Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
강의 소개 및 개요입니다. 성명 이주용 소속기관 서울대학교 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
Students
180
화학 & 화학정보학|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
강의 소개 및 개요입니다. 성명 김학수 소속기관 건국대학교 과목명 파이썬 프로그래밍 기초 강의시간 10 학습목표 파이썬 언어의 문법을 익히고 실습을 통해 기본기를 다짐으로써 파이썬 기반 데이터 분석이나 기계학습에 필요한 기본 능력을 배양한다. 강의 선수과목 및 준비사항입니다. 선수과목 - 참고자료 - 준비사항 개인 노트북을 준비하고, 첫 시간에 설명하는 프로그램을 설치해야 함.또한 구글 colab에 접근할 수 있도록 구글 드라이브에 가입해야 함.
Students
165
인공지능 & 프로그래밍|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
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
Students
133
화학 & 화학정보학|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
강의소개 및 개요입니다. 성명 최정모 소속기관 부산대학교 화학과 과목명 단백질-리간드 상호작용 계산을 위한 분자동역학 시뮬레이션 방법 강의시간 4시간 학습목표 분자동역학(molecular dynamics; MD) 시뮬레이션 방법의 기초를 익히고, 신약 개발에 널리사용되는 단백질-리간드 상호작용 계산에 응용한다. 강의 선수과목 및 준비사항입니다. 선수과목 기초화학 참고자료 Smit and Frankel, Understanding Molecular Simulation: From Algorithms to Applications 준비사항 해당없음
Students
126
화학 & 화학정보학|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
강의 소개 및 개요입니다. 성명 김이랑 소속기관 온코크로스 과목명 AI 신약개발시 알아야 할 항암제 개요 강의시간 1시간 학습목표 항암제는 AI 신약개발 뿐 아니라 전통신약개발의 경우에도 가장 많이 개발되며, 시장 역시 가장 큰 영역이다. 항암제의 역사, 종류 및 임사에서 항암제 사용 등 항암제 전반에 대해 알아보려 한다.
Students
112
신약개발 & 제약산업|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
강의 소개 및 개요입니다. 성명 김동섭 소속기관 KAIST 과목명 QSAR 강의시간 5 학습목표 1. QSAR 모델 개발 과정2. 화합물구조의 수식화와 Descriptors3. QSAR를 위한 기계학습법4. Bioactivity prediction5. Proteochemometric modeling
Students
112
화학 & 화학정보학|
Professor
-
Learning Period
09-01-2024 ~ 12-31-2029
Course Introduction
성명 김동섭 소속기관 한국과학기술원 강의 명 (주제) 단백질 구조 예측 및 단백질 설계를 위한 최신 딥러닝 기술 학습목표 - 단백질 구조 예측의 원리의 이해 - template-based 모델링을 통한 단백질 구조 예측법 이해 및 실습 - Alphafold를 이용한 단백질 구조 예측 모델 이해 및 실습 - 단백질 설계의 필요성 및 원리 이해 RFDiffusion을 사용한 단백질 설계의 이해 및 실습 분야 AI, Bio 단계 심화
Students
103
인공지능 & 프로그래밍|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
강의시간 강의내용 실습여부 1 - 면역 체계 - 항체 신약 - 항체의 기능과 구조 2 - 면역 데이터베이스 - 항체 데이터베이스 - 항체 넘버링 X 3 - 단백질 설계 - 항체 구조 예측 - CDR 구조 예측 - 항체 설계 O 4 - 치료용 항체의 면역원성 - 항체 인간화 - 인공지능을 활용한 항체 인간화 구분 X
Students
99
생물학 & 생물정보학|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
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
Students
96
화학 & 화학정보학|
Professor
-
Learning Period
04-15-2024 ~ 12-31-2024
Course Introduction
강의 소개 및 개요 입니다. 성명 김학수 소속기관 건국대학교 과목명 자연어처리 강의시간 6시간 학습목표 1. 자연어처리에 대한 기본 개념을 이해한다. 2. 자연어처리 문제를 기계학습을 통해 해결하는 방법을 이해하고 구현한다. 3. 대용량 언어모델을 이해하고 자연어처리 문제에 적용하는 방법을 학습한다. 강의 선수과목 및 준비사항입니다. 선수과목 파이썬 프로그래밍, 기계학습 참고자료 준비사항 인터넷 연결 가능한 PC(또는 노트북) 구글 코랩 연결을 위한 구글 드라이브 개인 아이디
Students
96
인공지능 & 프로그래밍|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
강의 소개 및 개요입니다. 성명 오재성 소속기관 서울대학교병원 과목명 임상 약동학 및 약력학의 기초 강의시간 10시간 학습목표 신약임상개발 과정에서 임상 약동학 및 약력학의 역할을 이해하고 실습을통해 데이터를 해석할 수 있다. 강의 선수과목 및 준비사항입니다. 선수과목 없음 참고자료 Rowland and Tozer's Clinical Pharmacokinetics and Pharmacodynamics:Concepts and Applications (5th ed.) 준비사항 최신버젼의 R program과 R studio가 설치된 컴퓨터
Students
94
임상개발 & 임상데이터|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
성명 김화종 소속기관 강원대학교 과목명 신약개발에 필요한 머신러닝 이해 강의시간 9 모듈 학습목표 신약개발에 필요한 화합물 데이터를 다루는 방법을 배우고 화합물의 속성을 수치 테이블로 표현하는 방법, Fingerprint, 그래프 등으로 표현하는 분자 표현형을 설명한다. 머신러닝 모델을 구현하는 방법과 랜덤포레스트, MLP, CNN, Graph CNN 등을 배우고 VAE와 GAN 등 생성 모델을 이용한 분자 생성 방법을 배운다.
Students
93
화학 & 화학정보학|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
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 -
Students
85
생물학 & 생물정보학|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
강의 소개 및 개요입니다. 성명 남진우 소속기관 한양대학교 과목명 차세대 서열분석 강의시간 3 학습목표 1. 차세대서열데이터(NGS)가 무엇인지 이해하고 데이터의 특성에 대해 이해한다.2. 차세대서열데이터(NGS)의 종류와 그 연구목적에 대해 이해한다. 강의 선수과목 및 준비사항입니다. 선수과목 생물정보학 개론, 서열분석, 구조분석, 유전자 발현분석 참고자료 - 준비사항 노트북 웹브라우저
Students
83
생물학 & 생물정보학|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
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
Students
81
생물학 & 생물정보학|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
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
Students
81
생물학 & 생물정보학|
Professor
-
Learning Period
09-01-2024 ~ 12-31-2029
Course Introduction
성명 선 호 근 소속기관 부산대학교 통계학과 강의 명 (주제) R을 활용한 유전체 빅데이터 통계 분석 (Statistical analysis of high-dimensional genomic data using R) 학습목표 유전체 발현량 데이터와 DNA 메틸화 데이터와 같은 고차원 유전체 데이터를 분석하는 통계적 검정 방법들과 벌점함수 기반 변수선택 방법들을 학습시키고, 통계 패키지 R을 사용하여 실제 유전체 빅데이터를 분석하는 실습을 통해 학생들의 데이터 분석 능력을 향상시킨다. 분야 AI, Bio 단계 기초 및 심화
Students
75
인공지능 & 프로그래밍|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
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 -
Students
73
생물학 & 생물정보학|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
강의 소개 및 개요입니다. 성명 홍동완 소속기관 가톨릭대학교 의과대학 과목명 알파폴드를 이용한 단백질 구조 예측 및 평가 강의시간 2시간 학습목표 인공지능 기반 단배길 구조 예측 도구인 알파폴드를 이용하여 주어진 아미노산 서열에 대해 단백질 구조를 예측하는 실습을 진행하고. 예측된 단백질 구조를 이해하고 이들 결과를 평가할 수있는 능력을 키운다. 강의 선수과목 및 준비사항입니다. 선수과목 단백질 데이터 베이스, 단백질 생물정보학 참고자료 - 도서, 웹사이트, 논문 등 준비사항 랩탑 컴퓨터, 데스크탑 컴퓨터
Students
72
생물학 & 생물정보학|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
강의 소개 및 개요입니다. 성명 김상우 소속기관 연세대학교 과목명 Genomic Analysis (SNV, SV, CNV) 강의시간 5 학습목표 1. NGS 데이터로부터 다양한 유전자 변이를 탐지해 낼 수 있다2. NGS 데이터로부터 유전 변이를 찾아내는 이론을 이해하고, 정확한 결과를 도출할 수 있다 강의 선수과목 및 준비사항입니다. 선수과목 서열분석 (Sequencing Analysis) (기초), Introduction to NGS data analysis (중급) 참고자료 x 준비사항 x
Students
67
생물학 & 생물정보학|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
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
Students
67
화학 & 화학정보학|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
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
Students
65
화학 & 화학정보학|