교수자/개설자
-
학습기간
2024-09-12 ~ 2024-12-31
강좌소개
성명 김선, 이선호 소속기관 서울대학교, 아이겐드럭 강의 명 (주제) Deep learning models for drug response prediction 학습목표 약물 반응성 예측의 주요 원리와 연구 동향을 파악하고, 인공지능 약물 반응성 예측을 위한 딥러닝 방법론 및 주요 데이터베이스를 포괄적으로 학습하여 이를 실제 연구에 적용할 수 있는 기본 능력을 배양한다. 분야 AI 단계 심화
참여자수
45
약물탐색모델|
파이썬프로그래밍|
교수자/개설자
-
학습기간
2024-09-01 ~ 2024-12-31
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
64
단백질구조|
교수자/개설자
-
학습기간
2024-03-01 ~ 2024-12-31
강좌소개
강의 소개 및 개요입니다. 성명 남호정 소속기관 GIST 과목명 Lecture : AI in Predicting Drug-protein Interaction(sequence-based) 강의시간 2 학습목표 1. 단백질 서열을 사용하여 화합물-단백질 상호작용을 예측하는 다양한 방법론을 학습한다.2. 기계학습, 딥러닝 기반 화합물-단백질 상호작용 예측 모델들에 대해 학습한다. 강의 선수과목 및 준비사항입니다. 선수과목 Deep Learning Advanced (inductive bias, self-supervised learning, semi-supervised learning, Attention, Transformeretc.)Graph Deep Learning(GCN, GAT, GIN, GGNN, MPNN, etc.) 참고자료 doi: 10.1093/bib/bbz157doi: 10.1093/bib/bbab046 준비사항 Colab 접속 가능 환경
참여자수
90
약물탐색모델|
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
117
DTI|
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
34
화학정보프로그래밍|
교수자/개설자
-
학습기간
2024-03-01 ~ 2024-12-31
강좌소개
강의 소개 및 개요입니다. 성명 김동섭 소속기관 KAIST 과목명 QSAR 강의시간 5 학습목표 1. QSAR 모델 개발 과정2. 화합물구조의 수식화와 Descriptors3. QSAR를 위한 기계학습법4. Bioactivity prediction5. Proteochemometric modeling
참여자수
74
화학정보프로그래밍|
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
42
약물최적화모델|
교수자/개설자
-
학습기간
2024-03-01 ~ 2024-12-31
강좌소개
강의소개 및 개요입니다. 성명 최정모 소속기관 부산대학교 화학과 과목명 단백질-리간드 상호작용 계산을 위한 분자동역학 시뮬레이션 방법 강의시간 4시간 학습목표 분자동역학(molecular dynamics; MD) 시뮬레이션 방법의 기초를 익히고, 신약 개발에 널리사용되는 단백질-리간드 상호작용 계산에 응용한다. 강의 선수과목 및 준비사항입니다. 선수과목 기초화학 참고자료 Smit and Frankel, Understanding Molecular Simulation: From Algorithms to Applications 준비사항 해당없음
참여자수
103
DTI|