인공지능 신약개발을 위한 그래프 기초 수료증

  • 모집인원999명

  • 수강신청기간2024-03-01 ~ 2024-12-31

  • 학습기간2024-03-01 ~ 2024-12-31

로그인하시면 강좌에 등록할 수 있습니다.
강좌 소개

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

 

과정 소개

인공지능 신약개발을 위한 그래프 기초 강의 과정입니다,

1

인공지능 신약개발을 위한 그래프 기초

1. DTI(Drug-Target Interaction)의 정의

2. 그래프의 정의 : 통계적 그래프와 수학적 그래프

3. 그래프의 활용 : 실생활에서의 그래프와 신약개발에서의 그래프

4. 그래프 데이터 구조 기초

2

DTI를 위한 약물 및 표적 데이터 표현

1. DTI 데이터 표현 : Drug to graph representation

2. DTI 데이터 표현 : Target to label encoding representation

3. DTI의 벤치마크 데이터세트 : DAVIS and KIBA

3

DTI에 그래프를 적용하기 위한 그래프 신경망 기초

1. GNN(Graph Neural Network)

2. GCN(Graph Convolution Network)

3. GAT(Graph Attention Network)

4. GIN(Graph Isomorphism Network)

4

DTI를 위한 약물 및 표적 데이터 표현 실습(Colab)

1. 그래프 표현을 위한 파이썬 라이브러리 활용

2. 약물 및 표적 데이터 표현을 위한 파이썬 라이브러리 활용

3. 벤치마크 데이터 전처리 및 구조 파악

5

DTI에 그래프를 적용하기 위한 그래프 신경망 실습(Colab)

1. 코드 구현을 통한 그래프 신경망(GCN, GAT, GIN) 구조 파악

2. 벤치마크 데이터를 통한 모델 학습

3. 모델 학습 결과 시각화

분류
  • 주제
    머신러닝
  • 분야
    인공지능 & 프로그래밍
  • 실습
    프로그래밍 (Python)
  • 활용 단계
    기타
교수자/개설자