목차

(강의시간)

강의내용

실습여부

교수자

1

약물 예측 모델링 개요 및 딥러닝 기초

- 약물 개발 과정에서의 예측 모델의 역할과 중요성을 소개한다.

= 딥러닝의 기본 개념과 약물 특성 예측 문제에 어떻게 적용되는지 이해한다.

X

이상선

2

분자 구조의 표현 방법과 딥러닝 입력 처리

- 약물을 컴퓨터적으로 표현하는 주요 방식(SMILES, 분자 그래프, 분자 지문 등)을 소개한다.

- 이러한 표현들이 딥러닝 모델의 입력으로 어떻게 사용되는지를 알아본다.

X

이상선

3

멀티태스크 기반 약물 반응성 및 property 예측

- 여러 약물 특성이나 반응성을 동시에 예측하기 위한 멀티태스크 학습의 개념을 소개한다.

= 공유 표현 학습, 태스크 간 상관성 활용 등 멀티태스크 딥러닝 구조의 원리를 이론적으로 설명하고, 단일태스크와의 비교를 통해 장단점을 분석한다.

X

이상선

4

약물-표적 네트워크 기반 예측

= 약물과 표적 유전자 또는 단백질 간의 상호작용을 네트워크(그래프) 구조로 모델링하는 접근법을 소개한다.

- 그래프 신경망(GNN) 기반 예측 모델과, 약물-표적 간의 관계를 반영한 지식 그래프 또는 바이오 네트워크 기반 모델의 구성 원리와 활용 사례를 이론적으로 분석한다.

X

이상선

5

단백질-리간드 결합력 예측

= 단백질과 약물 분자(리간드) 간의 결합 친화력을 예측하는 문제의 생물학적 및 약학적 중요성을 설명한다.

= 딥러닝 기반 구조 예측 모델의 아키텍처와 주요 특징을 이론적으로 분석하고, 입력 데이터 구성 및 예측 지표에 대해 논의한다.

X

이상선

선수과목

참고자료

※ 도서, 웹사이트, 논문 등

준비사항

※ 강의에 필요한 환경 등