Kode Mata KuliahFA6042 / 2 SKS
Penyelenggara207 - Farmasi / SF
KategoriKuliah
Bahasa IndonesiaEnglish
Nama Mata KuliahFarmakologi KomputasiComputational Pharmacology
Bahan Kajian
  1. Akuisisi Data
  2. Integrasi Data dan Pendekatan Biologi Sistem
  3. Model Komputasional dalam Farmakologi
  4. Machine Learning dalam Pengembangan Obat
  5. In Silico Screening in Drug Repurposing 
  6. Analisis Jaringan dalam Farmakologi
  7. Stratifikasi Pasien dan Pengobatan Presisi
  8. Optimasi Iteratif dalam Pengembangan Obat
  9. Arah Masa Depan – AI dan Big Data dalam Farmakologi Komputasi
  1. Data Acquisition
  2. Data Integration and Systems Biology Approaches 
  3. Computational Models in Pharmacology
  4. Machine Learning in Drug Development
  5. In Silico Screening in Drug Repurposing 
  6. Network analysis in Pharmacology
  7. Patient Stratification and Precision Medicine 
  8. Iterative Optimisation in Drug Development 
  9. Future Directions – AI and Big Data in Computational Pharmacology 
Capaian Pembelajaran Mata Kuliah (CPMK)
  1. Mampu mengintegrasikan berbagai jenis data biologis (omik, fenotipik, struktural) dan menerapkan pendekatan biologi sistem untuk mengembangkan model komputasi proses farmakologi. 
  2. Mampu memanfaatkan alat komputasional, termasuk machine learning, penapisan in silico, dan analisis jaringan, untuk mengidentifikasi target obat dan memprediksi efektivitas dan keamanan obat. 
  3. Mampu mengembangkan model komputasional sederhana untuk mensimulasikan proses biologis, memprediksi interaksi dan target obat, dan melakukan stratifikasi populasi pasien untuk pendekatan pengobatan presisi. 
  1. Able to integrate various types of biological data (omics, phenotypic, structural) and apply systems biology approaches to develop computational models of pharmacological processes 
  2. Able to utilize computational tools, including machine learning, in silico screening, and network analysis, to identify drug targets and predict drug efficacy and safety. 
  3. Able to develop simple computational models to simulate biological processes, predict drug interactions and targets, and stratify patient populations for precision medicine approaches. 
Metode PembelajaranKuliah, Diskusi, Praktek, Proyek lecture, discussion, practices, project
Modalitas PembelajaranVisual, auditorial Pelaksanaan secara sinkronvisual, auditorial, synchronous
Jenis NilaiABCDE
Metode PenilaianUTS, Tugas, Proyek Akhir Mid-exam, assignment, final project
Catatan Tambahan