교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강의 소개 및 개요입니다. 성명 석차옥 소속기관 서울대학교 과목명 신약개발을위한단백질구조예측및상호작용예측 강의시간 11 학습목표 1. 첨단 단백질 구조 예측 및 상호작용 예측의 원리를 배우고 예측 가능 범위를 파악한다.2. 신약개발에 활용될 수 있는 관련 소프트웨어 및 웹서버 활용법에 대해 익힌다.   강의 선수과목 및 준비사항입니다. 선수과목  선수과목 또는 관련과목 참고자료  https://www.rcsb.org/ Muhammed, Muhammed Tilahun, and Esin Aki‐Yalcin. "Homology modeling in drug discovery: Overview, current applications,and future perspectives." Chemical biology & drug design 93.1 (2019): 12-20.Ovchinnikov, Sergey, et al. "Protein structure determination using metagenome sequence data." Science 355.6322 (2017): 294- De Vivo M et al. Role of Molecular Dynamics and Related Methods in Drug Discovery. J. Med. Chem. (2016). Leaver-Fay A, Tyka M, Lewis SM, Lange OF, Thompson J, et al. "Rosetta3 an object-oriented software suite for the simulationand design of macromolecules". Methods Enzymol 487 (2010): 545–574.; Schoeder C T et al. "Modeling Immunity with Rosetta:Methods for Antibody and Antigen Design" Biochemistry 60 (2021): 825−846. C Norn et al, Protein sequence design by explicit energy landscape optimization. PNAS 2021. Mason, Derek M., et al. "Optimization of therapeutic antibodies by predicting antigen specificity from antibody sequence via deeplearning." Nature Biomedical Engineering 5.6 (2021): 600-612.https://wenmr.science.uu.nl/prodigy/https://zhanglab.dcmb.med.umich.edu/SSIPe/ 준비사항  노트북 사용, 사이트 가입, 프로그램 설치 등 준비사항 : FoldIt 웹사이트 가입 (https://fold.it/) : trDesign (https://github.com/gjoni/trDesign) 및 tensorflow 1.13 or 1.14

참여자수

355

교수자/개설자

-

학습기간

2024-11-27 ~ 2029-12-31

강좌소개

  성명 정성원 소속기관 가천대학교 강의 명 (주제) 생물정보학 개론 (Introduction to Bioinformatics) 학습목표 생명정보학 분야에 존재하는 다양한 영역을 이해하고 오믹스 데이터 측정에 대한 기초를 학습한다. 생명정보 연구에 활용 가능한 여러 데이터베이스 및 지식베이스 및 그 가치를 이해한다 분야 □ AI v Bio □ Chem □ Drug 단계 기초      

참여자수

326

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

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.

참여자수

307

교수자/개설자

-

학습기간

2024-11-29 ~ 2029-12-31

강좌소개

  ※ AI 신약개발 교재 학습을 위한 강의 모음입니다. (수료증 미발급)   성명 김우연 소속기관 KAIST 화학과 강의 명 (주제) 초보자를 위한 AI 신약개발 “Introduction to AI-based drug discovery” 학습목표 신약개발 및 AI의 기초 개념을 익히고, 이를 바탕으로 초기단계 신약개발에서 최신 AI 기술이 어떻게 활용되는지 이해 분야 ■ AI □ Bio ■ Chem ■ Drug 단계 기초

참여자수

282

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강의 소개 및 개요입니다. 성명 박준석 소속기관 대웅제약 신약센터 과목명 신약개발과정 강의시간 2시간 학습목표 신약개발의 전 과정을 이해하고, 세부 신약개발 단계의 니즈를 파악할 수 있다. 해당 과정에서 적절한 AI 방법을 파악하여 연구 생산성을 강화할 수 있다.    

참여자수

272

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강의 소개 및 개요입니다. 성명 이해승 소속기관 부산대학교 약학대학 과목명 생물정보학을 위한 R프로그래밍 강의시간 8 학습목표 R 프로그래밍의 기본 문법을 익히고 유용한 라이브러리 및 함수를 통해 데이터 변환, 분석, 가시화하는 방법을 이해한다.   강의 선수과목 및 준비사항입니다.

참여자수

237

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강의 소개 및 개요입니다. 성명 정성원 소속기관 가천대학교 과목명 생물정보학 개론  강의시간 4 학습목표 1. 생명정보학 분야에 존재하는 다양한 영역을 이해하고 오믹스 데이터 측정에 대한 기초를 학습한다.2. 생명정보 연구에 활용 가능한 여러 데이터베이스 및 그 가치를 이해한다.

참여자수

234

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

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

참여자수

233

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강의 소개 및 개요입니다.  성명 김선, 이도훈 소속기관 서울대학교 과목명 인공지능을 활용한 멀티오믹스 기반 바이오마커 발굴 강의시간 2 강의 소개 본 강의는 총 2강으로 구성된다. 제 1강 “멀티오믹스 바이오마커의 주요 원리 및 연구 동향 소개” 에서는 유전체(genome), 전사체(transcriptome), 후성유전체(epigenome), 단백체(proteome) 및 생물학적 네트워크(biological network) 관점의 특성이 바이오마커로 기능할 수 있는 원리를 알아보고, 관련 연구 동향을 소개한다. 제 2강 “멀티오믹스 바이오마커 발굴을 위한 인공지능/기계학습 방법론 및 대규모 데이터베이스 소개” 에서는 전통적 기계학습, 네트워크 기반 알고리즘, 그리고 인공지능에 기반한 바이오마커 발굴 방법론들을 계산적 측면에서 심도있게 다루며, 나아가 해당 방법론의 적용을 위한 대규모 생물학 데이터베이스들을 포괄적으로 소개한다. 강의 목적 멀티오믹스 바이오마커의 주요 원리와 연구 동향을 파악하고, 바이오마커 발굴을 위한 인공지능/기계학습 방법론 및 대규모 생물정보 데이터베이스를 포괄적으로 학습하여 이를 실제 연구에 적용할 수 있는 기본 능력을 배양한다.

참여자수

222

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강좌 소개 및 개요입니다. 성명 홍승환 소속기관 한국제약바이오협회 과목명 도킹 프로그램 사용 실습 강의시간 4 학습목표 도킹에 필요한 단백질 구조를 선택하고, 단백질과 분자 전처리 방법을 설명 도킹 프로그램 (AutoDock Vina 및 변종, rdock 사용 실습 도킹 결과 구조를 분석하는 방법에 대해 설명한다.)   강의 선수과목 및 준비사항입니다. 선수과목 protein data bank 분석, SMARTS를 이용한 분자 서브 구조 검색 참고자료 도서, 웹사이트, 논문 등 준비사항 강의에 필요한 환경 등

참여자수

221

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강의소개 및 개요입니다. 성명 이석준 소속기관 가톨릭관동의대 약리학교실 과목명 의약화학 기초 강의시간 10시간 학습목표 약은 생체내의 세포, 조직, 장기를 포함한 모든 표적에 기능의 변화를 일으키는 물질이다. 이를 개발하는 과정은 화학적 지식뿐만 아니라 생물학, 약학, 의학등 다양한 분야의 전문 지식이 필요하다. 본 과정은 화학과 생물학을 기반으로 새로운 약물을 개발하는데 필요한 기초 지식을 학습하는 것을 목표로 한다.   강의 선수과목 및 준비사항입니다. 선수과목 일반화학, 일반 생물학, 생화학 참고자료 - 의약화학 제 6판(신일서적) 준비사항  -

참여자수

219

교수자/개설자

-

학습기간

2024-10-07 ~ 2029-12-31

강좌소개

성명 석차옥 소속기관 갤럭스 / 서울대학교 강의 명 (주제) 인공지능 기반 단백질 신약 설계 (AI-based Protein Drug Design) 학습목표 - 인공지능을 활용한 단백질 신약 설계 파이프라인에 대한 이해 - 단백질 신약 설계에서의 구조 예측 모델의 중요성 이해 - AlphaFold2, RoseTTAFold 모델의 이해 (높은 성능에 기여하는 핵심 구성요소 파악) - AlphaFold3, RoseTTAFold-All-Atom 등 최신 생체 분자 구조 예측 모델 이해 - 단백질 신약 설계에 활용되는 모델의 원리 및 설계 응용 방법 이해 구조 생성 모델 / 서열 디자인 모델 / 면역원성 예측 모델 분야 AI,Bio,Drug 단계 심화

참여자수

212

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강의소개 및 개요입니다. 성명 홍성은(Pytorch, sungkenh@gmail.com) 방준일(Tensorflow, tkfka965@gmail.com ) 소속기관 AI신약융합연구원 과목명 신약 개발을 위한 딥러닝 프레임워크 기초 강의시간 10 학습목표 최근 연구 논문에서 가장 활용도가 높은 Tensorflow, Pytoch 딥러닝 프레임워크를 소개하고, github 활용 방법 및 직접 모델이나 데이터를 수정할 수 있도록 딥러닝 프로그래밍 능력을 기른다.                             강의 선수과목 및 준비사항입니다. 선수과목 Python 기초, 딥러닝 기초 참고자료 (도서) 1. 머신 러닝 교과서 with 파이썬, 사이킷런, 텐서플로 2. 파이썬 딥러닝 파이토치(Python Deep Learning PyTorch) (논문) 1. DeepDTA: deep drug–target binding affinity prediction 준비사항 - 아나콘다 설치가 가능한 PC, 노트북, 서버 등(OS, Window, Mac, Linux)

참여자수

211

교수자/개설자

-

학습기간

2024-09-01 ~ 2029-12-31

강좌소개

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

참여자수

207

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강의시간 강의내용 실습여부 1 리눅스 강의 실습 환경 셋팅 및 리눅스 환경 설정 방법 O 2 리눅스 커맨드 라인 사용법 O 3 리눅스 쉘 스크립트 작성법 O 4 리눅스 기반 생물정보학 툴 설치 및 활용법 O

참여자수

194

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

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

185

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

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

참여자수

182

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

  강의시간 강의내용 실습여부 1 물리화학적 데이터 이해 - 용해도 연관 물리화학적 성질 - 해리 상수 (pKa)에 따른 분배 계수 및 용해도의 변화 N 2 유기 분자와 무기 분자 구분 (python) Y 3 ADMET 개요 및 Metabolism 데이터 이해 -     ADME와 독성간의 상관관계 -     약물 대사 phase I, II, III N 4 Metabolism 예측을 위한 양자 계산 (anaconda, MOPAC) Y 5 Absorption, Distribution, Excretion 데이터 이해 - 측정 실험 방법과 측정 값의 정의 N 6 독성 in vivo 데이터 이해 -     관련 규제 상황 -     규제 가이드라인 N 7 변이원성(mutagenesis), 발암성(carcinogenecity) 데이터 이해 -     가이드라인 시험법 확인 -     발암성 데이터 이해 N 8 장기 독성 (organ toxicity) 데이터 이해 -     가이드라인 시험법 확인 -     장기 독성 데이터 이해 N 9 AOP와 독성 예측 -     AOP 활용 독성 예측 방법 -     in vitro 시험 데이터 이해 N

참여자수

170

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

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.  

참여자수

167

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

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

참여자수

163

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

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

참여자수

164

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강의시간 강의내용 실습여부 1 단일세포 전사체 분석법 소개, 장단점 단일세포 전사체 분석법 활용 연구 소개 X 2 단일세포 전사체 분석 알고리즘 소개, 장단점 단일세포 전사체 데이터베이스 소개 O 3 단일세포 전사체 데이터 실습 (혈액조직) 단일세포 전사체 데이터 실습 (비혈액조직) O

참여자수

156

교수자/개설자

-

학습기간

2024-11-25 ~ 2029-12-31

강좌소개

성명 빈진혁 소속기관 연세대학교 의과대학 강의 명 (주제) ML/AI 기반 유전체-단백체 멀티오믹스 통합분석 방법론 학습목표 최근 바이오텍 기술의 발전으로 인해 다양한 레벨의 생명정보 데이터들이 생성 및 축적되고 있으며, 이러한 데이터들을 통합 분석하는 방법론들도 인공지능 기술의 발달과 더불어 활발하게 개발되고 있다. 본 강의에서는 유전체/전사체/단백체 데이터들이 통합되는 방법론과 실제 개발된 툴들을 사용해봄으로써 데이터 통합에 대한 이해 및 경험을 쌓는 것을 목표로 한다. 분야 □ AI ■ Bio □ Chem □ Drug 단계 심화

참여자수

156

교수자/개설자

-

학습기간

2024-09-01 ~ 2029-12-31

강좌소개

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

참여자수

155

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강의 소개 및 개요입니다.  성명 홍승환 소속기관 한국제약바이오협회 과목명 protein data bank 분석 강의시간 3 학습목표 (1) Protein Data Bank로부터 pdb 단백질 3D 구조 파일을 얻고, pdb 파일을 파싱하는 방법에 대해 설명한다. (2) pdb 구조로부터 단백질-리간드 상호작용을 분석한다. (3) 단백질 데이터베이스 Uniprot에서 제공하는 정보에 대해 설명하고, 신약개발에 활용하는 방법을 알아본다.   강의 선수과목 및 준비사항입니다. 선수과목 단백질 구조 결정학, 단백질 구조기반 신약설계 참고자료 도서, 웹사이트, 논문 등 준비사항 linux (windows WSL), Python, Anaconda  

참여자수

154

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

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

참여자수

154

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강의시간 강의내용 실습여부 1 - Early Stage 신약개발을 이해하고, 관련 데이터베이스들을 살펴본다. - 파이썬을 이용하여 데이터를 다운로드하고 데이터의 탐색적 분석을 수행한다. O 2 - 타깃 발굴을 위한 데이터베이스의 종류를 알아보고 이론적 배경을 학습한다. 생물정보학 분석을 이용하여 관련 유전자를 추출하고, 인공지능 분석 결과와 통합하는 방법을 알아본다. O 3 독성시험의 이론적 배경을 학습하고 관련 데이터베이스를 살펴본다. 화합물의 표현 방법에 대해 학습한다. 화합물 독성 예측 모델을 설계하고, 가상 스크리닝을 수행한다. O 4 - 간단한 단백질-화합물 상호작용(Drug-Target Interaction) 모델을 설계한다. DTI 데이터베이스를 살펴보고, 그 의미에 대해 학습한다. ZINC database에서 가상 스크리닝을 수행한다. O 5 - 강화학습에 대해 학습하고, 이를 이용한 lead optimization의 개념에 대해 학습한다. 파이프라인 구축을 위한 Snakemake에 대해 학습한다. 효력, 독성 모델을 구축하고 자동화된 파이프라인을 설계한다. O

참여자수

152

교수자/개설자

-

학습기간

2024-11-20 ~ 2029-12-31

강좌소개

성명 이윤지 소속기관 중앙대학교 약학대학 강의 명 (주제) 생물정보학을 활용한 단백질 간 상호작용 및 복합체 모델링 학습목표 본 강의에서는 AI와 생물정보학 도구를 활용하여 단백질 간 상호작용(PPI)과 단백질 복합체 모델링에 대해 학습한다. 생물학적 서열 분석을 기초로 하여, 단백질 상호작용의 중요성과 이를 기반으로 한 복합체 모델링 기법에 대해 소개한다. 학생들은 서열 분석과 PPI 연구를 바탕으로 실제 단백질 복합체를 모델링하는 과정을 배우며, 최신 기술이 이 과정에서 어떻 게 활용되는지, 한계는 무엇인지 이해한다. 분야 □ AI ■ Bio □ Chem □ Drug 단계 기초 / 심화

참여자수

149

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강의 소개 및 개요입니다. 성명 한 중 수 소속기관 한양대학교 의과대학 생화학분자생물학교실 과목명 분자생물학 기초 및 세포신호전달개론 강의시간 10시간 학습목표 신약개발의 기본생물학적 이해를 위하여 분자생물학의 fundamentals를 습득한다. Genomics와 Proteomics 기초지식을 습득한다. 신약의 타겟이되는 세포신호전달에 대한 전반적인 지식을 습득한다.   강의 선수과목 및 준비사항입니다. 선수과목 생화학, 분자생물학 참고자료 The cells a molecular approach, Biochemistry of signal transduction and regulation 준비사항 강의 pdf 화일

참여자수

145

교수자/개설자

-

학습기간

2024-11-12 ~ 2029-12-31

강좌소개

성명 강수임 소속기관 미국 콜롬비아 대학교 강의 명 (주제) AI-Powered Drug Discovery 관련 최근 연구동향 파악 학습목표 1. 신약개발에 이용되는 인공지능 모델연구 동향파악 2. 최신 인공지능 신약개발 관련 논문들과 플래폼을 소개 분야 ■ AI □ Bio □ Chem ■ Drug 단계  

참여자수

142

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

  강의 소개 및 개요입니다.  성명 남진우 소속기관 한양대학교 과목명 전사체 데이터 분석 (Transcriptome analysis) 강의시간 7 학습목표 1. 전사체 데이터의 기본적 특성과 연구목적에 대해 이해한다. 2. 전사체 데이터의 종류와 연구목적에 따른 활용 방법을 이해한다.3. Short, long-read를 각각 활용한 전사체 분석 방법에 대해 이해한다. 4. Bulk 수준의 전사체 데이터와 단일세포 전사체 분석의 차이와 활용에 대해 이해한다   강의 선수과목 및 준비사항입니다. 선수과목 유전자 발현 분석, 차세대서열데이터 분석(Intronduction to NGS data analysis) 참고자료  - 준비사항 노트북 웹브라우저 

참여자수

141

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

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

참여자수

140

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강의 소개 및 개요입니다. 성명 이원태 소속기관 연세대학교 과목명 단백질구조기반 신약설계법 강의시간 2 학습목표 - 왜 타겟 구조기반 신약설계가 필요한가 ? 고해상도 삼차원 구조기반 신약설계 및 적용   강의 선수과목 및 준비사항입니다. 선수과목 일반생물학, 생화학, 물리화학, 화학 참고자료 - 참고 논문 (별도로 공지) - 참고서: 1. Introduction to Protein Architecture, A. M Lesk, 2001, Oxford Press 2. Principles of Protein X-ray Crystallography, 2nd Ed. Jan Drenth, Springer, 199 3. Principles of Physical Biochemistry, Kensal E. van Holde, W. Curtis Johnson, P. Shing Ho, Pearson Prentice Hall, 2006 4. Drug Design & Development, Chris Rostron, Oxford Univ. Press, 2020 준비사항 없음

참여자수

133

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

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

참여자수

133

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

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.

참여자수

132

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

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

132

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

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

131

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강의 소개 및 개요입니다. 성명 김학수 소속기관 건국대학교 과목명 기계 학습 강의시간 17 학습목표 1. 기계학습에 관한 개념을 이해하고 주어진 문제와 접목시킬 수 있다.2. 전통적인 기계학습 모델을 이해하고 코딩할 수 있다.3. 다양한 심층신경망의 개념을 이해하고 기본적인 코딩을 할 수 있다   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.

참여자수

131

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강의 소개 및 개요입니다.  성명 신현길 소속기관 안전성평가연구소 과목명 독성 예측 인공지능 모델 활용 강의시간 6시간 학습목표 1. 무료로 사용 가능한 독성 예측 프로그램 설치 및 활용 방법 익히기 2. python을 이용한 데이터 분석 및 처리 방법 익히기 3. 예측 모델 개발을 위한 python 코드 완성해보기   강의 선수과목 및 준비사항입니다. 선수과목 파이썬 프로그래밍 기초(2-5강), 화학정보학개론, QSAR, RDKit의 기초와 이를 이용한 화학정보학 실습 참고자료 RDKit의 기초와 이를 이용한 화학정보학 실습 [강사 강원대학교 이주용] 1. 컴퓨터를 이용한 신약 개발 방법론 https://www.ibric.org/myboard/list.php?Board=news&Page-2&&PARA3-21) 2. pubchempy (https://pubchempy.readthedocs.io/en/latest/) 3. openbabel 파이썬 모듈 http://openbabel.org/wiki/python) 참고자료 4. MOPAC 홈페이지 (http://openmopac.net/) 5. Chembl 데이터베이스 (https://www.ebi.ac.uk/chembin 6. binding DB (https://www.bindingdb.org/rwd/bind/index.jsp) 7. DILIrank 미국 FDA에서 정리한 데이터 베이스 (classificaion 모델 개발용 데이터) https://www.fda.gov/science-research/liver-toxicity-knowledge-base-ltkb/drug-induced-liver-in jury-rank-cdilirank-dataset) 준비사항 아나콘다 파이썬으로 진행(아나콘다 파이썬이 아닌 경우 pandas, matplotilb, sci-kit learn 모듈 추가 설치 필요) 아나콘다 파이썬에서 추가 설치가 필요한 모듈 (pubchempy, mopac, openbabel, joblib) 아나콘다에서 제공하는 spyder 사용방법 숙지(다른 IDE 호라용해도 문제 X) text editor 프로그램(Atom, Sublime 등) binding DB 데이터 활용을 위한 홈페이지 가입 필요

참여자수

131

교수자/개설자

-

학습기간

2024-11-25 ~ 2029-12-31

강좌소개

성명 김은지 소속기관 코오롱인더스트리 강의 명 (주제) 화학정보학의 기초: AI와 계산 화학으로 풀어보는 신약 개발 학습목표 이 강의는 화학정보학의 기초를 배우고, AI, 분자동역학, 양자계산을 신약 개발에 어떻게 활용하는지 설명합니다. 참가자는 약물 설계와 용해도 파라미터 예측 등 중요한 화학적 특성을 예측하는 방법을 익히게 됩니다. 분야 AI □ Bio Chem □ Drug 단계 기초

참여자수

131

교수자/개설자

-

학습기간

2024-04-15 ~ 2025-12-31

강좌소개

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

참여자수

130

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

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

126

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

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  

참여자수

123

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

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

119

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

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

118

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강의 소개 및 개요입니다.  성명 황 대 희 소속기관 서울대학교 과목명 시스템생물학 강의시간 8 Lecture (4 과정) 학습목표 본 강좌에서는 시스템생물학 교과목으로서 생체 시스템을 이해하기 위한 오믹스 분석 기술, 질병 관련 유전자/단백질 선별을 위한 오믹스 데이터 분석법, 바이오마커(e.g., 진단마커, 약물타겟) 선정과 메커니즘 예측에 필요한 네트워크 분석 방법론을 학습한다.  

참여자수

118

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

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

116

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강의 소개 및 개요입니다. 성명 남진우 소속기관 한양대학교 과목명 서열분석(DNA,RNA,Protein) 강의시간 4 학습목표 1. DNA, RNA, Protein 서열의 기본적인 정보처리, K-mer 분석, 통계분석에 대해 이해한다.2. DNA, RNA, Protein의 서열의 유사도를 측정하는 기본적일 알고리즘을 이해한다.   강의 선수과목 및 준비사항입니다. 선수과목  일반생물학 참고자료  - 준비사항  노트북 웹브라우저

참여자수

115