Professor

-

Learning Period

11-27-2024 ~ 12-31-2029

Course Introduction

성명 국승호 소속기관 바이오넥서스(BIONEXUS) 강의 명 (주제) 의료이미지 기반 환자진단 및 바이오마커 탐색 학습목표 딥러닝을 활용한 의료이미지 분석의 기초 개념과 기법을 이해하고, 이를 통해 질병 진단 및 바이오마커 탐색을 위한 모델 설계 능력을 기른다. 다양한 의료 데이터를 활용하여 환자 맞춤형 진단 및 예측 모델을 개발하며, 실제 사례를 통해 딥러닝 기반 진단 모델의 응용 가능성과 한계를 파악한다. 분야 v AI v Bio □ Chem □ Drug 단계 심화

Students

10

Professor

-

Learning Period

10-11-2024 ~ 12-31-2029

Course Introduction

성명 박대찬 소속기관 아주대학교 강의 명 (주제) NGS와 AI를 이용한 항체 레퍼토리 (repertoire) 분석 학습목표 생체 내에서 B 세포의 발달 및 B cell receptor (BCR 또는 항체)의 다양성과 항원 특이성이 확보되는 면역학 기초를 배운다. 천문학적인 BCR 다양성 분석을 위해 NGS 기반 BCR 시퀀 싱 데이터를 생산하는 최신 연구 기법을 학습한다. 생명정보학적 분석법으로 BCR의 V gene usage와 complementarity-determining regions (CDR) 서열을 동정하는 법을 배우고 딥러닝으 로 대규모 DNA 서열과 아미노산 서열을 학습하는 방법을 배운다. 분야 Bio   단계 기초

Students

29

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

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

Students

134

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

강의 소개 및 개요입니다. 성명 이일구 소속기관 팜캐드 과목명 Deep Learning based Molecular Generation 강의시간 4 학습목표 1. De novo molecular generation 모델의 핵심 방법을 학습한다.2. pytorch 를 이용하여 RNN, ChemicalVAE 모델을 직접 구현한다.   강의 선수과목 및 준비사항입니다. 선수과목 - 딥러닝 기초 (CNN, RNN, 뉴럴넷 학습 이론)- Pytorch 기초 참고자료  - Generating Focused Molecule Libraries for Drug Discovery with Recurrent Neural Networks- Automatic Chemical Design Using a Data-Driven Continuous Representation of Molecules 준비사항  - 노트북 사용- python3 및 pytorch 사용- jupyter notebook 사용

Students

56

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

강의시간 강의내용 실습여부 1 -  Why CNNs, MLPs, RNNs are insufficient for non-Euclidean data -  Neural network for graphs & sets -  Euclidean transformations, invariance, and equivariance   2 -  Invariant geometric GNNs (SchNet, DimeNet, and SphereNet) -  Simple equivariant geometric GNNs (EGNN and NequIP) O 3 -  Local frame-based geometric GNNs (ClofNet and LEFTNet) -  Frame averaging for geometric GNNs (Frame averaging, FAENet) O 4 -  Steerable features, rreducible representations, Wigner-D matrix, spherical harmonics, Clebsch-Gordan tensor product -  Steerable geometric GNNs (Tensor field network, SE(3)-Transformer)   5 - Steerable geometric GNNs (Equiformer, MACE, eSCN, EquifomerV2) O

Students

46

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

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

Students

178

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

성명 김화종 소속기관  강원대학교 과목명  신약개발에 필요한 머신러닝 이해 강의시간  9 모듈 학습목표 신약개발에 필요한 화합물 데이터를 다루는 방법을 배우고 화합물의 속성을 수치 테이블로 표현하는 방법, Fingerprint, 그래프 등으로 표현하는 분자 표현형을 설명한다. 머신러닝 모델을 구현하는 방법과 랜덤포레스트, MLP, CNN, Graph CNN 등을 배우고 VAE와 GAN 등 생성 모델을 이용한 분자 생성 방법을 배운다.

Students

94

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

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

Students

215

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

강의 소개 및 개요입니다. 성명 홍성은 소속기관 강원대학교 과목명 연합학습 기초 강의시간 6 학습목표 1. Pytorch 언어의 기본 문법을 익혀 기본적인 코딩을 할 수 있다2. 연합 학습의 개념을 이해하고 신약 개발 분야에 도입이 필요한 이유를 파악한다.3. 연합 학습 과정을 코드로 작성할 수 있다.  

Students

44

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

강의소개 및 개요입니다. 성명 홍성은(Pytorch, sungkenh@gmail.com) 방준일(Tensorflow, tkfka965@gmail.com ) 소속기관 AI신약융합연구원 과목명 신약 개발을 위한 딥러닝 프레임워크 기초 강의시간 10 학습목표 최근 연구 논문에서 가장 활용도가 높은 Tensorflow, Pytoch 딥러닝 프레임워크를 소개하고, github 활용 방법 및 직접 모델이나 데이터를 수정할 수 있도록 딥러닝 프로그래밍 능력을 기른다.                             강의 선수과목 및 준비사항입니다. 선수과목 Python 기초, 딥러닝 기초 참고자료 (도서) 1. 머신 러닝 교과서 with 파이썬, 사이킷런, 텐서플로 2. 파이썬 딥러닝 파이토치(Python Deep Learning PyTorch) (논문) 1. DeepDTA: deep drug–target binding affinity prediction 준비사항 - 아나콘다 설치가 가능한 PC, 노트북, 서버 등(OS, Window, Mac, Linux)

Students

121