교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의 소개 및 개요입니다. 성명 황소현 소속기관 차의과학대학교 과목명 Bionetwork analysis 강의시간 3 학습목표 1. 기능유전자 네트워크의 정의를 이해하고 웹도구를 활용할 수 있다.2. Cytoscape를 활용하여 네트워크 분석을 할 수 있다.   강의 선수과목 및 준비사항입니다. 선수과목  - 참고자료 Hwang S, Rhee SY, Marcotte EM, Lee I. Systematic prediction of candidate gene function associated to phenotype traitsusing the probabilistic functional gene network of Arabidopsis thaliana. Nature Protocols 2011 Aug 25;6(9):1429-42  준비사항  노트북 사용하여 실습수행

참여자수

18

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의시간 강의내용 실습여부 1 질환유전학적 방법론 소개 eQTL 방법의 소개eQTL 방법의 의미  X 2 Bulk-eQTL 방법론 소개 Bulk-eQTL 활용 연구 소개  X  3 Bulk-eQTL 분석 방법 소개 Bulk-eQTL 분석 실습  O

참여자수

7

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의시간 강의내용 실습여부 1 단일세포 전사체 분석법 소개, 장단점 단일세포 전사체 분석법 활용 연구 소개 X 2 단일세포 전사체 분석 알고리즘 소개, 장단점 단일세포 전사체 데이터베이스 소개 O 3 단일세포 전사체 데이터 실습 (혈액조직) 단일세포 전사체 데이터 실습 (비혈액조직) O

참여자수

16

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의 소개 및 개요입니다.  성명 신현길 소속기관 안전성평가연구소 과목명 독성 예측 인공지능 모델 활용 강의시간 6시간 학습목표 1. 무료로 사용 가능한 독성 예측 프로그램 설치 및 활용 방법 익히기 2. python을 이용한 데이터 분석 및 처리 방법 익히기 3. 예측 모델 개발을 위한 python 코드 완성해보기   강의 선수과목 및 준비사항입니다. 선수과목 파이썬 프로그래밍 기초(2-5강), 화학정보학개론, QSAR, RDKit의 기초와 이를 이용한 화학정보학 실습 참고자료 RDKit의 기초와 이를 이용한 화학정보학 실습 [강사 강원대학교 이주용] 1. 컴퓨터를 이용한 신약 개발 방법론 https://www.ibric.org/myboard/list.php?Board=news&Page-2&&PARA3-21) 2. pubchempy (https://pubchempy.readthedocs.io/en/latest/) 3. openbabel 파이썬 모듈 http://openbabel.org/wiki/python) 참고자료 4. MOPAC 홈페이지 (http://openmopac.net/) 5. Chembl 데이터베이스 (https://www.ebi.ac.uk/chembin 6. binding DB (https://www.bindingdb.org/rwd/bind/index.jsp) 7. DILIrank 미국 FDA에서 정리한 데이터 베이스 (classificaion 모델 개발용 데이터) https://www.fda.gov/science-research/liver-toxicity-knowledge-base-ltkb/drug-induced-liver-in jury-rank-cdilirank-dataset) 준비사항 아나콘다 파이썬으로 진행(아나콘다 파이썬이 아닌 경우 pandas, matplotilb, sci-kit learn 모듈 추가 설치 필요) 아나콘다 파이썬에서 추가 설치가 필요한 모듈 (pubchempy, mopac, openbabel, joblib) 아나콘다에서 제공하는 spyder 사용방법 숙지(다른 IDE 호라용해도 문제 X) text editor 프로그램(Atom, Sublime 등) binding DB 데이터 활용을 위한 홈페이지 가입 필요

참여자수

17

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의시간 강의내용 실습여부 1 마이크로바이옴 연구의 개요 및 연구사례 없음 2 마이크로바이옴 데이터의 이해: 16S rRNA gene sequencing 과 Shotgun metagenomic sequencing 없음 3 마이크로바이옴 데이터의 질 평가: 시퀀싱부터 원시데이터 이해 없음 4 마이크로바이옴 연구 결과 해석을 위해 기본적으로 알아야할 개념: Diversity 및 Taxonomy 없음 5 마이크로바이옴 연구 결과의 이해 및 활용 없음

참여자수

12

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의 소개 및 개요입니다. 성명 이해승 소속기관 부산대학교 약학대학 과목명 생물정보학을 위한 R프로그래밍 강의시간 8 학습목표 R 프로그래밍의 기본 문법을 익히고 유용한 라이브러리 및 함수를 통해 데이터 변환, 분석, 가시화하는 방법을 이해한다.   강의 선수과목 및 준비사항입니다.

참여자수

21

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의 소개 및 개요입니다.  성명 황 대 희 소속기관 서울대학교 과목명 시스템생물학 강의시간 8 Lecture (4 과정) 학습목표 본 강좌에서는 시스템생물학 교과목으로서 생체 시스템을 이해하기 위한 오믹스 분석 기술, 질병 관련 유전자/단백질 선별을 위한 오믹스 데이터 분석법, 바이오마커(e.g., 진단마커, 약물타겟) 선정과 메커니즘 예측에 필요한 네트워크 분석 방법론을 학습한다.  

참여자수

15

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

7

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의시간 강의내용 실습여부 1 Bio-Express 분석 플랫폼 서비스의 개요와 주요 기능을 소개합니다. 서비스의 인터페이스, 단계별 분석 작업 프로세스, 사용자 데이터 파일 관리 및 고속 분석 등에 대한 개요를 설명합니다. ● 2 유전체 데이터 분석을 위한 대규모 데이터 파일을 전송해야 하는 이유와 데이터 전송 속도, 안정성 보안 등에 대한 이슈를 다루고 대용량 유전체 데이터 전송 서비스인 GBox를 이용하여 전송 방법과 Bio-Express 웹 서비스를 이용한 분석 파이프라인 모델링을 실습합니다. ● 3 Bio-Express 분석 플랫폼 서비스 중 하나인 CLOSHA 워크벤치 소프트웨어의 개요와 주요 기능을 소개합니다. CLOSHA 사용하여 분석 파이프라인을 모델링하고 분석 작업을 분석 특성에 맞는 고성능 인프라를 이용하여 고속으로 실행할 수 있는 실습을 진행합니다. ● -    

참여자수

6

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

인공지능 신약개발을 위한 그래프 기초 강의 과정입니다,  성명 방준일 소속기관 강원대학교 과목명 인공지능 신약개발을 위한 그래프 기초 강의시간 5 학습목표 1. 그래프의 정의와 그래프 신경망을 이해한다. 2. 탐색적 데이터 분석(EDA)을 통해 그래프 데이터 표현 방법을 이해한다. 3. 논문 코드 구현을 통해 단백질-약물 상호작용(DTI) 예측 모델을 이해한다.   강의 선수과목 및 준비사항입니다. 선수과목 - 파이썬 프로그래밍 기초 - 파이썬 딥러닝 프레임워크 - GPU를 활용한 딥러닝(선택) 참고자료 - (논문) GraphDTA: predicting drug-target binding affinity with graph neural networks 준비사항 - 실습은 Google Colab으로 진행하므로, 교육생별 Google 계정이 필요함  

참여자수

10

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의 소개 및 개요입니다.  성명 최윤재 소속기관 한국과학기술원 과목명 인공지능을 활용한 EMR 데이터 분석 강의시간 6시간 학습목표 전자의무기록의 데이터 구조에 대한 이해 전자의무기록 기반 예측 태스크 이해 전자의무기록의 데이터 전처리 과정 이해 전자의무기록 기반 딥러닝 예측 모델 이해    강의선수 과목 및 준비사항입니다. 선수과목 기계학습 기초 참고자료 해당없음 준비사항 해당없음

참여자수

6

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

  강의 소개 및 개요입니다.  성명 남진우 소속기관 한양대학교 과목명 전사체 데이터 분석 (Transcriptome analysis) 강의시간 7 학습목표 1. 전사체 데이터의 기본적 특성과 연구목적에 대해 이해한다. 2. 전사체 데이터의 종류와 연구목적에 따른 활용 방법을 이해한다.3. Short, long-read를 각각 활용한 전사체 분석 방법에 대해 이해한다. 4. Bulk 수준의 전사체 데이터와 단일세포 전사체 분석의 차이와 활용에 대해 이해한다   강의 선수과목 및 준비사항입니다. 선수과목 유전자 발현 분석, 차세대서열데이터 분석(Intronduction to NGS data analysis) 참고자료  - 준비사항 노트북 웹브라우저 

참여자수

12

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의 소개 및 개요입니다. 성명 안준용 소속기관 고려대학교 바이오시스템의과학부 과목명 전장유전체 변이 분석의 이해 강의시간 4시간 학습목표 본 강의는 전장유전체 (whole genome sequencing) 분석에 필요한 기본개념을 학습한다. 전장유전체 데이터 분석 및 활용을 위한 분석 플랫폼 Hail 기본개념을 학습하고 실무 모듈을 연습한다. Hail 실습을 통해, 향후 전장유전체 기반 신약개발 및 인공지능 기반 유전체 연구에 필수적인 분석 기본을 학습하고자 한다.   강의 선수과목 및 준비사항입니다.   선수과목 차세대 염기서열 분석 – 남진우 교수 Genomics analysis – 김상우 교수 참고자료  - https://hail.is/ Hail 웹사이트 준비사항  - 구글 코랩이 연결되는 인터넷      

참여자수

7

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의 소개 및 개요입니다. 성명 남진우 소속기관 한양대학교 과목명 차세대 서열분석 강의시간 3 학습목표 1. 차세대서열데이터(NGS)가 무엇인지 이해하고 데이터의 특성에 대해 이해한다.2. 차세대서열데이터(NGS)의 종류와 그 연구목적에 대해 이해한다.   강의 선수과목 및 준비사항입니다. 선수과목 생물정보학 개론, 서열분석, 구조분석, 유전자 발현분석 참고자료  - 준비사항  노트북 웹브라우저

참여자수

21

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의 소개 및 개요입니다. 성명 김학수 소속기관 건국대학교 과목명 파이썬 프로그래밍 기초 강의시간 10 학습목표 파이썬 언어의 문법을 익히고 실습을 통해 기본기를 다짐으로써 파이썬 기반 데이터 분석이나 기계학습에 필요한 기본 능력을 배양한다.   강의 선수과목 및 준비사항입니다.  선수과목  - 참고자료  - 준비사항 개인 노트북을 준비하고, 첫 시간에 설명하는 프로그램을 설치해야 함.또한 구글 colab에 접근할 수 있도록 구글 드라이브에 가입해야 함.

참여자수

29