교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

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

27

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

31

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

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

19

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

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

11

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

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

4

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

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

32

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의 소개 및 개요입니다. 성명 김상욱 소속기관 포항공과대학교 생명과학과 과목명 기계학습 및 네트워크 구조를 활용한 정밀의학 강의시간 2시간 학습목표 현재 정밀의료를 위한 바이오의약품 개발의 어려움과 이를 극복하기 위한 네트워크 정밀의학 방법론을 이해를 높임   강의 선수과목 및 준비사항입니다. 선수과목 일반생명, 생화학 참고자료 Network-based machine learning in colorectal and bladder organoid models predicts anti-cancer drug efficacy in patients. Nat Commun. 2020 Oct 30;11(1):5485. doi: 10.1038/s41467-020-19313-8. 준비사항   -   

참여자수

7

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

27

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

성명 김화종 소속기관  강원대학교 과목명  신약개발에 필요한 머신러닝 이해 강의시간  9 모듈 학습목표 신약개발에 필요한 화합물 데이터를 다루는 방법을 배우고 화합물의 속성을 수치 테이블로 표현하는 방법, Fingerprint, 그래프 등으로 표현하는 분자 표현형을 설명한다. 머신러닝 모델을 구현하는 방법과 랜덤포레스트, MLP, CNN, Graph CNN 등을 배우고 VAE와 GAN 등 생성 모델을 이용한 분자 생성 방법을 배운다.

참여자수

15

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

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

51

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의시간 강의내용 실습여부 1 유전변이 데이터 기본 유전변이의 개념과 종류 유전변이 데이터의 수집과 저장 방법 N 2 유전변이 annotation과 약물 유전자 데이터베이스 유전변이 annotation 방법 소개 약물 유전자 데이터베이스의 활용 방법 N 3 암유전체를 이용한 약물유전체 분석 실습 1 암과 관련된 유전체 데이터의 수집과 분석 방법 약물유전체 분석에 활용되는 도구와 기술 Y 4 암유전체를 이용한 약물유전체 분석 실습 2 암유전체 분석을 통한 약물 효능 예측 방법 유전체 변이 데이터를 활용한 개인 맞춤형 약물 치료 방법 Y 5 CNV 유전변이 분석 실습 Copy Number Variation (CNV) 유전변이의 개념과 분석 방법 CNV 데이터를 활용한 약물 유전체 연구 사례 Y 6 Noncoding 유전변이 분석 실습 비코딩 영역의 유전변이 분석 방법과 중요성 Noncoding 유전변이와 약물 반응의 관련성 연구 사례 Y 7 희귀질환 약물유전체 분석 실습 희귀질환과 관련된 유전변이 분석 방법 희귀질환 치료를 위한 약물유전체 연구 사례 Y 8 약물반응성 유전 연관성 대규모 데이터 분석 실습 대규모 유전체 분석을 위한 분석 플랫폼 실습 대규모 유전체 데이터 형태 학습 Y

참여자수

9

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의 소개 및 개요입니다. 성명 이정혜, 한석주 소속기관 UNIST 과목명 연합 학습 연구 동향 강의시간 7 학습목표 1. 연합 학습의 세부 연구 분야 및 최신 연구 동향에 대해서 알 수 있다.2. 연합 학습에서 연구가 필요한 다양한 문제들(보안 및 프라이버시, 통계적 이질성, 개인화)에 대해 알아보고, 최신 연구 동향에대해 알 수 있다.   강의 선수과목 및 준비사항입니다. 선수과목  - 참고자료 Advances and Open Problems in Federated Learning (2019; Kairouz et al.) Federated Learning: Challenges, Methods, and Future Directions (2019; Li et al.) 준비사항  노트북

참여자수

3

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의시간 강의내용 실습여부 1 1. 신약 개발 과정 소개 2. 신약 발굴 시 가장 중요한 가상 탐색의 기본 원리를 파악 3. 가상 탐색에 필요한 Public Database 소개 X 2 1. 가상 탐색 시 사용되는 similarity search 방법 2. 가상 탐색에 필요한 Public Database 소개 3. 검색된 ligand의 stability 확보 방법 X 3 1. Chemical similarity search 방법 실습 2. Public chemical database API를 이용한 유사 화합물 검색 실습 3. 검색된 chemical ligand의 stability 확보 방법 실습(docking) O 4    

참여자수

11

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의시간 강의내용 실습여부 1 분자역학 - 신약개발 프로세스, 이성질체, 이면각   2 분자동력학 시뮬레이션 - Time, Size scales, 분자역학 에너지 함수, 카이랄성, 역 장, 프로그램, 응용예제   3 단백질 모델링 알고리즘 - 극소/최소 최적화   4 단백질 구조 기반 피쳐 분석 - PDB 핸들링, Rg, Distance matrix (실습) O 5 분자역학 프로그램 CHARMM : 인스톨, CHARMM-gui (실습) O 6 Conformational analysis (실습) O 7 Protein - ligand MD simulation (실습) O

참여자수

9