Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

강의시간 강의내용 실습여부 1 - Early Stage 신약개발을 이해하고, 관련 데이터베이스들을 살펴본다. - 파이썬을 이용하여 데이터를 다운로드하고 데이터의 탐색적 분석을 수행한다. O 2 - 타깃 발굴을 위한 데이터베이스의 종류를 알아보고 이론적 배경을 학습한다. 생물정보학 분석을 이용하여 관련 유전자를 추출하고, 인공지능 분석 결과와 통합하는 방법을 알아본다. O 3 독성시험의 이론적 배경을 학습하고 관련 데이터베이스를 살펴본다. 화합물의 표현 방법에 대해 학습한다. 화합물 독성 예측 모델을 설계하고, 가상 스크리닝을 수행한다. O 4 - 간단한 단백질-화합물 상호작용(Drug-Target Interaction) 모델을 설계한다. DTI 데이터베이스를 살펴보고, 그 의미에 대해 학습한다. ZINC database에서 가상 스크리닝을 수행한다. O 5 - 강화학습에 대해 학습하고, 이를 이용한 lead optimization의 개념에 대해 학습한다. 파이프라인 구축을 위한 Snakemake에 대해 학습한다. 효력, 독성 모델을 구축하고 자동화된 파이프라인을 설계한다. O

Students

100

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

강의 소개 및 개요입니다. 성명 임재창 소속기관 HITS 과목명 Molecule design with deep generative models 강의시간 4 학습목표 1. 다양한 딥러닝 기반 분자 생성모델을 리뷰한다.2. 신약개발에 있어 딥러닝 기반 분자 생성모델의 응용연구에 대해서 이해한다.   강의 선수과목 및 준비사항입니다. 선수과목  딥러닝 기초과목 참고자료  - 준비사항  -

Students

51

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

강의 소개 및 개요입니다.  성명 김동섭 소속기관 KAIST 과목명 신약후보물질 탐색 및 최적화를 위한 딥러닝 모델 강의시간 4 학습목표 단백질-리간드 결합구조 정보를 이용한 binding affinity 예측 및 최적화를 위한 딥러닝 모델에 대해 학습한다.    

Students

64

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

강의 소개 및 개요입니다. 성명 이상완 소속기관 KAIST 과목명 인공지능 신약개발을 위한 강화학습 기초 강의시간 6시간 학습목표 본 강의에서는 생물학적 시스템과 같은 복잡한 환경과의 상호작용을 통해 개발자가 설정한 조건을 만족시키는 최적의 시퀀스나 환경 제어 전략을 탐색할 수 있는 강화학습 이론과 기초 알고리즘을 다룬다.   강의 선수과목 및 준비사항입니다. 선수과목 선형대수 기초 참고자료 Sutton and Barto, Reinforcement learning: an introduction 준비사항 강의자료

Students

33