Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

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

Students

31

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

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 

Students

10

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

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  

Students

32

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

강좌 소개 및 개요입니다. 성명 홍승환 소속기관 한국제약바이오협회 과목명 도킹 프로그램 사용 실습 강의시간 4 학습목표 도킹에 필요한 단백질 구조를 선택하고, 단백질과 분자 전처리 방법을 설명 도킹 프로그램 (AutoDock Vina 및 변종, rdock 사용 실습 도킹 결과 구조를 분석하는 방법에 대해 설명한다.)   강의 선수과목 및 준비사항입니다. 선수과목 protein data bank 분석, SMARTS를 이용한 분자 서브 구조 검색 참고자료 도서, 웹사이트, 논문 등 준비사항 강의에 필요한 환경 등

Students

32

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

강의 소개 및 개요입니다. 성명 한 중 수 소속기관 한양대학교 의과대학 생화학분자생물학교실 과목명 분자생물학 기초 및 세포신호전달개론 강의시간 10시간 학습목표 신약개발의 기본생물학적 이해를 위하여 분자생물학의 fundamentals를 습득한다. Genomics와 Proteomics 기초지식을 습득한다. 신약의 타겟이되는 세포신호전달에 대한 전반적인 지식을 습득한다.   강의 선수과목 및 준비사항입니다. 선수과목 생화학, 분자생물학 참고자료 The cells a molecular approach, Biochemistry of signal transduction and regulation 준비사항 강의 pdf 화일

Students

13

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

강의 소개 및 개요입니다. 성명 윤휘열 소속기관 충남대학교 약학과/바이오 AI 융합학과 과목명 신약개발을 위한 정량시스템약리학의 이해 강의시간 5시간 학습목표 1. 그래프의 정의와 그래프 신경망을 이해한다. 신약개발에 활용되는 약리학, 약동학, 약력학 기초에 대해 이해하는 것으로 목표로 함 계량약리학을 기술을 활용하여 신약개발에 활용되는 약동학, 약력학 정보를 정량화 하는 기술을 습득하는 것을 목표로 함 정량화된 약동학, 약력학 정보를 서로 연결하여 체내 흡수, 분포, 대사, 배설 및 약효 발 현과정을 표현하고 이를 임상시험 디자인에 반영하는 법을 습득하는 것을 목표로 함   강의 선수과목 및 준비사항입니다.  선수과목 R 프로그래밍 기초 참고자료 강의자료 및 실습 material 제공 준비사항 R/Rstudio가 구동 가능  

Students

14

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

강의소개 및 개요입니다. 성명 홍성은(Pytorch, sungkenh@gmail.com) 방준일(Tensorflow, tkfka965@gmail.com ) 소속기관 AI신약융합연구원 과목명 신약 개발을 위한 딥러닝 프레임워크 기초 강의시간 10 학습목표 최근 연구 논문에서 가장 활용도가 높은 Tensorflow, Pytoch 딥러닝 프레임워크를 소개하고, github 활용 방법 및 직접 모델이나 데이터를 수정할 수 있도록 딥러닝 프로그래밍 능력을 기른다.                             강의 선수과목 및 준비사항입니다. 선수과목 Python 기초, 딥러닝 기초 참고자료 (도서) 1. 머신 러닝 교과서 with 파이썬, 사이킷런, 텐서플로 2. 파이썬 딥러닝 파이토치(Python Deep Learning PyTorch) (논문) 1. DeepDTA: deep drug–target binding affinity prediction 준비사항 - 아나콘다 설치가 가능한 PC, 노트북, 서버 등(OS, Window, Mac, Linux)

Students

17

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

강의 소개 및 개요입니다.  성명 오재성 소속기관 서울대학교병원 과목명 임상 약동학 및 약력학의 기초 강의시간 10시간 학습목표 신약임상개발 과정에서 임상 약동학 및 약력학의 역할을 이해하고 실습을통해 데이터를 해석할 수 있다.   강의 선수과목 및 준비사항입니다. 선수과목 없음 참고자료 Rowland and Tozer's Clinical Pharmacokinetics and Pharmacodynamics:Concepts and Applications (5th ed.) 준비사항 최신버젼의 R program과 R studio가 설치된 컴퓨터

Students

27

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

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

Students

9