Professor
-
Learning Period
10-11-2024 ~ 12-31-2024
Course Introduction
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
Students
-
생물학|
파이썬프로그래밍|
Professor
-
Learning Period
10-10-2024 ~ 12-31-2024
Course Introduction
성명 허기영 소속기관 서울대학교병원 강의 명 (주제) 비임상자료에 기반한 임상 약동학 예측 학습목표 약동학(Pharmacokinetics)의 정의와 주요 용어의 의미를 이해하고, 이를 바탕으로 임상시험 자료를 해석한다. 계량약리학(population pharmacokinetics)을 중심으로 비임상-임상 약동학 예측을 위한 방법론을 설명한다. 생리학기반 약동학(PBPK) 및 AI를 활용한 약동학 예측 방법에 대해 설명한다. 분야 Drug 단계 기초
Students
2
약동&약력학|
임상시험|
임상데이터|
Professor
-
Learning Period
09-12-2024 ~ 12-31-2024
Course Introduction
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
Students
33
신약개발사례|
바이오의약품|
Professor
-
Learning Period
09-12-2024 ~ 12-31-2024
Course Introduction
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
Students
42
약물탐색모델|
파이썬프로그래밍|
Professor
-
Learning Period
09-01-2024 ~ 12-31-2024
Course Introduction
성명 김동섭 소속기관 한국과학기술원 강의 명 (주제) 단백질 구조 예측 및 단백질 설계를 위한 최신 딥러닝 기술 학습목표 - 단백질 구조 예측의 원리의 이해 - template-based 모델링을 통한 단백질 구조 예측법 이해 및 실습 - Alphafold를 이용한 단백질 구조 예측 모델 이해 및 실습 - 단백질 설계의 필요성 및 원리 이해 RFDiffusion을 사용한 단백질 설계의 이해 및 실습 분야 AI, Bio 단계 심화
Students
58
단백질구조|
Professor
-
Learning Period
09-01-2024 ~ 12-31-2024
Course Introduction
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
Students
42
유전체학|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
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
Students
87
약물탐색모델|
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
114
DTI|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
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.
Students
91
신약개발사례|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
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.
Students
49
화학정보프로그래밍|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
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 -
Students
69
바이오데이터수집|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
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
Students
55
유전체학|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
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 -
Students
29
시스템 생물학|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
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
Students
58
약물최적화모델|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
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.
Students
23
바이오분석기술|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
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 -
Students
38
약물탐색모델|
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
33
화학정보프로그래밍|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
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 -
Students
60
바이오분석기술|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
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 -
Students
38
바이오분석기술|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
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.
Students
8
바이오데이터수집|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
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
Students
72
화학정보프로그래밍|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
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
Students
138
화학정보프로그래밍|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
강의시간 강의내용 실습여부 1 - Self-Supervised Learning이란? - Language 분야에서의 SSL - Computer vision 분야에서의 SSL X 2 - Molecular Graph란? - Graph Neural Networks - Molecular Graph 분야에서의 SSL X
Students
25
화학정보프로그래밍|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
구조 기반 가상 탐색을 활용한 유효물질발굴과 인공지능을 활용한 유효물질 최적화 강의 과정입니다. 성명 이세한 소속기관 ㈜히츠 과목명 구조 기반 가상 탐색을 활용한 유효물질발굴과 인공지능을 활용한 유효물질 최적화 강의시간 3시간 학습목표 1) 신약 개발 초기 단계에서의 유효물질 발굴을 위한 가상 탐색과2) 발굴한 유효물질의 최적화하기 위한 Hit-to-Lead 기초 이론을 학습한다.
Students
42
약물최적화모델|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
강의 소개 및 개요입니다. 성명 이유한 소속기관 카카오브레인 과목명 그래프 트랜스포머를 활용한 분자물성 예측 강의시간 1시간 학습목표 Attention 알고리즘을 이해한다. 그래프 데이터에 attention이 어떻게 쓰이는지 이해하고, 실습으로 이해도를 높인다. 강의 선수과목 및 준비사항입니다. 선수과목 Attention for Deep Learning 참고자료 A Generalization of Transformer Networks to Graphs (https://arxiv.org/abs/2012.09699?amp=1) 준비사항 우분투 환경
Students
38
약물최적화모델|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
강의시간 강의내용 실습여부 1 질병 멀티오믹스 데이터에 클러스터링 및 네트워크 분석을 활용한 최신 연구 2 멀티오믹스 데이터 클러스터링 분석의 기초 개념과 적용 사례 3 멀티 오믹스 데이터에 대한 네트워크 분석 적용의 기초 개념과 적용 사례 4 NMF 클러스터링 중심의 멀티오믹스 데이터 클러스터링 분석 실습 O 5 MOFA tool을 활용한 멀티오믹스 데이터 클러스터링 분석 및 해석 실습 O 6 PHONEMES tool을 활용한 멀티오믹스 데이터 네트워크 분석 및 해석 실습 O
Students
26
시스템 생물학|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
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
Students
99
DTI|