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

211

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

198

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

265

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

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

121

교수자/개설자

-

학습기간

2025-11-27 ~ 2029-12-31

강좌소개

성명 정진현 소속기관 서울대학교 강의 명 (주제) AI 기반의 제조품질관리 변화와 대응 학습목표   분야  AI □ Bio □ Chem □ Drug 단계 기초

참여자수

7

교수자/개설자

-

학습기간

2025-12-02 ~ 2029-12-31

강좌소개

성명 서 경 원 소속기관 서울대학교 약학교육연수원 강의 명 (주제) AI 등 첨단혁신기술 활용에 대한 규제동향 학습목표 최근 AI 등 첨단기술에 기반한 의료제품과 규제결정에 활용되는 첨단기술을 이해하고 규제동향을 학습한다 분야 ■ AI ■ Bio ■ Chem ■ Drug 단계 기초 / 심화

참여자수

3

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

256

교수자/개설자

-

학습기간

2024-09-12 ~ 2029-12-31

강좌소개

성명 김 이 랑 소속기관 온코크로스 강의 명 (주제) AI 신약개발을 위해 알아야 할 최신 항암제 개요 학습목표 최근 항암제 개발 트렌드에 대해 알아보고 AI 신약개발의 방향에 대해 모색한다. 분야  Drug 단계 기초

참여자수

152

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강의 소개 및 개요입니다. 성명 이민호 소속기관 동국대학교 과목명 AI 적용을 위한 약물 fingerprint 및 유사도 계산 강의시간 3 학습목표 1. 약물 파일 포맷의 종류와 개념을 이해하고 이를 데이터베이스로부터 내려받아 활용할 수 있다.2. 약물간의 유사도를 R 프로그래밍 언어를 통해 계산할 수 있다.

참여자수

123

교수자/개설자

-

학습기간

2025-09-12 ~ 2029-12-31

강좌소개

성명 홍 무 선 소속기관 서울대학교 강의 명 (주제) AI-Driven Analysis and Modeling of Biopharmaceutical Manufacturing Processes 학습목표 바이오의약품 제조공정의 주요 단계와 공정 데이터의 구조 및 활용 목적을 이해한다. AI 기반 분석 및 모델링 기법의 실제 공정 적용 사례를 학습한다. 분야 AI Bio □ Chem □ Drug 단계 심화

참여자수

45

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

226

교수자/개설자

-

학습기간

2025-10-23 ~ 2029-12-31

강좌소개

성명 이재훈 소속기관 성신여자대학교 강의 명 (주제) AI기본법의 이해와 데이터 거버넌스 최신 동향 학습목표 AI 시대의 핵심 법제라 할 수 있는 「AI기본법」의 이해를 바탕으로, 데이터 활용과 보호가 균형을 이루는 데이터 거버넌스의 최신 동향을 체계적으로 학습하는 것을 목표로 한다. 수강자는 AI기본법의 주요 개념과 제정 취지를 이해하고, 데이터 권리·책임 구조, 개인정보 보호와 활용 간 조화, 글로벌 데이터 규제 비교 등을 학습한다. 또한 데이터 거버넌스 최신 동향을 통해 실제 정책·연구·산업 현장에서 발생할 수 있는 법적·윤리적 쟁점을 분석하고 대응할 수 있는 역량을 기른다. 분야 ■ AI □ Bio □ Chem □ Drug 단계 기초

참여자수

9

교수자/개설자

-

학습기간

2025-10-31 ~ 2029-12-31

강좌소개

성명 이 남 용 소속기관 CellKey AI 강의 명 (주제) AI와 LLM을 활용한 바이오 분야의 혁신 학습목표 AI와 LLM 기술이 신약개발부터 바이오 생산공정, 임상시험 최적화에 이르기까지 바이오 산업 전반에 혁신적 변화를 가져오고 있다. 본 강의에서는 최신 AI 기술의 개념을 이해하고 실제 적용 사례를 통해 효율성 향상과 비용 절감 성과에 대한 이해를 돕는 것을 목표로 한다. 분야 ■ AI □ Bio □ Chem □ Drug 단계 기초

참여자수

44

교수자/개설자

-

학습기간

2024-02-29 ~ 2025-12-31

강좌소개

강의 소개 및 개요입니다. 성명 윤성의 소속기관 KAIST 과목명 Attention for Deep Learning 강의시간 2 학습목표 1. RNN 구조에서 attention 역할을 이해한다.2. attetion layer를 이해하고, 이를 transformer로 확장한다.

참여자수

34

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

179

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강의 소개 및 개요입니다. 성명 황소현 소속기관 차의과학대학교 과목명 Bionetwork analysis 강의시간 3 학습목표 1. 기능유전자 네트워크의 정의를 이해하고 웹도구를 활용할 수 있다.2. Cytoscape를 활용하여 네트워크 분석을 할 수 있다.   강의 선수과목 및 준비사항입니다. 선수과목  - 참고자료 Hwang S, Rhee SY, Marcotte EM, Lee I. Systematic prediction of candidate gene function associated to phenotype traitsusing the probabilistic functional gene network of Arabidopsis thaliana. Nature Protocols 2011 Aug 25;6(9):1429-42  준비사항  노트북 사용하여 실습수행

참여자수

118

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강의시간 강의내용 실습여부 1 질환유전학적 방법론 소개 eQTL 방법의 소개eQTL 방법의 의미  X 2 Bulk-eQTL 방법론 소개 Bulk-eQTL 활용 연구 소개  X  3 Bulk-eQTL 분석 방법 소개 Bulk-eQTL 분석 실습  O

참여자수

81

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

157

교수자/개설자

-

학습기간

2025-09-12 ~ 2029-12-31

강좌소개

성명 김용호 소속기관 성균관대학교 강의 명 (주제) De Novo Design of Functional Proteins and Cryo-EM Application   학습목표 - 최종목표 : De Novo protein에 대한 기본적인 지식 습득과 Cryo-EM을 통한 구조분석 세부목표1) AI가 단백질 디자인에 가져다준 혁신과 디지인 기법에 대한 기본 지식 습득 세부목표2) 최근 선진화된 단백질 디자인 기법의 습득과 실습 세부목표3) CryoEM의 원리와 구동방식에 대해 학습 세부목표4) Case study 주제를 통한 단백질 디자인의 이해 분야 AI Bio □ Chem Drug 단계 기초

참여자수

34

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

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

101

교수자/개설자

-

학습기간

2024-09-12 ~ 2029-12-31

강좌소개

성명 김선, 이선호 소속기관 서울대학교, 아이겐드럭 강의 명 (주제) Deep learning models for drug response prediction 학습목표 약물 반응성 예측의 주요 원리와 연구 동향을 파악하고, 인공지능 약물 반응성 예측을 위한 딥러닝 방법론 및 주요 데이터베이스를 포괄적으로 학습하여 이를 실제 연구에 적용할 수 있는 기본 능력을 배양한다. 분야  AI 단계 심화

참여자수

138

교수자/개설자

-

학습기간

2025-08-28 ~ 2029-12-31

강좌소개

성명 정우진 소속기관 충남대학교 시니어헬스융합연구소 강의 명 (주제) Development of physiologically-based pharmacokinetic model 학습목표 생리학 기반 약동학 모델을 둘러싼 이론을 이해하고, 실무에 직접 적용한다. 분야 □ AI □ Bio □ Chem ■ Drug 단계 기초

참여자수

29

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

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

81

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

195

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

185

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

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

129

교수자/개설자

-

학습기간

2025-11-27 ~ 2029-12-31

강좌소개

목차 (강의시간) 강의내용 실습여부 교수자 1 LLM이 어떻게 작동하는지 핵심 개념을 이해한다 LLM은 언어 패턴을 배우는 매우 거대한 통계 모델 GPT는 문장을 예측하는 데 특화된 구조 (Transformer 기반) 프롬프트, 토큰, 파라미터 같은 용어에 대한 기초 개념을 익힌다   X 본인 김요섭 2 잘 묻는 사람이 AI를 잘 쓴다: Prompt Engineering 입문 좋은 프롬프트의 3가지 조건 → 명확성, 역할 부여, 단계화 프롬프트 템플릿 소개 (Prompt chain, Role-based template)   X 본인 김요섭 3 GPT가 외부 지식을 활용하도록 만드는 RAG의 원리와 구성 이해 GPT의 한계: 훈련된 지식 외 질문은 “헛다리” 가능성 RAG 구조 이해 (간단한 그림 중심 설명) Query → Retriever → Context → GPT 적용 예시: → 논문 검색 & 요약 → 특정 약물에 대한 최신 정보 연결 실전 RAG 워크플로우 따라가기: PDF, Text, 데이터베이스 연결   X 본인 김요섭 4 “Agentic AI”란 무엇인가? 구성요소 통합: 프롬프트 → 외부 문서 검색(RAG) → 도구 실행(API) 구조설계: Agent 워크플로우 직접 그려보기 간단한 GPTs App publish 해서 연구원들과 공유하기   X 본인 김요섭 선수과목 없음 참고자료 없음 준비사항 없음

참여자수

10

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

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

74

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

223

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강의시간 강의내용 실습여부 1 -  Why CNNs, MLPs, RNNs are insufficient for non-Euclidean data -  Neural network for graphs & sets -  Euclidean transformations, invariance, and equivariance   2 -  Invariant geometric GNNs (SchNet, DimeNet, and SphereNet) -  Simple equivariant geometric GNNs (EGNN and NequIP) O 3 -  Local frame-based geometric GNNs (ClofNet and LEFTNet) -  Frame averaging for geometric GNNs (Frame averaging, FAENet) O 4 -  Steerable features, rreducible representations, Wigner-D matrix, spherical harmonics, Clebsch-Gordan tensor product -  Steerable geometric GNNs (Tensor field network, SE(3)-Transformer)   5 - Steerable geometric GNNs (Equiformer, MACE, eSCN, EquifomerV2) O

참여자수

77

교수자/개설자

-

학습기간

2024-10-29 ~ 2029-12-31

강좌소개

성명 이주용 소속기관 서울대학교 약학대학 강의 명 (주제) Ligand screening의 인공지능 활용 최신기술 학습목표 리간드 도킹에 관련된 최신 인공지능을 활용한 기술 동향을 확인하고 활용할 수 있는 지식을 습득한다. 분야 AI, Bio, Chem, Drug 단계 심화

참여자수

175

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

237

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

278

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

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

89

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

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

104

교수자/개설자

-

학습기간

2024-11-27 ~ 2029-12-31

강좌소개

목차 (강의시간) 강의내용 실습여부  교수자 1 Streamlit 소개 Streamlit의 기본 개념과 AI/ML 프로젝트에서의 활용 사례 탐구 MolScore Library 의 의 주요 구성 요소 및 역할 소개 Python 환경 설정과 필수 라이브러리 설치  X  신동욱 2 실습: MoleScore 사용한 화합물 생성 목표 설정 Multi-Parameter 설정을 통한 생성 목표 정의 사용자 정의 Scoring Function 클래스 작성  O  신동욱 3 실습: MolScore을 활용한 화합물 학습 사용자 정의 BenchMark 구성 방법 학습 커리큘럼 학습 설정 / 리플레이 버퍼 활용  O  신동욱 4 실습 화합물 : 평가 결과 시각화 및 확장 Streamlit 컴포넌트를 활용한 생성 결과 시각화 MolScore 기본 모니터링 화면 클론코딩 및 응용  O  신동욱 5 실습: Streamlit 기반 Web App 개발 및 배포 스코어링 결과 시각화 및 데이터 저장 결과물 배포 및 공유 O 신동욱

참여자수

51

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

181

교수자/개설자

-

학습기간

2024-10-11 ~ 2029-12-31

강좌소개

성명 박대찬 소속기관 아주대학교 강의 명 (주제) NGS와 AI를 이용한 항체 레퍼토리 (repertoire) 분석 학습목표 생체 내에서 B 세포의 발달 및 B cell receptor (BCR 또는 항체)의 다양성과 항원 특이성이 확보되는 면역학 기초를 배운다. 천문학적인 BCR 다양성 분석을 위해 NGS 기반 BCR 시퀀 싱 데이터를 생산하는 최신 연구 기법을 학습한다. 생명정보학적 분석법으로 BCR의 V gene usage와 complementarity-determining regions (CDR) 서열을 동정하는 법을 배우고 딥러닝으 로 대규모 DNA 서열과 아미노산 서열을 학습하는 방법을 배운다. 분야 Bio   단계 기초

참여자수

81

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

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

175

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강의시간 강의내용 실습여부 1 다양한 공공기관이 제공하는 개방된 데이터를 활용하기 위하여 공공기관에서 제공되는 Open API를 이용해 데이터를 검색, 수집할 수 있도록 Open API의 사용 방법과 데이터 형식과 Open API의 개념과 중요성을 설명합니다. ● 2 공공기관에서 제공하는 데이터에 접근하기 위한 Open API를 이용하여 Python의 requests 라이브러리를 사용하여 HTTP 요청을 보내는 방법과 응답을 처리하는 방법으로 공공데이터 Open API에 접속하고 데이터를 검색하는 방법을 실습합니다. ● 3 JAVA를 이용하여 공공데이터 Open API를 활용하는 데 필요한 개발 환경 설정을 위하여 JDK 설치, 개발 도구(예: Eclipse, Visual Studio Code 등) 설치 등이 포함되며, JAVA에서 공공데이터 Open API와 통신하여 데이터를 요청하고 응답을 처리하는 방법을 기반으로 Open API를 통해 얻은 데이터를 JAVA에서 수집하고 저장하는 방법을 실습합니다. ● -    

참여자수

81

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

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

29

교수자/개설자

-

학습기간

2024-11-14 ~ 2029-12-31

강좌소개

성명 박광수 소속기관 계명대학교 강의 명 (주제) PROTAC 기술 소개 및 PROTAC 개발을 위한 AI 활용 고찰 학습목표 차세대 신약 플랫폼 기술인 PROTAC 기술에 대한 학습 및 이해한다. PROTAC 활용 실제 연구에 대해 학습하고 향후 AI를 활용한 설계 방향성에 대해 학습한다. 분야 □ AI □ Bio ■ Chem □ Drug 단계 기초

참여자수

144

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

222

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

296

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

391

교수자/개설자

-

학습기간

2024-10-24 ~ 2029-12-31

강좌소개

성명 송길태 소속기관 부산대학교 강의 명 (주제) Recommendation systems in bioinformatics 학습목표 1. Recommendation systems에 대한 기본 개념을 이해한다. 2. Recommendation systems을 활용하여 표적 단백질 결합 후보 물질 추천 및 바이오마커 발굴 등의 문제를 해결하는 방법을 학습한다. 분야  AI 단계 심화

참여자수

39

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

204

교수자/개설자

-

학습기간

2025-12-08 ~ 2029-12-31

강좌소개

성명 신상 소속기관 에이블랩스 강의 명 (주제) SDL 실질적 적용을 위한 도움닫기 학습목표 바이오 산업에서의 SDL 구성 예시와 장비 API 기반의 활용 방안 분야 □ AI □ Bio ⍌ Chem □ Drug 단계 기초

참여자수

1