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
30
화학정보프로그래밍|
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
29
DTI|
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
23
신약개발사례|
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
23
DTI|
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
18
약물탐색모델|
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
17
단백질구조|
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
16
화학정보프로그래밍|
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
15
바이오분석기술|
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
14
약물최적화모델|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
구조 기반 가상 탐색을 활용한 유효물질발굴과 인공지능을 활용한 유효물질 최적화 강의 과정입니다. 성명 이세한 소속기관 ㈜히츠 과목명 구조 기반 가상 탐색을 활용한 유효물질발굴과 인공지능을 활용한 유효물질 최적화 강의시간 3시간 학습목표 1) 신약 개발 초기 단계에서의 유효물질 발굴을 위한 가상 탐색과2) 발굴한 유효물질의 최적화하기 위한 Hit-to-Lead 기초 이론을 학습한다.
Students
13
약물최적화모델|
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
12
바이오데이터수집|
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
12
바이오데이터수집|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
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 -
Students
11
약물탐색모델|