교수자/개설자
-
학습기간
2024-03-01 ~ 2024-12-31
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
29
DTI|
교수자/개설자
-
학습기간
2024-03-01 ~ 2024-12-31
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
23
DTI|
교수자/개설자
-
학습기간
2024-03-01 ~ 2024-12-31
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
18
약물탐색모델|
교수자/개설자
-
학습기간
2024-03-01 ~ 2024-12-31
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
16
화학정보프로그래밍|
교수자/개설자
-
학습기간
2024-03-01 ~ 2024-12-31
강좌소개
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.
참여자수
13
약물최적화모델|
교수자/개설자
-
학습기간
2024-03-01 ~ 2024-12-31
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
12
바이오데이터수집|
교수자/개설자
-
학습기간
2024-03-01 ~ 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
12
바이오데이터수집|
교수자/개설자
-
학습기간
2024-03-01 ~ 2024-12-31
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
11
약물탐색모델|