Kode Mata Kuliah | FA6042 / 2 SKS |
---|
Penyelenggara | 207 - Farmasi / SF |
---|
Kategori | Kuliah |
---|
| Bahasa Indonesia | English |
---|
Nama Mata Kuliah | Farmakologi Komputasi | Computational Pharmacology |
---|
Bahan Kajian | - Akuisisi Data
- Integrasi Data dan Pendekatan Biologi Sistem
- Model Komputasional dalam Farmakologi
- Machine Learning dalam Pengembangan Obat
- In Silico Screening in Drug Repurposing
- Analisis Jaringan dalam Farmakologi
- Stratifikasi Pasien dan Pengobatan Presisi
- Optimasi Iteratif dalam Pengembangan Obat
- Arah Masa Depan – AI dan Big Data dalam Farmakologi Komputasi
| - Data Acquisition
- Data Integration and Systems Biology Approaches
- Computational Models in Pharmacology
- Machine Learning in Drug Development
- In Silico Screening in Drug Repurposing
- Network analysis in Pharmacology
- Patient Stratification and Precision Medicine
- Iterative Optimisation in Drug Development
- Future Directions – AI and Big Data in Computational Pharmacology
|
---|
Capaian Pembelajaran Mata Kuliah (CPMK) | - Mampu mengintegrasikan berbagai jenis data biologis (omik, fenotipik, struktural) dan menerapkan pendekatan biologi sistem untuk mengembangkan model komputasi proses farmakologi.
- Mampu memanfaatkan alat komputasional, termasuk machine learning, penapisan in silico, dan analisis jaringan, untuk mengidentifikasi target obat dan memprediksi efektivitas dan keamanan obat.
- Mampu mengembangkan model komputasional sederhana untuk mensimulasikan proses biologis, memprediksi interaksi dan target obat, dan melakukan stratifikasi populasi pasien untuk pendekatan pengobatan presisi.
| - Able to integrate various types of biological data (omics, phenotypic, structural) and apply systems biology approaches to develop computational models of pharmacological processes
- Able to utilize computational tools, including machine learning, in silico screening, and network analysis, to identify drug targets and predict drug efficacy and safety.
- Able to develop simple computational models to simulate biological processes, predict drug interactions and targets, and stratify patient populations for precision medicine approaches.
|
---|
Metode Pembelajaran | Kuliah, Diskusi, Praktek, Proyek | lecture, discussion, practices, project |
---|
Modalitas Pembelajaran | Visual, auditorial
Pelaksanaan secara sinkron | visual, auditorial, synchronous |
---|
Jenis Nilai | ABCDE |
---|
Metode Penilaian | UTS, Tugas, Proyek Akhir | Mid-exam, assignment, final project |
---|
Catatan Tambahan | | |
---|