약물최적화를 위한 분자그래프 기반 AI기술 Certificate
Recruiting People999 people
Learning period09-25-2023 ~ 12-31-2024
Class Introduction
*해당 교육과정 이수 및 역량평가 합격 시 ' 분자그래프 기반 AI기술' 연구 역량을 인증하는 디지털배지를 발급합니다.
1. 과정소개
- 분자 그래프 표현 및 그래프모델에 원리 및 구현 방법을 이해하고, 역합성 설계, 활성 QSAR예측 등에 활용할 수 있는 인재를 양성 및 인증
- 분자의 그래프 표현을 이해하고, 그래프 모델 구현 방법을 이해
- QSAR모델의 원리를 이해하고 이를 천연물, 독성 예측 분야에서 활용가능
- Transformer 기반 모델의 구현 방법을 이해
- 역합성 모델의 원리를 이해하고 이를 활용가능
- 과정 이해을 위해 '화학 및 화학정보학', '인공지능 및 프로그래밍'에 대한 기초 역량이 필요합니다.
- 딥러닝 모델(RNN) 기초, 프로그래밍 기초, 화학정보학 및 화합물데이터 표현 기초, QSAR모델 기초
3. 교육과정 구성
분류 | 제목 | 강사 | 차수 | 학습목표 |
실습 | 인공지능 신약개발을 위한 그래프 기초 | 강원대학교 방준일박사 | 5 | 그래프 정의와 그래프 신경망의 정의를 이해하고, 탐색적 데이터 분석을 통한 그래프 데이터 표현 방법을 학습한다 |
이론 | AI in Predicting Drug-protein Interaction(sequence-based) | GIST 남호정교수 | 2 | 단백질 서열을 활용한 화합물-단백질 상호작용 예측 방법론을 살펴본다 |
이론 | Attention for Deep Learning | KAIST 윤성의 교수 | 2 |
RNN 기반 Attention(seq2seq)과 Tranformer 모델까지의 발전과정과 이론을 학습한다. |
실습 | Graph Neural Networks for Molecular Property Prediction | GALUX 류성옥 박사 | 7 |
분자구조 기반의 주요 그래프 모델을 활용한 물성 예측 방법을 학습한다. Graph Covolution Network(GCN), Graph Attention Transformer(GAT), Graph Isomophism Network(GIN) |
실습 | 독성예측인공지능 모델 활용 | 안전성평가연구소 신현길박사 | 6 | 독성 예측 분야에서의 인공지능 모델 활용 분야 및 규제 가이드라인을 이해하고, 독성 예측 분야에서의 예측 모델 구현을 실습한다. |
실습 | 천연물 의약품 개발을 위한 딥러닝 예측기술 활용 | 한국화학연구원 서명원박사 | 5 | 천연물 데이터베이스를 활용하여, 딥러닝 기반 정량/정상 모델을 구현 실습하고 천연물 의약품 개발에 응용한다. |
이론 | 컴퓨터 기반 합성 디자인 역사와 주요 연구 사례 | MERCK 김동휘박사 | 1 | CASD 기본 원리 및 최근 기술 현황과 실제 적용사례를 학습한다. |
실습 | 인공지능 기반 역합성 경로 예측 | 서울대학교 이주용교수 | 4 | 인공지능 기반 역합성 경로 예측의 필요성과 이론적 배경을 설명하고, seq2seq / Transformer / Graph 모델 기반 역합성 경로 예측 모델 구현을 실습한다. |
AI기술형
Course Introduction
Classification
-
SubjectOptimization
-
Class AreaDrug Development & Pharmaceutical Industry
-
PracticeNothing
-
UtilizeDrug Discovery
Professor