교수자/개설자

-

학습기간

2024-10-29 ~ 2029-12-31

강좌소개

성명 이주용 소속기관 서울대학교 약학대학 강의 명 (주제) Ligand screening의 인공지능 활용 최신기술 학습목표 리간드 도킹에 관련된 최신 인공지능을 활용한 기술 동향을 확인하고 활용할 수 있는 지식을 습득한다. 분야 AI, Bio, Chem, Drug 단계 심화

참여자수

43

교수자/개설자

-

학습기간

2024-10-07 ~ 2029-12-31

강좌소개

성명 석차옥 소속기관 갤럭스 / 서울대학교 강의 명 (주제) 인공지능 기반 단백질 신약 설계 (AI-based Protein Drug Design) 학습목표 - 인공지능을 활용한 단백질 신약 설계 파이프라인에 대한 이해 - 단백질 신약 설계에서의 구조 예측 모델의 중요성 이해 - AlphaFold2, RoseTTAFold 모델의 이해 (높은 성능에 기여하는 핵심 구성요소 파악) - AlphaFold3, RoseTTAFold-All-Atom 등 최신 생체 분자 구조 예측 모델 이해 - 단백질 신약 설계에 활용되는 모델의 원리 및 설계 응용 방법 이해 구조 생성 모델 / 서열 디자인 모델 / 면역원성 예측 모델 분야 AI,Bio,Drug 단계 심화

참여자수

90

교수자/개설자

-

학습기간

2024-09-01 ~ 2029-12-31

강좌소개

성명 김동섭 소속기관 한국과학기술원 강의 명 (주제) 단백질 구조 예측 및 단백질 설계를 위한 최신 딥러닝 기술 학습목표 - 단백질 구조 예측의 원리의 이해 - template-based 모델링을 통한 단백질 구조 예측법 이해 및 실습 - Alphafold를 이용한 단백질 구조 예측 모델 이해 및 실습 - 단백질 설계의 필요성 및 원리 이해 RFDiffusion을 사용한 단백질 설계의 이해 및 실습 분야 AI, Bio 단계 심화

참여자수

104

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의 소개 및 개요입니다. 성명 김우연 소속기관 KAIST 과목명 AI in Predicting Protein-Ligand Interaction (structure-based) 강의시간 8 학습목표 1.단백질 구조 기반 Protein-Ligand Interaction 에 대한 다양한 AI 예측 모델들을 살펴본다. 2. 예측의 정확도 및 일반화 측면에서 다양한 방법들의 장단점을 이해한다.   강의 선수과목 및 준비사항입니다. 선수과목 al Screening (이주용), Deep learning approach (김동섭), Deep learning frameworks (김학수), Deep learning Basic (김학수  참고자료  981 (2019)), GNN-Torg (JCIM, 59, 4131 (2019)), GNN-Jiang(RSCAdv 20, 20701 (2020)), DeepFusion (JCIM, 61, 1583 (2021)), PoseR 준비사항  x

참여자수

134

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의 소개 및 개요입니다. 성명 이세한 소속기관 Hits 과목명 Molecular Representation Learning & Property Prediction 강의시간 5 학습목표 1. 분자 표현을 이해하고 인공지능 학습에 활용 할 수 있다.2. SMILES, fingerprint, pharmacophore, embedding 등의 분자 구조 표현 방법을 학습한다.   강의 선수과목 및 준비사항입니다. 선수과목  - 참고자료  - 준비사항 노트북 사용, discovery studio visualizer & PaDEL 설치 

참여자수

43

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의 소개 및 개요입니다.  성명 홍승환 소속기관 한국제약바이오협회 과목명 protein data bank 분석 강의시간 3 학습목표 (1) Protein Data Bank로부터 pdb 단백질 3D 구조 파일을 얻고, pdb 파일을 파싱하는 방법에 대해 설명한다. (2) pdb 구조로부터 단백질-리간드 상호작용을 분석한다. (3) 단백질 데이터베이스 Uniprot에서 제공하는 정보에 대해 설명하고, 신약개발에 활용하는 방법을 알아본다.   강의 선수과목 및 준비사항입니다. 선수과목 단백질 구조 결정학, 단백질 구조기반 신약설계 참고자료 도서, 웹사이트, 논문 등 준비사항 linux (windows WSL), Python, Anaconda  

참여자수

107

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의 소개 및 개요입니다. 성명 이주용 소속기관 서울대학교 과목명 RDKit의 기초와 이를 이용한 화학정보학 실습 강의시간 10 학습목표 1. RDKit의 기본 기능을 익혀 기본적인 분자 입출력 및 물성 분석을 할 수 있다2. Cheminformatics의 기본 개념을 이해하고 실제로 최신 연구에서 어떻게 사용되고 있는지 살펴본다   강의 선수과목 및 준비사항입니다. 선수과목  파이썬, 주피터 노트북, anaconda 또는 venv 같은 가상환경 생성 프로그램 참고자료  www.rdkit.org, 핸즈온 머신러닝 (한빛 미디어) 준비사항  파이썬, 주피터 노트북, 아나콘다 패키지 관리자가 설치된 PC 필요

참여자수

178

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

구조 기반 가상 탐색을 활용한 유효물질발굴과 인공지능을 활용한 유효물질 최적화 강의 과정입니다.   성명 이세한 소속기관 ㈜히츠 과목명 구조 기반 가상 탐색을 활용한 유효물질발굴과 인공지능을 활용한 유효물질 최적화 강의시간 3시간 학습목표 1) 신약 개발 초기 단계에서의 유효물질 발굴을 위한 가상 탐색과2) 발굴한 유효물질의 최적화하기 위한 Hit-to-Lead 기초 이론을 학습한다.  

참여자수

56

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의 소개 및 개요입니다. 성명 이주용 소속기관 강원대학교 화학생화학부 과목명 단백질 구조 모델링 강의시간 2 시간 학습목표 본 수업에서는 구조 기반의 신약 개발을 위해 필수적인 단백질 구조 모델링의 방법의 이론적인 기초와 실습을 수행한다. 구조 모델링을 위해서 기존의 template-based 방법 및 최근 제안된 AlphaFold를 포함한 딥러닝 기반의 방법을 실습한다. 강의 선수과목 및 준비사항입니다. 선수과목 - 생물정보학 개론, 생화학 참고자료 - Jumper, J., Evans, R., Pritzel, A. et al. Highly accurate protein structure prediction with AlphaFold. Nature 596, 583–589 (2021). https://doi.org/10.1038/s41586-021-03819-2 - Mirdita, M., Schütze, K., Moriwaki, Y. et al. ColabFold: making protein folding accessible to all. Nat Methods 19, 679–682 (2022). https://doi.org/10.1038/s41592-022-01488-1 준비사항 인터넷이 연결된 컴퓨터와 웹브라우저

참여자수

79

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의 소개 및 개요입니다. 성명 이원태 소속기관 연세대학교 과목명 단백질구조기반 신약설계법 강의시간 2 학습목표 - 왜 타겟 구조기반 신약설계가 필요한가 ? 고해상도 삼차원 구조기반 신약설계 및 적용   강의 선수과목 및 준비사항입니다. 선수과목 일반생물학, 생화학, 물리화학, 화학 참고자료 - 참고 논문 (별도로 공지) - 참고서: 1. Introduction to Protein Architecture, A. M Lesk, 2001, Oxford Press 2. Principles of Protein X-ray Crystallography, 2nd Ed. Jan Drenth, Springer, 199 3. Principles of Physical Biochemistry, Kensal E. van Holde, W. Curtis Johnson, P. Shing Ho, Pearson Prentice Hall, 2006 4. Drug Design & Development, Chris Rostron, Oxford Univ. Press, 2020 준비사항 없음

참여자수

85

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강좌 소개 및 개요입니다. 성명 홍승환 소속기관 한국제약바이오협회 과목명 도킹 프로그램 사용 실습 강의시간 4 학습목표 도킹에 필요한 단백질 구조를 선택하고, 단백질과 분자 전처리 방법을 설명 도킹 프로그램 (AutoDock Vina 및 변종, rdock 사용 실습 도킹 결과 구조를 분석하는 방법에 대해 설명한다.)   강의 선수과목 및 준비사항입니다. 선수과목 protein data bank 분석, SMARTS를 이용한 분자 서브 구조 검색 참고자료 도서, 웹사이트, 논문 등 준비사항 강의에 필요한 환경 등

참여자수

149

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의 소개 및 개요입니다. 성명 이유한 소속기관 카카오브레인 과목명 딥러닝을 이용한 단백질 도킹 강의시간 1시간 학습목표 딥러닝 기반 단백질-단백질 docking 에 대해 학습한다. 딥러닝 기반 단백질-저분자 화합물 docking에 대해 학습한다   강의 선수과목 및 준비사항입니다. 선수과목 신약개발을 위한 단백질 구조 예측 및 상호작용 예측 참고자료 Independent SE(3)-Equivariant Models for End-to-End Rigid Protein Docking (https://arxiv.org/abs/2111.07786) 준비사항 이론강의라 준비할 것 없음

참여자수

67

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의 소개 및 개요입니다. 성명 석차옥 소속기관 서울대학교 과목명 신약개발을위한단백질구조예측및상호작용예측 강의시간 11 학습목표 1. 첨단 단백질 구조 예측 및 상호작용 예측의 원리를 배우고 예측 가능 범위를 파악한다.2. 신약개발에 활용될 수 있는 관련 소프트웨어 및 웹서버 활용법에 대해 익힌다.   강의 선수과목 및 준비사항입니다. 선수과목  선수과목 또는 관련과목 참고자료  https://www.rcsb.org/ Muhammed, Muhammed Tilahun, and Esin Aki‐Yalcin. "Homology modeling in drug discovery: Overview, current applications,and future perspectives." Chemical biology & drug design 93.1 (2019): 12-20.Ovchinnikov, Sergey, et al. "Protein structure determination using metagenome sequence data." Science 355.6322 (2017): 294- De Vivo M et al. Role of Molecular Dynamics and Related Methods in Drug Discovery. J. Med. Chem. (2016). Leaver-Fay A, Tyka M, Lewis SM, Lange OF, Thompson J, et al. "Rosetta3 an object-oriented software suite for the simulationand design of macromolecules". Methods Enzymol 487 (2010): 545–574.; Schoeder C T et al. "Modeling Immunity with Rosetta:Methods for Antibody and Antigen Design" Biochemistry 60 (2021): 825−846. C Norn et al, Protein sequence design by explicit energy landscape optimization. PNAS 2021. Mason, Derek M., et al. "Optimization of therapeutic antibodies by predicting antigen specificity from antibody sequence via deeplearning." Nature Biomedical Engineering 5.6 (2021): 600-612.https://wenmr.science.uu.nl/prodigy/https://zhanglab.dcmb.med.umich.edu/SSIPe/ 준비사항  노트북 사용, 사이트 가입, 프로그램 설치 등 준비사항 : FoldIt 웹사이트 가입 (https://fold.it/) : trDesign (https://github.com/gjoni/trDesign) 및 tensorflow 1.13 or 1.14

참여자수

215

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의 소개 및 개요입니다. 성명 이원태 소속기관 연세대학교 과목명 신약타겟 단백질구조결정학 강의시간 3 학습목표 - 왜 구조기반 신약설계가 필요한가 ? - 구조기반 신약설계에 필요한 질병 타겟 단백질들의 삼차원 구조규명 첨단기술을 학습   강의 선수과목 및 준비사항입니다. 선수과목 일반생물학, 생화학, 물리화학, 화학 참고자료 - 참고 논문 (별도로 공지) - 참고서: 1. Introduction to Protein Architecture, A. M Lesk, 2001, Oxford Press 2. Principles of Protein X-ray Crystallography, 2nd Ed. Jan Drenth, Springer, 199 3. Principles of Physical Biochemistry, Kensal E. van Holde, W. Curtis Johnson, P. Shing Ho, Pearson Prentice Hall, 2006 4. Drug Design & Development, Chris Rostron, Oxford Univ. Press, 2020 준비사항 없음  

참여자수

40

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의 소개 및 개요입니다. 성명 홍동완 소속기관 가톨릭대학교 의과대학 과목명 알파폴드를 이용한 단백질 구조 예측 및 평가  강의시간 2시간 학습목표 인공지능 기반 단배길 구조 예측 도구인 알파폴드를 이용하여 주어진 아미노산 서열에 대해 단백질 구조를 예측하는 실습을 진행하고. 예측된 단백질 구조를 이해하고 이들 결과를 평가할 수있는 능력을 키운다.   강의 선수과목 및 준비사항입니다.   선수과목 단백질 데이터 베이스, 단백질 생물정보학 참고자료 - 도서, 웹사이트, 논문 등     준비사항 랩탑 컴퓨터, 데스크탑 컴퓨터  

참여자수

73

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의시간 강의내용 실습여부 1 분자역학 - 신약개발 프로세스, 이성질체, 이면각   2 분자동력학 시뮬레이션 - Time, Size scales, 분자역학 에너지 함수, 카이랄성, 역 장, 프로그램, 응용예제   3 단백질 모델링 알고리즘 - 극소/최소 최적화   4 단백질 구조 기반 피쳐 분석 - PDB 핸들링, Rg, Distance matrix (실습) O 5 분자역학 프로그램 CHARMM : 인스톨, CHARMM-gui (실습) O 6 Conformational analysis (실습) O 7 Protein - ligand MD simulation (실습) O

참여자수

61