AI Agentic 기반 천연물 신규 소재 발굴 전략 수료증
모집인원9,999명
학습기간2026-11-20 ~ 2029-12-31
|
성명 |
정대식 |
소속기관 |
상명대학교/(주)인실리콕스 |
|||
|
강의 명 (주제) |
AI Agentic 기반 천연물 신규 소재 발굴 전략 |
|||||
|
학습목표 |
1.천연물 기반 신규 소재 발굴 과정에서 AI와 네트워크 약리학이 수행하는 역할을 설명할 수 있다. 2.OmniMix-AI의 성분–표적–질환 분석 과정과 주요 기능을 이해하고 분석 결과를 해석할 수 있다. 3.천연물 성분의 함량, 결합력 및 네트워크 중요도를 반영한 정량적 후보물질 평가 방법을 적용할 수 있다. |
|||||
|
분야 |
⏹ AI |
⏹ Bio |
□ Chem |
□ Drug |
||
|
단계 |
기초 |
|||||
|
목차 (강의시간) |
강의내용 |
실습여부 |
교수자 |
|
1 |
천연물 신규 소재 발굴 개요 및 네트워크 약리학의 이해 AI기반 표적 예측과 후보물질 우선순위화 |
X |
본인 |
|
2 |
특정 천연물 또는 기능성 소재의 유망 활성성분 탐색 (1) 분석 대상 천연물 또는 질환 선정 천연물에 포함된 주요 성분 목록 확인 성분별 잠재적 표적 단백질 탐색 질환 관련 표적과 성분 표적 간 공통 표적 분석 |
X |
본인 |
|
3 |
특정 천연물 또는 기능성 소재의 유망 활성성분 탐색 (2) 핵심 표적 및 관련 생물학적 경로 분석 성분–표적–질환 네트워크 결과 해석 상위 후보 성분 3개 선정 선정 근거를 효능, 결합력, 네트워크 중요도 및 문헌 근거로 정리 AI 분석 결과의 한계와 추가 실험 검증 방안 제시 |
O |
본인 |
|
4 |
정량 가중치 실습 천연물 네트워크 분석은 극미량 성분이 네트워크 연결성만으로 과대평가될 수 있으므로 실제 추출물 내 성분 함량을 함께 반영해야 한다. 자료에서는 성분 함량(C), 표적 결합력(E), 네트워크 중요도(D)를 결합한 정량 점수 적용 방향을 제시 실습에서는 제공된 가상 데이터를 이용하여 기존 네트워크 순위와 정량 가중치 적용 후 순위를 비교하고, 순위가 변경된 이유를 분석한다. |
O |
본인 |
|
선수과목 |
생명과학 및 생화학 기초, 천연물, 기능성 소재 및 활성성분의 기본 개념, SMILES, ADME/T, 분자도킹 및 결합 친화도에 대한 기초 개념 |
||
|
참고자료 |
네트워크 약리학 기초 문헌, PubChem, ChEMBL, DrugBank 및 천연물 성분 데이터베이스 등 |
||
|
준비사항 |
노트북 |
||
-
주제시스템 생물학, 화합물데이터, 약물탐색모델, 머신러닝
-
분야인공지능 & 프로그래밍, 생물학 & 생물정보학
-
실습소프트웨어
-
활용 단계Target Identification, Drug Discovery