Professor

-

Learning Period

11-25-2024 ~ 12-31-2029

Course Introduction

성명 김은지 소속기관 코오롱인더스트리 강의 명 (주제) 화학정보학의 기초: AI와 계산 화학으로 풀어보는 신약 개발 학습목표 이 강의는 화학정보학의 기초를 배우고, AI, 분자동역학, 양자계산을 신약 개발에 어떻게 활용하는지 설명합니다. 참가자는 약물 설계와 용해도 파라미터 예측 등 중요한 화학적 특성을 예측하는 방법을 익히게 됩니다. 분야 AI □ Bio Chem □ Drug 단계 기초

Students

32

Professor

-

Learning Period

10-07-2024 ~ 12-31-2029

Course Introduction

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

Students

91

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

강의 소개 및 개요입니다. 성명 류성옥 소속기관 Galux 과목명 Graph Neural Networks for Molecular Property Prediction 강의시간 7 학습목표 1. Python 언어의 기본 문법을 익혀 기본적인 코딩을 할 수 있다2. Python 프로그래밍에서 필요한 기초적인 변수, 연산, 문자열, 조건문, 반복문, 함수 등을 학습한다.   강의 선수과목 및 준비사항입니다. 선수과목   참고자료  * GNN github repository, https://github.com/SeongokRyu/Graph-neural-networks* Bayesian learning github repository, https://github.com/SeongokRyu/Bayesian-deep-learning* Reliable GNN github repository, https://github.com/AITRICS/mol_reliable_gnn 준비사항  PyTorch 를 설치 및 활용가능한 노트북, 혹은 Google Colab 활용Dataset은 MoleculeNet 및 Therapeutic Data Commons 의 open benchmark를 활용예정

Students

67

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

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 

Students

43

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

강의 소개 및 개요입니다.  성명 신현길 소속기관 안전성평가연구소 과목명 독성 예측 인공지능 모델 활용 강의시간 6시간 학습목표 1. 무료로 사용 가능한 독성 예측 프로그램 설치 및 활용 방법 익히기 2. python을 이용한 데이터 분석 및 처리 방법 익히기 3. 예측 모델 개발을 위한 python 코드 완성해보기   강의 선수과목 및 준비사항입니다. 선수과목 파이썬 프로그래밍 기초(2-5강), 화학정보학개론, QSAR, RDKit의 기초와 이를 이용한 화학정보학 실습 참고자료 RDKit의 기초와 이를 이용한 화학정보학 실습 [강사 강원대학교 이주용] 1. 컴퓨터를 이용한 신약 개발 방법론 https://www.ibric.org/myboard/list.php?Board=news&Page-2&&PARA3-21) 2. pubchempy (https://pubchempy.readthedocs.io/en/latest/) 3. openbabel 파이썬 모듈 http://openbabel.org/wiki/python) 참고자료 4. MOPAC 홈페이지 (http://openmopac.net/) 5. Chembl 데이터베이스 (https://www.ebi.ac.uk/chembin 6. binding DB (https://www.bindingdb.org/rwd/bind/index.jsp) 7. DILIrank 미국 FDA에서 정리한 데이터 베이스 (classificaion 모델 개발용 데이터) https://www.fda.gov/science-research/liver-toxicity-knowledge-base-ltkb/drug-induced-liver-in jury-rank-cdilirank-dataset) 준비사항 아나콘다 파이썬으로 진행(아나콘다 파이썬이 아닌 경우 pandas, matplotilb, sci-kit learn 모듈 추가 설치 필요) 아나콘다 파이썬에서 추가 설치가 필요한 모듈 (pubchempy, mopac, openbabel, joblib) 아나콘다에서 제공하는 spyder 사용방법 숙지(다른 IDE 호라용해도 문제 X) text editor 프로그램(Atom, Sublime 등) binding DB 데이터 활용을 위한 홈페이지 가입 필요

Students

87

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

강의 소개 및 개요입니다. 성명 이주용 소속기관 강원대학교 화학생화학부 과목명 일반화학 기초 강의시간 6 시간 학습목표 본 수업에서는 신약 개발에 필요한 일반 화학의 기초 지식을 학습한다.   강의 선수관목 및 준비사항입니다. 선수과목 - 없음 참고자료 대학화학 5판, 자유아카데미 줌달의 일반화학 10판, 사이플러스 준비사항 없음

Students

46

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

강의시간 강의내용 실습여부 1 천연물 의약품 개발을 위한 예측기술/DB 및 모델링 접근법 소개 -     천연물 개요 및 의약품 개발사례 -     천연물 의약품 개발 연구에 활용 가능한 예측기술 -     천연물 기반 데이터베이스 -     예측모델 개발을 위한 모델링 접근법   2 천연물 데이터 수집 - 천연물 DB 데이터 수집 -     PubChem DB를 활용한 분자구조 데이터 수집 -     PubChem DB를 활용한 Bioassay 데이터 수집 O 3 예측모델 개발을 위한 구조기반 분자표현자 계산 -     분자표현자 기법 소개 -     RDKit을 활용한 분자표현자 계산 -     Mordred를 활용한 분자표현자 계산 -     PaDELPy를 활용한 분자표현자 계산 -     NC-MFP를 활용한 분자표현자 계산 O 4 예측모델 개발을 위한 데이터 전처리 -     데이터 정규화 및 표준화 -     데이터 불균형 문제를 위한 데이터 샘플링 -     데이터 전처리 및 샘플링 기법 구현 O 5 딥러닝 기반 예측모델 개발 및 활용 -     딥러닝 알고리즘 소개 -     DNN 알고리즘 구현 -     DNN 기반 정량/정성 예측모델 개발 및 성능평가 -     DNN 예측모델 활용 O

Students

51