목차

(강의시간)

강의내용

실습여부

교수자

1

유전체 인공지능 모델의 개념과 오믹스 데이터 표현을 이해한다.
유전체 서열, 변이, 발현, 임상 메타데이터가 모델 입력으로 바뀌는 과정을 살펴본다.
지도학습, 자기지도학습, 파운데이션 모델의 차이를 실습 문제와 연결한다.

O

안준용

2

오믹스 데이터 전처리와 품질관리 기준을 익힌다.
결측, 배치효과, 샘플 중복, 라벨 오류가 모델 성능에 미치는 영향을 다룬다.
작은 예제 데이터로 필터링과 표준화 절차를 수행한다.

O

안준용

3

유전체와 오믹스 임베딩의 의미와 활용법을 실습한다.
모델이 만든 벡터 표현이 샘플, 유전자, 변이의 유사도 분석에 어떻게 쓰이는지 설명한다.
임베딩을 시각화하고 클러스터링 결과를 해석한다.

O

안준용

4

모델 평가를 위한 데이터 분할과 지표를 설계한다.
무작위 분할, 코호트 분할, 외부 검증의 차이를 비교한다.
AUROC, AUPRC, 보정도, 데이터 누수 점검을 실습한다.

O

안준용

5

유전자 발현 기반 예측 모델을 구성한다.
발현 행렬에서 특징을 선택하고 질병 상태 또는 세포 상태 예측 문제를 만든다.
기준 모델과 2026년 최신 오믹스 AI 모델 사례의 결과를 비교한다.

O

안준용

6

단일세포 오믹스 AI 모델의 기본 원리를 익힌다.
세포 임베딩, 세포 유형 주석, 배치 보정 문제를 모델 관점에서 설명한다.
2026년 최신 단일세포 AI 모델 사례로 결과 해석의 주의점을 다룬다.

O

안준용

7

변이 효과 예측과 조절서열 모델의 활용 흐름을 이해한다.
참조 서열, 대체 서열, 주변 염기서열, 조절 영역 정보를 모델 입력으로 구성한다.
변이 우선순위화 결과를 생물학적 근거와 함께 검토한다.

O

안준용

8

멀티오믹스 통합 모델의 설계 원리를 다룬다.
유전체, 전사체, 후성유전체, 단백체 데이터를 함께 쓰는 이유와 한계를 정리한다.
데이터 유형별 결측과 배치 차이를 고려한 통합 전략을 실습한다.

O

안준용

9

생성형 AI와 검색 기반 보강을 활용한 유전체 분석 보고를 연습한다.
논문, 모델 카드, 데이터 설명서를 근거로 분석 질문을 정리하는 과정을 다룬다.
생성 결과의 출처, 오류, 과잉해석을 점검하는 체크리스트를 만든다.

O

안준용

10

유전체 인공지능 실습 결과를 재현 가능한 분석 흐름으로 정리한다.
데이터, 코드, 모델, 평가 결과를 제출 가능한 산출물 구조로 묶는다.
개인별 실습 결과를 간단한 보고서로 작성하고 해석상의 한계를 토의한다.

O

안준용

선수과목

Python 기초 문법과 기본적인 데이터 분석 환경 사용 경험이 있으면 수강에 도움이 됨

참고자료

강의별 공개 논문, 모델 카드, GitHub 예제, 실습용 분석 스크립트 제공 예정

준비사항

개인 노트북, 웹 브라우저, Python 실행 환경, 실습용 데이터셋