교수자/개설자
-
학습기간
2023-11-01 ~ 2024-12-31
강좌소개
강의시간 강의내용 실습여부 1 임상 시험 시뮬레이션 및 최적화 개념 및 사례 소개 필요한 데이터 소개 및 예측 모델 구축/시뮬레이션 방법론 검토 아니오 2 전임상 및 임상 데이터를 활용하여 임상 시험을 시뮬레이션 및 최적화하는 사례에 해당하는 코드를 실습함 (hands-on) 네
참여자수
2
임상데이터|
교수자/개설자
-
학습기간
2023-11-01 ~ 2024-12-31
강좌소개
강의시간 강의내용 실습여부 1 마이크로바이옴 연구의 개요 및 연구사례 없음 2 마이크로바이옴 데이터의 이해: 16S rRNA gene sequencing 과 Shotgun metagenomic sequencing 없음 3 마이크로바이옴 데이터의 질 평가: 시퀀싱부터 원시데이터 이해 없음 4 마이크로바이옴 연구 결과 해석을 위해 기본적으로 알아야할 개념: Diversity 및 Taxonomy 없음 5 마이크로바이옴 연구 결과의 이해 및 활용 없음
참여자수
8
바이오데이터수집|
교수자/개설자
-
학습기간
2023-10-01 ~ 2024-12-31
강좌소개
강의시간 강의내용 실습여부 1 - Self-Supervised Learning이란? - Language 분야에서의 SSL - Computer vision 분야에서의 SSL X 2 - Molecular Graph란? - Graph Neural Networks - Molecular Graph 분야에서의 SSL X
참여자수
13
화학정보프로그래밍|
교수자/개설자
-
학습기간
2023-10-01 ~ 2024-12-31
강좌소개
강의 소개 및 개요입니다. 성명 김준일 소속기관 숭실대학교 과목명 단일세포전사체를 활용한 유전자조절네트워크 분석 강의시간 6시간 학습목표 본 과목에서는 단일세포전사체를 분석하는 방법을 익히고 분석된 데이터를 바탕으로 유전자조 절네트워크를 재구성하며 이를 Cytoscape을 이용하여 분석하는 방법을 익힌다. 강의 선수과목 및 준비사항입니다. 선수과목 선형대수 분자생물학 프로그래밍기초, , R 참고자료 - 리뷰논문: Current best practice in single-cell RNA-seq analysis: a tutorial/Malte Luecken, Fabian Theis 준비사항 - R이 설치되어 있는 컴퓨터
참여자수
29
전사체학|
교수자/개설자
-
학습기간
2023-10-01 ~ 2024-12-31
강좌소개
강의시간 강의내용 실습여부 1 신약개발을 위한 RWD의 주요 활용 사례를 항암제, 백신 등 주요사례별로 알아보고 연구설계, 분석결과 등을 학습한다. 2 RWD의 활용을 위한 건강보험청구자료, 병원자료, 레지스트리 등 국내 분석 가능한 데이터베이스의 종류와 특징을 설명할 수 있다. 3 유효성 확증을 위한 주요사례로 레지스트리를 외부대조군으로 활용한 적응증 추가 등 주요 사례의 설계 및 실습을 수행한다. 실습 4 유효성 확증을 위한 주요사례로 병원데이터를 외부대조군으로 활용한 적응증 추가 등 주요 사례의 설계 및 실습을 수행한다. 실습
참여자수
11
임상시험|
교수자/개설자
-
학습기간
2023-10-01 ~ 2024-12-31
강좌소개
강의시간 강의내용 실습여부 1 in vitro 활성 및 유효성 평가 x 2 in vivo 활성 및 유효성 평가 x 3 활성 및 유효성 평가 자료의 활용 x
참여자수
19
약리시험&데이터|
교수자/개설자
-
학습기간
2023-09-01 ~ 2024-12-31
강좌소개
강의시간 강의내용 실습여부 1 질병 멀티오믹스 데이터에 클러스터링 및 네트워크 분석을 활용한 최신 연구 2 멀티오믹스 데이터 클러스터링 분석의 기초 개념과 적용 사례 3 멀티 오믹스 데이터에 대한 네트워크 분석 적용의 기초 개념과 적용 사례 4 NMF 클러스터링 중심의 멀티오믹스 데이터 클러스터링 분석 실습 O 5 MOFA tool을 활용한 멀티오믹스 데이터 클러스터링 분석 및 해석 실습 O 6 PHONEMES tool을 활용한 멀티오믹스 데이터 네트워크 분석 및 해석 실습 O
참여자수
22
시스템 생물학|
교수자/개설자
-
학습기간
2023-05-02 ~ 2024-04-30
강좌소개
강의 소개 및 개요입니다. 성명 김완규 소속기관 이화여자대학교 과목명 약물-전사체 기반 약물 기전해석 및 신약재창출 강의시간 3 학습목표 1. 약물-전사체 기반 약물 기전 해석의 기본 원리를 이해한다.2. 약물-전사체 기반 신약재창출 기법을 이해한다. 강의 선수과목 및 준비사항입니다. 선수과목 차세대 시퀀싱(NGS) 및 오믹스(전사체) 생명정보 분석 기초 (NGS 데이터 및 Pathway 분석, 클러스터링 기초 지식 등) 참고자료 강의 자료 참조 준비사항 노트북 지참 (권장 사항)
참여자수
102
바이오분석기술|
교수자/개설자
-
학습기간
2023-05-01 ~ 2024-04-30
강좌소개
강의 소개 및 개요입니다. 성명 김우연 소속기관 KAIST 과목명 AI in Predicting Protein-Ligand Interaction (structure-based) 강의시간 8 학습목표 1.단백질 구조 기반 Protein-Ligand Interaction 에 대한 다양한 AI 예측 모델들을 살펴본다. 2. 예측의 정확도 및 일반화 측면에서 다양한 방법들의 장단점을 이해한다. 강의 선수과목 및 준비사항입니다. 선수과목 al Screening (이주용), Deep learning approach (김동섭), Deep learning frameworks (김학수), Deep learning Basic (김학수 참고자료 981 (2019)), GNN-Torg (JCIM, 59, 4131 (2019)), GNN-Jiang(RSCAdv 20, 20701 (2020)), DeepFusion (JCIM, 61, 1583 (2021)), PoseR 준비사항 x
참여자수
117
DTI|
교수자/개설자
-
학습기간
2023-05-01 ~ 2024-04-30
강좌소개
강의 소개 및 개요입니다. 성명 황상연 소속기관 HITS 과목명 Al 기반 protein-ligand interaction 예측 연구의 최신동향 강의시간 4 학습목표 Al 기반 protein-ligand interaction 예측 연구의 최신 동향 (2022) Protein-ligand interaction (PL) 예측을 위한 딥러닝 모델 연구의 최신 동향을 알아본다. 강의는 논문 리뷰로 진행되며, 2020년도 이후의 주목할 만한 PL 예측 모델 연구들을 살피고 관련하여 결합구조 예측 모델의 일부 또한 살핀다. 강의 선수과목 및 준비사항입니다. 선수과목 (권장) Al in Predicting Drug-Protein Interaction (sequence-based) (권장) Al in Predicting Protein-Ligand Interaction (structure-based) 참고자료 리뷰 대상 논문들 준비사항 없음
참여자수
69
DTI|
교수자/개설자
-
학습기간
2023-05-01 ~ 2024-04-30
강좌소개
강의 소개 및 개요입니다. 성명 김태민 소속기관 가톨릭대학교 과목명 Big data in precision oncology 강의시간 2 학습목표 1. 대표적인 암유전체데이터베이스인 TCGA/ICGC를 통해 big data의 개요 및 구조를 학습한다 강의 선수과목 및 준비사항입니다. 선수과목 Introduction to NGS data analysis, Genomics analysis, Gene expression analysis, RNA-seq/single cell RNA analysis 참고자료 - 준비사항 -
참여자수
75
바이오데이터수집|
교수자/개설자
-
학습기간
2023-05-01 ~ 2024-05-01
강좌소개
강의 소개 및 개요입니다. 성명 김태민 소속기관 가톨릭대학교 과목명 Cancer genome analysis 강의시간 5 학습목표 1. 암유전체의 대표적인 변이 중 돌연변이(mutation) 및 염색체변이(copy number alteration)에 대한 정의 및 대표적인 연구기법 등을 학습한다. 강의 선수과목 및 준비사항입니다. 선수과목 NGS data analysis, Genomics analysis, Big data in precision oncology 참고자료 준비사항 R+ 기반 실습과목
참여자수
80
유전체학|
교수자/개설자
-
학습기간
2023-05-01 ~ 2024-05-01
강좌소개
강의 소개 및 개요입니다. 성명 김현욱 소속기관 KAIST 과목명 Disease-Target-Drug relationship analysis from multi-dimensional data 강의시간 1시간 학습목표 1. 소프트웨어 사용을 위한 컴퓨팅 환경 학습2. 약물상호작용, 약물부작용 등 다양한 약물반응의 예측을 위한 머신러닝 기반 프로그램 소개 강의 선수과목 및 준비사항입니다. 선수과목 AI 기초 (Python programing, machine learning); Chemoinformatics 분야 기초 (molecular representation 관련) 및 중급 과목 (특히 RDKit 관련) 참고자료 프로그램 관련 논문들 준비사항 -
참여자수
29
시스템 생물학|
교수자/개설자
-
학습기간
2023-05-01 ~ 2024-05-01
강좌소개
강의 소개 및 개요입니다. 성명 류성옥 소속기관 Galux 과목명 Graph Neural Networks for Molecular Property Prediction 강의시간 7 학습목표 1. Python 언어의 기본 문법을 익혀 기본적인 코딩을 할 수 있다2. Python 프로그래밍에서 필요한 기초적인 변수, 연산, 문자열, 조건문, 반복문, 함수 등을 학습한다. 강의 선수과목 및 준비사항입니다. 선수과목 참고자료 * GNN github repository, https://github.com/SeongokRyu/Graph-neural-networks* Bayesian learning github repository, https://github.com/SeongokRyu/Bayesian-deep-learning* Reliable GNN github repository, https://github.com/AITRICS/mol_reliable_gnn 준비사항 PyTorch 를 설치 및 활용가능한 노트북, 혹은 Google Colab 활용Dataset은 MoleculeNet 및 Therapeutic Data Commons 의 open benchmark를 활용예정
참여자수
80
약물최적화모델|
교수자/개설자
-
학습기간
2023-05-01 ~ 2024-05-01
강좌소개
강의 소개 및 개요입니다. 성명 남호정 소속기관 GIST 과목명 Lecture : AI in Predicting Drug-protein Interaction(sequence-based) 강의시간 2 학습목표 1. 단백질 서열을 사용하여 화합물-단백질 상호작용을 예측하는 다양한 방법론을 학습한다.2. 기계학습, 딥러닝 기반 화합물-단백질 상호작용 예측 모델들에 대해 학습한다. 강의 선수과목 및 준비사항입니다. 선수과목 Deep Learning Advanced (inductive bias, self-supervised learning, semi-supervised learning, Attention, Transformeretc.)Graph Deep Learning(GCN, GAT, GIN, GGNN, MPNN, etc.) 참고자료 doi: 10.1093/bib/bbz157doi: 10.1093/bib/bbab046 준비사항 Colab 접속 가능 환경
참여자수
50
약물탐색모델|
교수자/개설자
-
학습기간
2023-05-01 ~ 2024-05-01
강좌소개
강의 소개 및 개요입니다. 성명 임재창 소속기관 HITS 과목명 Molecule design with deep generative models 강의시간 4 학습목표 1. 다양한 딥러닝 기반 분자 생성모델을 리뷰한다.2. 신약개발에 있어 딥러닝 기반 분자 생성모델의 응용연구에 대해서 이해한다. 강의 선수과목 및 준비사항입니다. 선수과목 딥러닝 기초과목 참고자료 - 준비사항 -
참여자수
46
약물탐색모델|
교수자/개설자
-
학습기간
2023-05-01 ~ 2024-04-30
강좌소개
강의 소개 및 개요입니다. 성명 이세한 소속기관 Hits 과목명 Molecular Representation Learning & Property Prediction 강의시간 5 학습목표 1. 분자 표현을 이해하고 인공지능 학습에 활용 할 수 있다.2. SMILES, fingerprint, pharmacophore, embedding 등의 분자 구조 표현 방법을 학습한다. 강의 선수과목 및 준비사항입니다. 선수과목 - 참고자료 - 준비사항 노트북 사용, discovery studio visualizer & PaDEL 설치
참여자수
59
화학정보프로그래밍|
교수자/개설자
-
학습기간
2023-05-01 ~ 2024-04-27
강좌소개
강의 소개 및 개요입니다. 성명 김태민 소속기관 가톨릭대학교 과목명 Multiomics analysis 강의시간 2 학습목표 1. 대표적인 암유전체데이터베이스인 TCGA data를 통해 multiomics분석의 특성 및 실제 응용기법들을 학습한다. 강의 선수과목 및 준비사항입니다. 선수과목 Gene expression analysis, RNA-seq/single cell RNA analysis, Cancer genome analysis 참고자료 - 준비사항 -
참여자수
87
바이오분석기술|
교수자/개설자
-
학습기간
2023-05-01 ~ 2024-04-30
강좌소개
강의 소개 및 개요입니다. 성명 이주용 소속기관 강원대학교 과목명 RDKit의 기초와 이를 이용한 화학정보학 실습 강의시간 10 학습목표 1. RDKit의 기본 기능을 익혀 기본적인 분자 입출력 및 물성 분석을 할 수 있다2. Cheminformatics의 기본 개념을 이해하고 실제로 최신 연구에서 어떻게 사용되고 있는지 살펴본다 강의 선수과목 및 준비사항입니다. 선수과목 파이썬, 주피터 노트북, anaconda 또는 venv 같은 가상환경 생성 프로그램 참고자료 www.rdkit.org, 핸즈온 머신러닝 (한빛 미디어) 준비사항 파이썬, 주피터 노트북, 아나콘다 패키지 관리자가 설치된 PC 필요
참여자수
217
화학정보프로그래밍|
교수자/개설자
-
학습기간
2023-04-30 ~ 2024-05-01
강좌소개
강의 소개 및 개요입니다. 성명 이일구 소속기관 팜캐드 과목명 Deep Learning based Molecular Generation 강의시간 4 학습목표 1. De novo molecular generation 모델의 핵심 방법을 학습한다.2. pytorch 를 이용하여 RNN, ChemicalVAE 모델을 직접 구현한다. 강의 선수과목 및 준비사항입니다. 선수과목 - 딥러닝 기초 (CNN, RNN, 뉴럴넷 학습 이론)- Pytorch 기초 참고자료 - Generating Focused Molecule Libraries for Drug Discovery with Recurrent Neural Networks- Automatic Chemical Design Using a Data-Driven Continuous Representation of Molecules 준비사항 - 노트북 사용- python3 및 pytorch 사용- jupyter notebook 사용
참여자수
38
약물탐색모델|
교수자/개설자
-
학습기간
2023-04-30 ~ 2024-04-30
강좌소개
강의 소개 및 개요입니다. 성명 구희정 소속기관 스탠다임 과목명 Identifying therapeutic targets using biological graph 강의시간 2 학습목표 1. 질병 타겟의 개념 및 타겟 발굴 방법론 전반에 대해 이해한다.2. 기 구축된 타겟 발굴 방법론의 예를 통해 구체적 접근 방법을 이해한다.
참여자수
39
바이오분석기술|
교수자/개설자
-
학습기간
2023-04-30 ~ 2024-04-30
강좌소개
강의 소개 및 개요입니다. 성명 정성원 소속기관 가천대학교 과목명 Omics-based Pathway Analysis 강의시간 3 학습목표 1. Pathway analysis 의 목적 및 그 종류에 따른 특징을 이해한다.2. 널리 사용되는 기초적인 pathway analysis 도구의 사용법을 학습하고 추후 다양한 분석 기법의 활용에 도전한다. 강의 선수과목 및 준비사항입니다. 선수과목 - 참고자료 생물정보학 개론, 유전자발현분석, RNA-seq & Single-cell RNA analysis 준비사항 -
참여자수
67
바이오분석기술|
교수자/개설자
-
학습기간
2023-04-30 ~ 2024-04-30
강좌소개
강의 소개 및 개요입니다. 성명 Dr. Yugal Sharma 소속기관 CAS 과목명 Overcoming Scientific Data Challenges in AI 강의시간 1 학습목표 1.Explore the critical role of a data foundation in supporting successful artificial intelligence (AI) initiatives.0 2. Share common challenges organizations face when establishing effective strategies for R&D data. 3. Showcase case studies based on real-life examples from CAS, a leader in scientific information solutions that guides the success of R&D digital initiatives of organizations worldwide.
참여자수
12
바이오데이터수집|