13개의 강좌가 검색되었습니다.
교수자/개설자
권선영
학습기간
2023-11-01 ~ 2024-12-31
강좌소개
*해당 교육과정은 '인공지능 대학원' 신약 융합인재 양성을 목표로, 부산대학교 AI대학원(AI융합혁신인재양성 사업단) 및 부산대학교 의료인공지능인재양성 사업단과 공동으로 개발하였습니다. 1. 교육대상 '인공지능 및 의료 인공지능 석박사 대학원' 과정 학생 혹은 위와 동등한 수준의 AI 역량을 갖춘 수강생 신약개발 분야 관련 도메인 지식이 필요한 수강생 2. 강의 차수 총 44차수 (15주 교육과정) 3. 교육과정 구성 주차 제목 강사 차수 1주차 인공지능 / 빅데이터 활용 신약개발 연구동향 및 연구사례 에임스바이오사이언스 권진선 연구소장 2 인공지능 및 빅데이터를 활용한 신규 화합물 발굴 CAS 정세희 스페셜리스트 1 2주차 3주차 4주차 신약개발에 필요한 머신러닝 이해 강원대학교 김화종 교수 9 5주차 6주차 인공지능 신약개발을 위한 그래프 기초 강원대학교 방준일 박사 5 7주차 8주차 인공지능 신약개발을 위한 강화학습 기초 KAIST 이상완 교수 6 9주차 AI In Predicting Drug-Protein Interaction(Seqeuence-Based) GIST 남호정 교수 2 10주차 11주차 12주차 AI In Predicting Drug-Protein Interaction(Structure-Based) KAIST 김우연 교수 8 13주차 Deep Learning Based Molecular Generation PharmCADD 이일구 박사 4 14주차 딥러닝을 이용한 단백질 도킹 신약개발을 위한 다중모달 표현학습 카카오브레인 이유한 박사 1 2 15주차 신약후보물질 탐색 및 최적화를 위한 딥러닝 모델 KAIST 김동섭 교수 4
참여자수
139
머신러닝|
-
2023-09-25 ~ 2024-12-31
*해당 교육과정 이수 및 역량평가 합격 시 '단백질 구조기반 DTI 기술' 역량을 인증하는 디지털배지를 발급합니다. 1. 과정소개 단백질 구조 기반 화학시뮬레이션 모델 및 AI모델을 구현 원리를 이해하고 이를 활용하여 약물-표적 결합력 예측 모델 개발을 수행할 수 있는 인재를 양성 및 인증하는 교육과정입니다 화학시뮬레이션(분자동역학, 도킹)을 활용한 약물-표적 결합력 예측 인공지능 모델 기반 약물-표적 결합력 예측 2. 수강요건 과정 이해을 위해 화학 및 화학정보학', '신약개발 및 제약산업', '인공지능 및 프로그래밍'에 대한 기초 역량이 필요합니다. 신약개발과정, 활성평가, 화학정보라이브러리 활용, 일반화학 기초, 단백질 구조 기초, 딥러닝 프로그래밍 등 3. 교육과정 구성 분류 제목 강사 차수 학습목표 이론 단백질구조기반 신약설계법 연세대학교 이원태교수 2 단백질(타겟) 구조기반 신약설계의 필요성과 삼차원 구조기반 신약설계의 적용방법을 학습한다. 이론 실습 화학시뮬레이션을 위한 화학이론 한국생명공학연구원 이진혁 박사 7 신약개발단계에 활용되는 분자동역학 및 도킹에 필요한 화학시뮬레이션 이론과 소프트웨어 활용 실습을 수행한다. 이론 단백질-리간드 상호작용 계산을 위한 분자동역학 시뮬레이션 부산대학교 최정모교수 4 분자동역학에 필요한 계산화학 기초이론과 이를 활용한 단백질-리간드 상호작용 계산 응용을 학습한다. 실습 Protein Data Bank 분석 D5 Therapeutics 홍승환 팀장 3 Protein Data Bank 구조파일 파싱 방법 및 Uniprot 정보와의 연계 방법을 학습한다. 실습 도킹프로그램 사용 실습 D5 Therapeutics 홍승환 팀장 4 도킹에 필요한 단백질 구조 및 분자 전처리 방법을 설명하고, 도킹 프로그램을 실습을 수행한다. (AutoDock Vina, rdock) 이론 AI in Predicting Protein-Ligand Interaction(Structure-based) 인공지능신약개발지원센터 김우연센터장 8 단백질 구조 기반 Protein-Ligand Interaction을 예측 할 수 있는 AI모델을 학습하고, AI모델의 예측 정확도 및 일반화 측면에서 장단점을 이해한다. 이론 AI 기반 Protein-ligand interaction 예측 연구의 최신동향 HITS AI연구팀장 4 최신 AI 기반 PLI 예측 모델에 대한 리뷰를 진행한다. AI기술형
138
화학정보프로그래밍|
*해당 교육과정 이수 및 역량평가 합격 시 '멀티오믹스 기술' 역량을 인증하는 디지털배지를 발급합니다. 1. 과정소개 주요 멀티오믹스의 원리 및 구현 방법을 이해하고, 약물기전해석 표적발굴 바이오마커 발굴 등에 활용할 수 있는 인재를 양성 및 인증 클러스터링 모델 구현 Cytoscape기반 네트워크모델링 구현 차원축소모델 기반 차원축소 모델 구현 데이터 기반 바이오마커 연구에 대한 이해 과정 이해을 위해 '생물학 및 생물정보학', '인공지능 및 프로그래밍'에 대한 기초 역량이 필요합니다. 오믹스 기초, R프로그래밍 기초, 파이썬 프로그래밍 기초 필요 3. 교육과정 구성 분류 제목 강사 차수 학습목표 이론 신약개발에서의 바이오마커 예측 D5 Therapeutics 표준희 박사 2 신약개발에서의 바이오마커 정의와 개발 동향을 이해하고, 데이터 기반 바이오마커 예측 방법론 사례를 학습한다. 이론 인공지능을 활용한 멀티오믹스 기반 바이오마커 발굴 녹십자 목암생명과학연구소 김선 소장 2 멀티오믹스 연구 방법론을 소개하고, 이를 활용한 바이오마커 발굴 사례를 소개한다. 이론 바이오네트워크 이론과 분석 *시스템생물학 7-8강 서울대학교 황대희 교수 2 오믹스 데이터에 대한 생체네트워크 모델링 및 분석법을 이해하고 이를 통한 주요 조절인자 및 생체경로 예측 방법을 학습한다. 실습 멀티오믹스 분석을 위한 차원축소 알고리즘 동국대학교 임상수 교수 4 주요 차원축소 기법의 필요성을 학습하고, 멀티오믹스 데이터를 기반으로 적용 실습한다 * PCA, LDA, ICA, NMF, t-SNE (파이썬 프로그래밍 기초 필요) 실습 네트워크 기반 멀티오믹스 데이터 통합 실습 경희대학교 김권일 교수 6 멀티오믹스 데이터 클러스터링 및 네트워크 분석 연구 방법을 이해하고 이를 실습한다. * NMF 클러스터링, MOFA tool, PHONEMES tool (파이썬 및 R프로그래밍 기초 필요) 이론 기계학습 및 네트워크 구조를 활용한 정밀의학 POSTECH 김상욱 교수 2 바이오의약품 개발의 어려움과 이를 극복하기 위한 네트워크 정밀의학 방법론의 이해를 높인다. 이론 빅데이터를 활용한 비임상시험 동물모델개발 POSTECH 김상욱 교수 2 동물모델과 임상시험에서 사람에 대한 약물 반응 차이를 빅데이터 및 멀티오믹스 기반으로 예측하는 방법론을 학습한다. 이론 바이오데이터베이스의 활용 KAIST 김현욱 교수 1 바이오네트워크 및 대사모델 구축을 위해 생물정보학 데이터베이스 구조를 학습한다. 실습 바이오네트워크 모델링 KAIST 김현욱 교수 3 게놈 수준의 대사모델 구축 및 시뮬레이션을 진행하고 이를 활용하여 약물표적 예측 실습을 수행한다. 실습 시스템생물학을 활용한 신호전달경로 모델링 숭실대학교 김준일 교수 6 미분방정식 및 불리언네트워크 모델링 이론을 배우고, 이를 MATLAB을 통해 실습하여 신호전달경로 모델링 기반 타겟 발굴 방법론을 이해한다 AI기술형
146
시스템 생물학|
*해당 교육과정 이수 및 역량평가 합격 시 '단백질 구조 예측·모델링 기술' 활용 역량을 인증하는 디지털배지를 발급합니다. 1. 과정소개 단백질 구조 모델에 원리 및 구현 방법을 이해하고 바이오의약품 개발 등에 활용할 수 있는 인재를 양성 및 인증 단백질 서열 기반 구조 예측 모델의 구현 원리를 이해 주요 단백질 구조 예측 모델(Alphafold2) 활용방법 및 단백질 디자인에서의 활용방법을 이해 항체의약품 개발에서 단백질 구조 모델의 활용방법을 이해 과정 이해을 위해 '화학 및 화학정보학', '생물 및 생물정보학','인공지능 및 프로그래밍'에 대한 기초 역량이 필요합니다. 딥러닝 모델(RNN) 기초, 파이썬프로그래밍 기초, 리눅스 기초, 단백질 서열 구조 기초, 생물학 기초 3. 교육과정 구성 분류 제목 강사 차수 학습목표 이론 단백질 모델링 서울대학교 이주용 교수 2 단백질의 구조에 대한 기초이해하고, 단백질 구조 예측에 핵심적인 알고리즘을 소개한다 이론 신약타겟 단백질구조결정학 연세대학교 이원태 교수 3 구조기반 신약설계의 필요성과 단백질의 삼차원 구조규명 첨단기술을 학습한다. 이론 단백질 구조 예측 방법론과 인공지능의 적용 *신약개발을 위한 단백질 구조 예측 및 상호작용 예측 4-5강 서울대학교 백민경 교수 2 유사서열 기반 단백질 구조 예측 방법과 호몰로지 모델링 방법을 소개하고, 인공지능이 구조예측 분야에서 어떻게 활용되고 있는지 소개한다 실습 단백질 서열 정렬 알고리즘과 실습 굿인텔리전스 허승룡 연구소장 2 단백질 서열 예측을 위한 서열정렬의 개념과 파이썬 기반 서열정렬 실습을 진행한다. 실습 단백질 언어 모델을 활용한 컨택트 예측 카카오브레인 김재훈 박사 2 Co-evolution 개념을 이해하고 단백질 서열데이터를 딥러닝 언어 모델에 학습시켜 단백질 구조 컨택트 예측에 적용하는 방법을 실습한다. 실습 알파폴드를 이용한 단백질 구조 예측 및 평가 가톨릭의과대학 홍동완 교수 2 Google Colab에서 AlphaFold를 활용하여 SARS-CoV-2 단백질 구조를 예측하는 실습을 진행한다 이론 단백질 디자인과 단백질 신약 최적화 *신약개발을 위한 단백질 구조 예측 및 상호작용 예측 9-11강 서울대학교 이규리 KIST 박한범 선임연구원 Galux 박태용 부사장 3 단백질 디자인의 개념을 이해하고, 단백질신약 최적화를 위한 소프트웨어를 활용 실습을 진행한다. 이론 면역정보학과 단백질 재설계 전남대학교 최윤주교수 4 기초 면역학에 대해 이해하고 항체에서의 면역원성 제거의 중요성과 면역원성 회피를 위한 단백질 재설계 기법을 학습한다. 실습 In Silico 항체 공학 전남대학교 최윤주교수 4 면역 및 항체데이터베이스 활용방법을 이해하고, 구조예측을 기반으로 항체설계 실습을 진행한다 AI기술형
204
바이오의약품|
*교육과정 이수 및 역량평가 합격 시 '생물정보학 기초 역량'을 인증하는 디지털배지가 발급됩니다. 1. 과정소개 생물정보학 기반 인공지능 신약개발에 필요한 기초 역량을 강화하는 과정으로 아래와 같이 구성됩니다.생물학 : 약리기전해석 및 타깃발굴과정 기초가 되는 분자생물학 및 세포생물학 기초 오믹스 : 연구에 주로 활용되는 유전체, 전사체, 단백체 분석 기술 및 데이터 표현에 대한 기초 프로그래밍 : 유전체 및 오믹스 데이터 분석을 위한 Linux 및 R프로그래밍 기초 기술 : 연구에 주로 활용되는 데이터 분석 기술인 네트워크 분석, 클러스터링, Pathway 기초 2. 교육과정 구성 분류 제목 강사 차수 주요 내용 생물학 분자생물학 기초 및 세포신호전달개론 한양대학교 한중수 교수 10 신약개발의 필요한 분자생물학의 fundamental (Genomics, Proteomics, Cell Signaling) 프로그래밍 생물정보학을 위한 R프로그래밍 부산대학교 이해승 교수 8 R프로그래밍 문법 및 세포주 약물반응 데이터(CCLE)를 활용한 기초 실습 오믹스, 기술 오믹스기술과 데이터분석 *시스템생물학 1-6강 서울대학교 황대희 교수 8 생체 시스템을 위한 오믹스분석 기술 및 네트워크 분석법을 학습 오믹스 Big Data in Precision Oncology 가톨릭대학교 김태민 교수 2 암유전체데이터베이스(TCGA/ICGC)를 기반으로 오믹스 데이터 구조 및 형태를 학습 오믹스 Cancer Genome Analysis 가톨릭대학교 김태민 교수 5 암유전체데이터 중 돌연변이 및 염색체변이 정의 및 연구기법을 학습 오믹스 Multiomics Analysis 가톨릭대학교 김태민 교수 2 암유전체데이터를 기반으로 기초적인 멀티오믹스 분석기법을 학습 기술 Omics-based Pathway Analysis 가천대학교 정성원 교수 3 주요 데이터 분석기법인 Pahtway 분석 도구 사용법을 학습 프로그래밍 Linux 기반 생물정보학 기초 쓰리빌리언 한주현 박사 4 연구에 필요한 리눅스 환경 세팅, 커맨드 라인 사용법, 쉘 스크립트 작성법을 학습
373
바이오데이터수집|
*해당 교육과정 이수 및 역량평가 합격 시 '가상분자생성기술' 역량을 인증하는 디지털배지를 발급합니다. 1. 과정소개 생성모델 및 강화학습에 원리 및 구현 방법을 이해하고, 신규물질발굴 및 디자인 최적화에 활용할 수 있는 인재를 양성 및 인증 주요 분자 생성모델인 GAN/VAE의 이론적 기초를 이해하고, Denovo Design 및 최적화에 활용 강화학습 기초를 이해하고, Lead Optimization에 적용 2. 수강요건 과정 이해을 위해 '화학 및 화학정보학', '인공지능 및 프로그래밍'에 대한 기초 역량이 필요합니다. 생성모델 구조 기초(VAE, GAN), 딥러닝 모델(RNN) 기초, 프로그래밍 기초, 화학정보학 및 화합물데이터 표현 기초 3. 교육과정 구성 분류 제목 강사 차수 학습목표 실습 Deep Learning Based Molecular Generation 팜캐드 이일구박사 4 신규 약물 디자인(De novo Drug Design)을 위해 활용되는 생성모델의 개념을 이해하고, RNN 및 VAE 모델을 활용한 기초 모델 구축 실습을 진행한다. 실습 Geometric Deep Learning POSTECH 안성수교수 5 분자 3차원 구조에 Geometric Deep Learning을 적용하고, 단백질 및 분자 생성모델에 이를 적용해보는 실습을 수행한다. 이론 Molecular Design with Deep Generative Models HITS 임재창 기술이사 4 다양한 인공지능 기술을 활용한 생성모델에 대한 이론적 배경을 설명하고, 분자 표현방법에 따른 응용연구방법에 대해 학습한다. (조건부 생성, 전이학습, 강화학습, Language Model, Variational Autoencoder(VAE)) 이론 분자생성모델 연구동향 리뷰 HITS 임재창 기술이사 4 분자 Fragmentation 및 단백질 3차원 구조 기반의 생성모델을 이해한다. * '단백질 구조 모델', '분자그래프 모델' 기초 내용이 포함되며, 필요 시 타개설과목 활용 이론 인공지능 신약개발을 위한 강화학습 기초 KAIST 이상완 교수 6 강화학습에 기초가 되는 이론적 배경을 이해하고, 주요 딥러닝 기반 강화학습 모델의 이론을 학습한다. 이론 신약최적화를 위한 생성모델 및 강화학습 모델 *신약후보물질 탐색 및 최적화를 위한 딥러닝 모델 3-4강 KAIST 김동섭 교수 2 생성모델 및 강화학습 모델구조를 이해하고, 기반 신약최적화 사례를 학습한다. 실습 강화학습을 활용한 Lead Optimization 파이프라인 설계 *Early Stage Drug Discovery를 위한 AI 파이프라인 설계 종근당 공현승책임연구원 1 효력과 독성을 고려한 강화학습 기반 Lead Optimization 모델을 설계한다 AI기술형
111
약물탐색모델|
*교육과정 이수 및 역량평가 합격 시 '신약개발 및 제약산업 기초 역량'을 인증하는 디지털배지가 발급됩니다. 1. 과정소개 신약개발 연구 프로세스에 대한 심층적 이해를 함양하고 실제 신약개발을 수행할 역량을 강화한다. 프로세스 : 신약개발의 전체적인 산업적 프로세스를 학습 의약화학 : 생물학, 화학 기초를 기반으로 의약품 개발에 필요한 약리 이론을 학습 신약표적 : 질병에 따른 표적에 따른 치료제 개발사례와 주요 메커니즘을 학습 신약평가 : 신약개발 주요 평가 및 시험 방법과 데이터를 학습 2. 교육과정 구성 분류 제목 강사 차수 설명 프로세스 신약개발과정 개요 대웅제약 신약센터 박준석 센터장 2 신약개발 전과정과 각 과정에서 필요한 요구조건을 파악한다. 또한 각 과정에서 활용가능한 AI 기술을 소개한다. 프로세스 신약개발전략과 TPP의 이해 대웅제약 신약센터 박준석 센터장 2 신약개발개발 전략 기초를 함양하고, 주요 전략인 TPP을 통한 후보물질의 기술 평가방법을 학습한다. 프로세스 인공지능/빅데이터 활용 신약개발 연구동향 및 사례 메디리타 권진선 연구소장 2 AI신약개발 산업 동향 및 연구 동향을 파악하고, 연구방향을 제언한다 프로세스 의약품허가 및 상업용 생산을 위한 기술이전 HK이노앤 변형원 본부장 2 신약개발 인허가 과정에 필요한 CTD자료를 해설하고, 기술이전 및 Scale up 과정을 설명한다. 의약화학 의약화학 기초 가톨릭관동의대 이석준 교수 10 생물학, 화학 지식을 기반으로 약물을 개발하는데 필요한 핵심 지식을 학습한다. 개발사례 질환 및 표적 작용 약물 가톨릭관동의대 이석준 교수 11 약물에 표적에 따른 작용기전과 약리효과에 대해 살펴보고, 질환에 대한 치료 및 증상 개선을 위한 개발 과정을 학습본다. (진통제, 항균제, 항바이러스제, 항우울제, 진정제, 수면제, 항응고, 혈전용해, 혈관확장, 항협심증, 항고혈약, 이노제, 지혈증, 등) 개발사례 항암제 개요 온코크로스 김이랑 대표 1 항암제의 역사, 종류, 임상, 사용법, 부작용, 개발과정을 학습한다. 신약평가 ADMET 데이터 101 안전성평가연구소 신현길 박사 9 약물의 ADMET(흡수, 분배, 대사, 배출, 독성)에 대한 개념을 이해하고, 현재 규제에서 요구하는 ADMET 평가방법 및 데이터를 학습한다. 신약평가 활성평가 및 유효성평가 코아스템켐온 이철규 본부장 3 약물 규제에서 요구하는 In vivo / In vitro 활성 및 유효성 평가방법 및 데이터 를 학습한다
259
신약개발프로세스|
*해당 교육과정 이수 및 역량평가 합격 시 '전사체 분석기술' 역량을 인증하는 디지털배지를 발급합니다. 1. 과정 목표 전사체 데이터를 심층 이해하고, AI 기술 기반 전사체 분석을 통한 약물재창출, 부작용 예측, 기전해석 등 신약개발 분야에서의 적용 할 수 있는 인재를 양성하고 인증 Bulk-RNA, scRNA, microRNA, 2. 수강 요건 과정 이해을 위한 '인공지능 및 프로그래밍', '생물학 및 생물정보학'에 대한 기초 역량이 필요합니다. 리눅스, R프로그래밍, 파이썬프로그래밍, NGS 기초 등 3. 교육과정 구성 분류 제목 강사 차수 학습목표 이론 전사체 데이터 분석 한양대학교 남진우 교수 7 전사체 데이터 분석 기술에 대해 심화적으로 학습한다. 전사체 데이터 종류와 연구목적에 따른 활용 방법을 이해한다. (Bulk RNA, Non-coding RNA, microRNA, scRNA) 실습 세포주 약물반응데이터의 이해와 활용 고려대학교 전민지 교수 5 세포주 약물반응 및 전사체 데이터의 의미와 주요 데이터베이스 (L1000) 및 툴을 학습하고, 이를 활용하는 방법을 배운다. *파이썬 및 R프로그래밍 기초 필요 이론 약물-전사체 기반 약물 기전해석 및 신약재창출 이화여자대학교 김완규 교수 3 약물-전사체 데이터를 활용한 AI 신약개발연구에서의 연구사례 를 학습한다. (신약재창출, 표적 예측, 기전해 석, 적응증 발굴, 부작용 예측, 약물 적응증 발견 등) 실습 단일세포 전사체(scRNA) 분석법 서울대학교 최무림 교수 3 단일세포 전사체 분석법을 소개하고 신약개발에서의 활용연구, 데이터베이스, 알고리즘을 학습 및 실습한다. *R프로그래밍 기초 필요 실습 전사체 네트워크 분석 *Bionetwork analysis 3강 차의과대학교 황소현 교수 1 Cytoscape를 활용한 전사체 네트워크 구축 실습을 진행한다. 실습 scRNA를 활용한 유전자조절네트워크 분석 숭실대학교 김준일 교수 6 단일세포전사체 데이터 분석 파이프라인을 통해 유전자조절 네트워크를 구성하고, 이를 Cytoscape를 이용하여 분석하는 실습을 진행한다. *R프로그래밍 기초 필요 AI기술형
105
바이오분석기술|
*해당 교육과정 이수 및 역량평가 합격 시 ' 분자그래프 기반 AI기술' 연구 역량을 인증하는 디지털배지를 발급합니다. 1. 과정소개 분자 그래프 표현 및 그래프모델에 원리 및 구현 방법을 이해하고, 역합성 설계, 활성 QSAR예측 등에 활용할 수 있는 인재를 양성 및 인증 분자의 그래프 표현을 이해하고, 그래프 모델 구현 방법을 이해 QSAR모델의 원리를 이해하고 이를 천연물, 독성 예측 분야에서 활용가능 Transformer 기반 모델의 구현 방법을 이해 역합성 모델의 원리를 이해하고 이를 활용가능 과정 이해을 위해 '화학 및 화학정보학', '인공지능 및 프로그래밍'에 대한 기초 역량이 필요합니다. 딥러닝 모델(RNN) 기초, 프로그래밍 기초, 화학정보학 및 화합물데이터 표현 기초, QSAR모델 기초 3. 교육과정 구성 분류 제목 강사 차수 학습목표 실습 인공지능 신약개발을 위한 그래프 기초 강원대학교 방준일박사 5 그래프 정의와 그래프 신경망의 정의를 이해하고, 탐색적 데이터 분석을 통한 그래프 데이터 표현 방법을 학습한다 이론 AI in Predicting Drug-protein Interaction(sequence-based) GIST 남호정교수 2 단백질 서열을 활용한 화합물-단백질 상호작용 예측 방법론을 살펴본다 이론 Attention for Deep Learning KAIST 윤성의 교수 2 RNN 기반 Attention(seq2seq)과 Tranformer 모델까지의 발전과정과 이론을 학습한다. 실습 Graph Neural Networks for Molecular Property Prediction GALUX 류성옥 박사 7 분자구조 기반의 주요 그래프 모델을 활용한 물성 예측 방법을 학습한다. Graph Covolution Network(GCN), Graph Attention Transformer(GAT), Graph Isomophism Network(GIN) 실습 독성예측인공지능 모델 활용 안전성평가연구소 신현길박사 6 독성 예측 분야에서의 인공지능 모델 활용 분야 및 규제 가이드라인을 이해하고, 독성 예측 분야에서의 예측 모델 구현을 실습한다. 실습 천연물 의약품 개발을 위한 딥러닝 예측기술 활용 한국화학연구원 서명원박사 5 천연물 데이터베이스를 활용하여, 딥러닝 기반 정량/정상 모델을 구현 실습하고 천연물 의약품 개발에 응용한다. 이론 컴퓨터 기반 합성 디자인 역사와 주요 연구 사례 MERCK 김동휘박사 1 CASD 기본 원리 및 최근 기술 현황과 실제 적용사례를 학습한다. 실습 인공지능 기반 역합성 경로 예측 서울대학교 이주용교수 4 인공지능 기반 역합성 경로 예측의 필요성과 이론적 배경을 설명하고, seq2seq / Transformer / Graph 모델 기반 역합성 경로 예측 모델 구현을 실습한다. AI기술형
118
약물최적화모델|
*교육과정 이수 및 역량평가 합격 시 '임상개발 및 임상데이터 활용' 역량을 인증하는 디지털배지가 발급됩니다. 1. 과정소개 임상시험 및 임상개발 단계에 대한 역량을 강화하고, 임상 빅데이터를 활용한 통계·AI 기반 임상 적용기술을 학습한다. 임상시험 : 임상시험 과정 및 설계, 단계별 실례, 임상시험 결과 데이터에 대한 기초를 학습한다. PK/PD : 생체 내 약물동태 및 약물역학 이론을 이해하고, 생성 된 데이터를 모델링하여 임상개발에 적용하는 통계·AI분석 방법론을 학습한다. RWD : 병원데이터(EMR 등)의 활용방법과 이를 임상개발에 적용하는 통계·AI분석 방법론을 학습한다 과정 실습을 위해 'R프로그래밍' 및 '파이썬 프로그래밍'에 대한 기초 역량이 필요합니다. 생명정보학을 위한 R프로그래밍 파이썬 프로그래밍 2. 교육과정 구성 분류 제목 강사 차수 설명 임상시험 임상시험 설계 사스캐츄완대학교 임현자 교수 11 임상시험 특성, 핵심요소, 설계 방법, 프로토콜 개발방법을 학습한다. 임상시험 임상시험 단계별 설계와 실례 연세대학교 장민정 교수 5 임상시험 데이터를 소개하고, 임상시험 설계 및 자료분석에 필요한 통계적 내용을 이해한다 임상시험 임상시험을 위한 자료관리 및 통계분석 서울아산병원 이지성 박사 3 임상시험 1상, 2상, 3상, 4상별 종류와 설계를 설명하고 사례를 학습한다. PK/PD 임상약동학 및 약력학 기초 서울대학교 오재성 교수 10 신약임상개발 과정에서 임상 약동학 및 약력학의 역할을 이해하고 실습을통해 데이터를 해석방법을 실습한다. * R프로그래밍 기초 필요 PK/PD 신약개발을 위한 정량시스템약리학 이해 충남대학교 윤휘열 교수 5 계량약리학 기술을 활용하여, 약동학 및 약력학 정보를 정량화하고 임상시험 디자인에 이를 반영한다 * R프로그래밍 기초 필요 RWD 인공지능을 활용한 EMR 데이터 분석 KAIST 최윤재 교수 6 전자의무기록데이터(EMR) 데이터 구조, 태스크, 전처리 과정을 이해하고 딥러닝 기술을 활용한 예측 모델 구현을 실습한다 * 파이썬 프로그래밍 기초 필요 RWD 외부대조군을 활용한 RWD활용 신약 유효성 평가 성균관대학교 신주영 교수 성균관대학교 이혜성 교수 4 신약개발을 위한 RWD 데이터베이스 접근성 등 환경을 알아보고, 외부대조 군을 활용한 RWD 신약개발 적용 사례 및 실습을 수행한다. * 파이썬 프로그래밍 기초 필요 임상시험 Virtual Clinical Trial Simulation 디파이브테라퓨틱스 표준희 상무 2 임상시험 전략 검토 목적으로, 전임상 및 임상 데이터를 활용하여 임상시험 을 시뮬레이션 및 최적하는 방법론과 사례를 살펴본다
156
임상데이터|
*해당 교육과정 이수 및 역량평가 합격 시 '유전체 변이분석 기술' 역량을 인증하는 디지털배지를 발급합니다. 1. 과정 목표 유전체 데이터를 심층 이해하고, AI 기술을 통한 유전체 데이터 분석 방법과 타겟 발굴에서의 적용할 수 있는 인재를 양성하고 인증 통계기반 유전변이 데이터 분석 기술 활용가능 (SN, CNV, SV) AI기반 유전변이 발굴 기술 구현 및 활용가능 전사체 데이터를 활용한 eQTL 분석 기술 활용가능 2. 수강 요건 과정 이해을 위한 '인공지능 및 프로그래밍', '생물학 및 생물정보학'에 대한 기초 역량이 필요합니다. 리눅스, R프로그래밍, 파이썬프로그래밍, NGS 기초 등 관련 교육과정 : '인공지능 및 프로그래밍 역량강화_', '생물학 및 생물정보학 역량강화_ ' 3. 교육과정 구성 분류 제목 강사 차수 학습목표 이론 Genomic Analysis 연세대학교 김상우 교수 5 NGS 데이터로부터 SNV, SV, CNV 등 다양한 유전자 변이를 탐지해낼 수 있다 유전변이를 찾아내는 알고리즘 및 이론을 이해하고, 정확한 결과를 도출할 수 있다 실습 신약타겟 발굴을 위한 Exome 시퀀싱의 활용 숭실대학교 김상수 교수 4 대규모 코호트 기반 신약 타겟 발굴 사례를 학습 API를 활용한 유전자 / 단백질 데이터베이스 활용법 실습 NGS 기본 개념 및 서열데이터에 대한 예제 데이터 기반 실습 *Linux 및 R프로그래밍에 대한 기초 이해가 필요함 이론 실습 약물 유전체 연구를 위한 유전변이 분석 기초 및 실습 고려대학교 안준용 교수 8 약물 유전체 연구에 필요한 유전변이 데이터 기본 개념과 데이터 형태를 학습한다 암, CNV, Noncoding, 희귀질환 및 대규모 유전변이 데이터 분석 실무 실습을 수행한다 *파이썬프로그래밍에 대한 기초가 필요함 실습 전장유전체 변이분석의 이해 고려대학교 안준용 교수 4 전장유전체 개념을 이해하고, 데이터 분석 플랫폼 'Hail'을 활용한 변이 분석 실습을 수행한다 *파이썬프로그래밍에 대한 기초가 필요함 실습 인공지능을 활용한 전장유전체 유전변이분석 고려대학교 안준용 교수 2 인공지능 및 딥러닝을 활용한 전장유전체 변이분석 실습을 수행한다 *파이썬프로그래밍에 대한 기초가 필요함 실습 eQTL 이론 및 실습 서울대학교 최무림 교수 3 Noncoding Region 유전변이에 따른 eQTL 분석 실습을 통한 타겟발굴 실습을 수행한다 *전사체에 대한 기초적인 이해가 필요함 AI기술형
126
유전체학|
2023-09-01 ~ 2024-12-31
*교육과정 이수 및 역량평가 합격 시 '화학정보학' 기초역량을 인증하는 디지털배지가 발급됩니다. 1. 과정소개 신약개발에 주로 활용되는 AI 모델 구현 능력 및 라이브러리 활용 역량을 강화하는 과정으로 아래와 같이 구성됩니다.화학이론 : 신약개발을 위해 필요한 화학/유기화학/생화학 기초지식을 학습 (화학결합, 엔탈피, 화학평형, 용해도, 단백질구조 등) 컴퓨터 기반 신약설계 : 신약개발과정에서 필요한 화학정보학 기초 이론 및 신약설계방법 학습 화학정보데이터 : 약물 및 화합물 정보 데이터베이스의 활용방법 및 화합물 표현법을 학습 화학정보실습 : 주요 라이브러리를 활용하여 기초적 AI모델을 구현 실습 강의 실습을 위해 파이썬 프로그래밍 기초 역량이 필요합니다. 2. 교육과정 구성 분류 제목 강사 차수 설명 화학이론 일반화학 기초 서울대학교 이주용교수 6 신약개발을 위해 필요한 일반화학 기초지식을 학습한다 (화학결합, 엔탈피, 화학평형, 용해도 등) 화학이론 의약화학 기초 *의약화학 기초 1-3강 가톨릭관동의대 이석준교수 3 약물개발을 위한 약 및 표적의 생화학적 기초를 학습한다 컴퓨터 기반 신약설계 화학정보데이터 화학정보학 개론 KAIST 김동섭교수 5 신약개발과정 파이프라인 내 화학정보학이 활용되는 연구분야를 소개하 고, 화합물 표현 및 데이터베이스를 소개한다. 화학정보데이터 화학데이터베이스 서울대학교 이주용교수 2 화학정보학에서 주로 활용되는 데이터베이스 활용방법을 학습한다. (Pubchem, ChEMBL, ZINC, CCDC, Binding DB) 컴퓨터 기반 신약설계 화학정보데이터 화합물데이터처리 기초 *데이터처리 기초 4-10강 강원대학교 김화종교수 7 화합물데이터를 머신러닝에서 활용하기 위한 데이터 표현 방식 및 처리기법을 학습한다. 컴퓨터 기반 신약설계 화학정보데이터 QSAR KAIST 김동섭교수 5 화합물 구조와 활성 간 정량적 관계(QSAR)의 개념을 이해하고, 인공지능 모델을 통한 구현실습을 진행한다. 화학이론 단백질 구조 기초와 접힘원리 *단백질구조예측 및 상호작용 예측 2-3강 서울대학교 허림 박사 KIST 박한범 선임연구원 2 단백질 서열과 구조, 기능과 접힘원리에 대한 기초 지식을 학습한다. 화학정보실습 RDKit기초와 이를 활용한 화학정보학 실습 강원대학교 이주용교수 10 화학정보인 주요 라이브러리인 RDKit의 활용법을 살펴보고, 신약개발분야에서 활용되는 RDKit 기반 인공지능 모델 구현실습을 진행한다. 컴퓨터 기반 신약설계 화학정보데이터 Molecular Representation Learning & Propery Prediction HITS 이세한 본부장 5 분자의 3차원 구조를 세부적으로 이해하고, 인공지능에 활용될 수 있는 다양한 분자표현방법을 학습한다. 화학정보실습 화학정보데이터 화학데이터베이스를 활용한 가상탐색 기법 대웅제약 신승우박사 3 신약개발과정에서 Docking 기반 가상탐색 기본 원리를 파악하고, 공개데이터베이스를 통해 토이프로젝트를 수행한다.
235
2023-08-01 ~ 2024-12-31
*교육과정 이수 및 역량평가 합격 시 '인공지능 및 파이썬프로그래밍 기초 역량'을 인증하는 디지털배지가 발급됩니다 1.과정소개 신약개발에 주로 활용되는 AI 모델 구현 능력 및 라이브러리 활용 역량을 강화하는 과정으로 아래와 같이 구성됩니다.파이썬 : 인공지능 모델 구현을 위해 필요한 파이썬 프로그래밍 기초 지식을 학습 AI 이론 : 인공지능 모델의 수학적 원리를 학습 AI 모델 : 신약개발에 주로 활용되는 AI 모델 아키텍쳐 소개 및 구현 실습 프레임워크 : AI 실무 적용을 위한 주요 프레임워크 활용법을 소개 2. 교육과정 구성 분류 제목 강사 차수 주요 내용 파이썬 파이썬프로그래밍 기초 건국대학교 김학수교수 10 인공지능 구현 및 데이터 분석을 위해 필요한 기초적 파이썬 문법 및 실습 AI이론 인공지능을 위한 선형대수학 PharmCADD 이일구박사 5 인공지능 구현 기초가 되는 선형대수학 이론 및 코딩실습 (스칼라, 벡터, 텐서, 행렬연산, 행렬식, 아이겐밸류, 행렬분해) AI이론 인공지능을 위한 확률통계 PharmCADD 이일구박사 5 인공지능 구현 기초가 되는 기초 확률통계 이론 및 코딩실습 (Expectation, Variance, Bayes' Theorm, Entropy) AI이론 , AI 모델 기계학습 (기계학습 1-13강) 건국대학교 김학수교수 13 기초 기계학습 및 딥러닝 모델의 수학적 이론 및 구현 실습 (Decision Tree, SVM, ANN, CNN, RNN) AI 모델 신약개발에 필요한 머신러닝 이해 강원대학교 김화종교수 9 신약개발에 활용되는 분자표현법 및 AI 모델을 학습하고 신약개발 적용 예제를 학습 (MLP, CNN, GCN, VAE, GAN) 프레임워크 파이토치/텐서플로우 기초 (인공지능 신약개발을 위한 딥러닝 프레임워크 2-3강 / 6-7강) KAICD 홍성은 선임연구원 4 핵심 딥러닝 프레임워크인 Tensorflow 및 Pytorch 기본개념 및 활용법 학습 프레임워크 효율적인 딥러닝 코드 작성을 위한 파이토치 라이트닝 기초 AITRICS 조환석 박사 3 파이토치 라이트닝 및 WanDB를 활용한 효율적 딥러닝 코드 작성방법 학습
360
![[산학협력] 신약 인공지능 융합 고급인재 양성을 위한 교육과정](https://www.laidd.org/pluginfile.php/11533/course/overviewfiles/014.png)
