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

300

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

149

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

79

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

158

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강의시간 강의내용 실습여부 1 세포주 약물 반응 데이터의 이해 1. ConnectivityMap version 1 2. ConnectivityMap version 2   2 세포주 약물 반응 데이터의 활용 1. Differential Expression Analysis 소개 2 ConnectivityMap 3. L1000CDS2 4, L1000FWD 5. SigCom LINCS   3 세포주 약물 반응 데이터의 응용 ConnectivityMap L1000 data를 활용한 인공지능 연구   4 Differential Expressed Genes 실습 O 5 L1000 데이터 활용 실습 O

참여자수

47

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

367

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강의 소개 및 개요입니다. 성명 송진숙 소속기관 한국화학연구원 과목명 신약개발을 위한 약물대사 강의시간 40분 학습목표 신약개발의 실패요인을 분석하고 성공률 제고를 위한 약동학 연구, 특히 약물의 대사안정성에 대해 이해한다.  

참여자수

113

교수자/개설자

-

학습기간

2023-04-30 ~ 2029-12-31

강좌소개

강의 소개 및 개요입니다.  성명 정영미 소속기관 STN KOREA 과목명 마쿠시 구조를 활용한 화합물 특허 탐색 강의시간 1 학습목표 Markush structures are used in patents to claim broad spaces of chemicals In this course the audiences can understand the need for a comprehensive Markush search to seek patentability opportunities or to determine potential infringement of small molecules in the drug discovery process. A case study will be demoed based on Marpat, produced by CAS   강의 선수과목 및 준비사항입니다. 선수과목 없음 참고자료 https://www.cas.org/cas-data/cas-patents https://www.cas.org/support/documentation/markush   준비사항 없음

참여자수

23