地图
全局地图、学习路线、入门教程与公开课、资源导航
- 001 AI 药物发现是什么：从靶点到候选药物的全流程地图 一篇把 AI 放回完整药物研发流程的导览：先看清靶点、Hit、先导、临床前各阶段在做什么，再看 AI 在每一步能帮上什么忙。 →
- 002 AI DD 与传统 CADD 的区别：新手必须先理解的边界 CADD 靠物理与规则，AIDD 靠数据与学习。理清两者的能力边界与互补关系，才不会误把 AI 当万能、也不会低估经典方法。 →
- 003 AI 药物发现学习路线：生物、药化、算法三条主线怎么补 AIDD 是生物、药物化学、算法三条主线的交叉地带。按你的出身找到最短补齐路径，比盲目刷课更重要。 →
- 004 DeepChem 教程体系入门：适合新手的第一个 AI 制药工具箱 DeepChem 把数据集、特征化、模型、数据划分打包成统一接口，配套大量可运行教程，是新手跑通第一个分子机器学习流程的最佳起点。 →
- 005 Therapeutics Data Commons 教程：AI 药物发现数据集怎么系统学习 TDC 把贯穿研发全流程的数据集与评测标准化，用一个 Python 包就能调用，是系统认识「有哪些任务、哪些数据」的最佳地图。 →
- 006 Stanford CS224W 图神经网络：为什么 GNN 是分子建模核心技术 分子天然是「图」，CS224W 系统讲清了图机器学习与 GNN。理解了消息传递，就理解了当代分子性质预测的主流范式。 →
- 007 MIT 6.S191 深度学习课程：AI 制药入门需要掌握哪些基础 6.S191 是节奏紧凑的深度学习速成课。它覆盖的神经网络、序列模型、注意力与生成模型，正是读懂分子深度学习论文的前置知识。 →
- 008 MIT Computational Biology 公开课：从计算生物学理解药物发现 这门 MIT 计算生物学公开课补的是「生物侧」地基——基因组、序列分析、调控网络与进化，帮算法背景的人看懂靶点从哪来。 →
- 009 Harvard TDC 资源导航：药物 AI 任务、数据集与评测方法 把 TDC 当作一张「任务地图」来用：梳理它的问题分类、数据划分与排行榜评测，帮你判断一个 AIDD 任务该用什么数据、怎么算分。 →
- 010 Deep Learning for Molecules and Materials：分子与材料深度学习路线 Andrew White 的开放电子书 dmol.pub，用可运行代码把「深度学习 × 分子」从张量讲到等变网络，是一条结构化、能动手的进阶路线。 →
- 011 Practical Cheminformatics 博客：药物化学家的计算入门指南 Pat Walters 的 Practical Cheminformatics 博客把真实药化问题与 RDKit / 机器学习代码结合，是药化背景者补计算最实战的入口。 →
- 012 TeachOpenCADD 教程：用开源工具完成 CADD 全流程 TeachOpenCADD 用一系列可运行的 talktorial，带你从拉数据、过滤、筛选到分子对接走完一遍 CADD 全流程。 →
- 013 RDKit Cookbook：化学信息学实战的必备手册 RDKit 是化学信息学的事实标准，官方 Cookbook 用一条条「配方」给出常见任务的现成代码，是日常查用的速查手册。 →
- 014 OpenFF 教程：从分子力场理解小分子模拟 OpenFF 用数据驱动的方式构建小分子力场，是理解「分子模拟前如何给小分子参数化」的现代入口。 →
- 015 OpenMM 教程：分子动力学模拟入门路线 OpenMM 是 GPU 加速、Python 友好的分子动力学引擎，是新手跑通第一条蛋白-配体 MD 的推荐起点。 →
- 016 GNINA 教程：深度学习打分如何用于分子对接 GNINA 在 AutoDock Vina 的基础上引入卷积神经网络打分，是体验「深度学习如何改进传统对接」的入门工具。 →
- 017 AutoDock Vina 教程：免费 Docking 工具的核心用法 AutoDock Vina 是最常用的免费分子对接工具，掌握它的受体准备、对接盒子与打分，是入门虚拟筛选的必经一步。 →
- 018 DiffDock 教程：扩散模型如何预测蛋白-配体结合姿势 DiffDock 用扩散生成模型做「盲对接」，直接生成蛋白-配体结合姿势，是体验生成式 AI 进入对接任务的代表工具。 →
- 019 AlphaFold Server 教程：如何快速预测蛋白结构和复合物 AlphaFold Server 提供免费的网页端结构预测，几分钟就能拿到蛋白及复合物结构，是没有结构时开展设计的起点。 →
- 020 Boltz 教程：新一代生物分子结构预测工具怎么用 Boltz 是开源、开放权重的 AlphaFold3 类结构预测模型，Boltz-2 还把结合亲和力纳入预测，适合需要本地化、可定制的场景。 →
- 021 Chai-1 教程：从序列到复合物结构预测的完整流程 Chai-1 是 Chai Discovery 推出的开放结构预测模型，擅长多组分复合物预测，可本地运行，适合药物研发场景。 →
- 022 Uni-Mol 教程：分子表征、性质预测与 Docking 的统一框架 Uni-Mol 是深势科技的 3D 分子预训练框架，把表征、性质预测与对接统一起来，是了解 3D 分子大模型的入门工具。 →
- 023 PaddleHelix 教程：国产 AI 生物计算平台入门 PaddleHelix 是基于飞桨的国产生物计算工具集，覆盖结构预测、药物-靶点与分子生成，适合中文生态用户上手。 →
- 024 NVIDIA BioNeMo 文档：GPU 加速生物模型平台怎么理解 BioNeMo 是 NVIDIA 面向生物分子基础模型的训练与部署框架，理解它有助于看清「大模型 + GPU 算力」在药研中的工程化路径。 →
- 025 Hugging Face 生物模型区：哪些模型值得药物研发人员关注 Hugging Face Hub 汇集了大量开源生物/化学模型，学会按任务挑模型、看清许可与基准，是高效复用社区成果的关键。 →
- 026 Papers with Code 分子性质预测导航 用带排行榜的任务索引来导航分子性质预测的 SOTA，是快速定位「该读哪篇、该比什么」的高效方式（附 PwC 现状提示）。 →
- 027 Papers with Code 蛋白结构预测导航 蛋白结构预测的进展由 CASP/CAMEO 等权威评测主导；学会用这些基准导航，比看单篇宣传更可靠（附 PwC 现状提示）。 →
- 028 Papers with Code 药物发现任务导航 药物发现涉及 DTI、分子生成、逆合成等多类任务；按任务找基准与代表方法，是搭建知识地图的高效路径（附 PwC 现状提示）。 →
- 029 Awesome Drug Discovery GitHub 列表：开源 AI 制药资源总览 GitHub 上的 awesome 系列清单把工具、数据、论文聚合在一处，是快速建立资源总览的捷径，但要注意时效与甄别。 →
- 030 AI 药物发现综述怎么读：从 NRDD、CSR 到 JCIM 的阅读顺序 综述是进入新方向最快的路径；按「战略—方法—技术」的层次，从 NRDD 到 CSR 再到 JCIM 安排阅读顺序，效率最高。 →