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

11-27-2024 ~ 12-31-2029

Course Introduction

** 업데이트 중입니다.     성명 정성원 소속기관 가천대학교 강의 명 (주제) 생물정보학 개론 (Introduction to Bioinformatics) 학습목표 생명정보학 분야에 존재하는 다양한 영역을 이해하고 오믹스 데이터 측정에 대한 기초를 학습한다. 생명정보 연구에 활용 가능한 여러 데이터베이스 및 지식베이스 및 그 가치를 이해한다 분야 □ AI v Bio □ Chem □ Drug 단계 기초      

Students

29

Professor

-

Learning Period

11-27-2024 ~ 12-31-2029

Course Introduction

목차 (강의시간) 강의내용 실습여부  교수자 1 Streamlit 소개 Streamlit의 기본 개념과 AI/ML 프로젝트에서의 활용 사례 탐구 MolScore Library 의 의 주요 구성 요소 및 역할 소개 Python 환경 설정과 필수 라이브러리 설치  X  신동욱 2 실습: MoleScore 사용한 화합물 생성 목표 설정 Multi-Parameter 설정을 통한 생성 목표 정의 사용자 정의 Scoring Function 클래스 작성  O  신동욱 3 실습: MolScore을 활용한 화합물 학습 사용자 정의 BenchMark 구성 방법 학습 커리큘럼 학습 설정 / 리플레이 버퍼 활용  O  신동욱 4 실습 화합물 : 평가 결과 시각화 및 확장 Streamlit 컴포넌트를 활용한 생성 결과 시각화 MolScore 기본 모니터링 화면 클론코딩 및 응용  O  신동욱 5 실습: Streamlit 기반 Web App 개발 및 배포 스코어링 결과 시각화 및 데이터 저장 결과물 배포 및 공유 O 신동욱

Students

4

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

11-25-2024 ~ 12-31-2029

Course Introduction

성명 빈진혁 소속기관 연세대학교 의과대학 강의 명 (주제) ML/AI 기반 유전체-단백체 멀티오믹스 통합분석 방법론 학습목표 최근 바이오텍 기술의 발전으로 인해 다양한 레벨의 생명정보 데이터들이 생성 및 축적되고 있으며, 이러한 데이터들을 통합 분석하는 방법론들도 인공지능 기술의 발달과 더불어 활발하게 개발되고 있다. 본 강의에서는 유전체/전사체/단백체 데이터들이 통합되는 방법론과 실제 개발된 툴들을 사용해봄으로써 데이터 통합에 대한 이해 및 경험을 쌓는 것을 목표로 한다. 분야 □ AI ■ Bio □ Chem □ Drug 단계 심화

Students

28

Professor

-

Learning Period

11-20-2024 ~ 12-31-2029

Course Introduction

성명 이윤지 소속기관 중앙대학교 약학대학 강의 명 (주제) 생물정보학을 활용한 단백질 간 상호작용 및 복합체 모델링 학습목표 본 강의에서는 AI와 생물정보학 도구를 활용하여 단백질 간 상호작용(PPI)과 단백질 복합체 모델링에 대해 학습한다. 생물학적 서열 분석을 기초로 하여, 단백질 상호작용의 중요성과 이를 기반으로 한 복합체 모델링 기법에 대해 소개한다. 학생들은 서열 분석과 PPI 연구를 바탕으로 실제 단백질 복합체를 모델링하는 과정을 배우며, 최신 기술이 이 과정에서 어떻 게 활용되는지, 한계는 무엇인지 이해한다. 분야 □ AI ■ Bio □ Chem □ Drug 단계 기초 / 심화

Students

36

Professor

-

Learning Period

11-18-2024 ~ 12-31-2029

Course Introduction

성명 정경인 소속기관 차의과학대학교 강의 명 (주제) 바이오의약품 기초임상약리학 학습목표 이 바이오의약품 기초임상약리학 과정은 AI 신약개발 분야 입문자들에게 바이오의약품의 기본 개념을 소개한다. 수강생들은 바이오의약품의 종류, 기본 특성 및 작용 원리에 대해 학습하게 된다. 또한 백신, 유전자치료제, 세포치료제 등 주요 바이오의약품 유형에 대한 기초적인 이해를 갖추게 될 것이다. 이를 통해 향후 심화 학습이나 실무에 필요한 기본적인 지식 기반을 마련하는 것이 이 과정의 목표이다. 분야 □ AI ■ Bio □ Chem ■ Drug 단계 기초

Students

26

Professor

-

Learning Period

11-14-2024 ~ 12-31-2029

Course Introduction

성명 송 준 호 소속기관 코오롱바이오텍 강의 명 (주제) 첨단바이오의약품의 이해 학습목표 신약개발에 필요한 기초 이론 교육으로 바이오의약품과 첨단바이오의약품의 cell bank부터 원액 및 완제 생산공정을 실제 예시를 통해 소개하고, 사용되는 기기장비에 대한 특징을 이해한다. 분야 □ AI ■ Bio □ Chem □ Drug 단계 기초

Students

15

Professor

-

Learning Period

11-14-2024 ~ 12-31-2029

Course Introduction

성명 박광수 소속기관 계명대학교 강의 명 (주제) PROTAC 기술 소개 및 PROTAC 개발을 위한 AI 활용 고찰 학습목표 차세대 신약 플랫폼 기술인 PROTAC 기술에 대한 학습 및 이해한다. PROTAC 활용 실제 연구에 대해 학습하고 향후 AI를 활용한 설계 방향성에 대해 학습한다. 분야 □ AI □ Bio ■ Chem □ Drug 단계 기초

Students

35

Professor

-

Learning Period

11-12-2024 ~ 12-31-2029

Course Introduction

성명 강수임 소속기관 미국 콜롬비아 대학교 강의 명 (주제) AI-Powered Drug Discovery 관련 최근 연구동향 파악 학습목표 1. 신약개발에 이용되는 인공지능 모델연구 동향파악 2. 최신 인공지능 신약개발 관련 논문들과 플래폼을 소개 분야 ■ AI □ Bio □ Chem ■ Drug 단계  

Students

36

Professor

-

Learning Period

11-12-2024 ~ 12-31-2029

Course Introduction

성명 윤재석 소속기관 충북대학교 강의 명 (주제) 약리학의 기본 개념 학습목표 약물의 기본 개념과 약리학의 연구분야를 이해한다 약물의 주요 작용 타겟을 구분한다 용량과 임상반응 관계를 이해한다 분야 □ AI ■ Bio □ Chem □ Drug 단계 기초

Students

22

Professor

-

Learning Period

11-12-2024 ~ 12-31-2029

Course Introduction

성명 윤재석 소속기관 충북대학교 강의 명 (주제) 중추신경계 약리학분야의 연구방법 학습목표 신경정신약리학에사용하는 질병모델을 이해한다. 행동약리학적 평가와 신경생물학적 기법을 이해한다. 특정 동물모델의 응용방안을 설명할 수 있다. 분야 □ AI ■ Bio □ Chem □ Drug 단계 심화

Students

10

Professor

-

Learning Period

11-12-2024 ~ 12-31-2029

Course Introduction

성명 서광석 소속기관 (주) 엠이티라이프사이언스 강의 명 (주제) 바이오의약품의 이해 학습목표 1. 바이오의약품의 정의와 개요에 대해 이해하고, 화학합성의약품과 대비되는 특징을 확인한다. 2. 세계 의약품시장 현황과 바이오의약품 관련 최신 기술동향을 사례를 통해 알아본다. 3. 바이오의약품 공정연구에 필요한 제반 지식과 공정 개발 시 고려사항을 단계별로 학습한다. 4. 바이오의약품 분석법의 종류와 개발 절차, 규격설정 방법 등을 예시를 통해 이해한다. 분야 □ AI ■ Bio □ Chem □ Drug 단계 기초

Students

17

Professor

-

Learning Period

11-12-2024 ~ 12-31-2029

Course Introduction

성명 홍혜숙 소속기관 유빅스테라퓨틱스 강의 명 (주제) 혁신신약 의약품개발의 이해 학습목표 1. 신약 개발 과정의 전반을 이해하고 각 단계의 핵심 요소와 성공적인 개발을 위한 전략을 습득 2. 각국의 신속 허가 프로그램에 대한 이해를 통해 글로벌 신약 개발 전략을 세우는 데 필요한 지식과 실무적 접근법을 습득한다. 분야 □ AI ■ Bio □ Chem □ Drug 단계 기초

Students

15

Professor

-

Learning Period

11-12-2024 ~ 12-31-2029

Course Introduction

성명 박 상 용 소속기관 SK bioscience 강의 명 (주제) 제약바이오산업의 이해와 전망 학습목표 제약바이오산업의 이해와 전망을 통해 국내 산업의 성장 가능성을 확인하고, 제약바이오 기업의 구조에 대한 이해를 함께함으로 본 산업의 진출을 돕는다. 분야 □ AI ■ Bio □ Chem □ Drug 단계 기초

Students

14

Professor

-

Learning Period

11-07-2024 ~ 12-31-2029

Course Introduction

성명 박혜진 소속기관 에이조스바이오 강의 명 (주제) 딥러닝을 사용한 펩타이드 활성 예측모델 학습목표 딥러닝과 펩타이드 활성 예측의 기본 개념을 이해하고, 데이터 전처리 및 신경망 모델 설계 능력을 함양한다. 분야 □ AI ■ Bio □ Chem □ Drug 단계 심화

Students

31

Professor

-

Learning Period

11-07-2024 ~ 12-31-2029

Course Introduction

성명 조혜영 소속기관 차의과학대학교 약학대학 강의 명 (주제) 임상약물동력학 (Clinical Pharmacokinetics/Pharmacodynamics) 학습목표 신약개발을 위한 임상시험이나 환자를 치료하는 임상 현장에서 안전하고 효과적인 의약품의 투여 용량과 용법을 결정하는 약동학 및 약력학 지식과 기법을 학습한다. 분야 □ AI □ Bio □ Chem ■ Drug 단계 기초

Students

16

Professor

-

Learning Period

11-07-2024 ~ 12-31-2029

Course Introduction

성명 조혜영 소속기관 차의과학대학교 약학대학 강의 명 (주제) 분산형 임상시험 (Decentralized Clinical Trial, DCT) 학습목표 최근 분산형 임상시험(DCT)의 필요성과 현장 수요가 증가되면서 우리나라 정부에서도 글로벌 경쟁력을 강화하고 임상시험 참여 기회를 확대해 신약 접근성을 제고할 수 있도록 DCT 도입을 위한 기반 마련을 지원하고 있으므로 DCT의 개념과 장단점을 이해하고 DCT 수행을 위한 제도적 개선 방향에 대해 검토한다. 분야 □ AI ■ Bio □ Chem ■ Drug 단계 기초

Students

6

Professor

-

Learning Period

11-01-2024 ~ 12-31-2029

Course Introduction

성명 박혜진 소속기관 에이조스바이오 강의 명 (주제) 대규모 언어 모델과 신약개발 학습목표 대규모 언어모델의 원리와 신약개발에서의 응용 가능성을 이해하고, 이를 통해 혁신적인 신약개발 방법론을 탐구한다. 분야 ■ AI □ Bio □ Chem □ Drug 단계 심화

Students

28

Professor

-

Learning Period

10-29-2024 ~ 12-31-2029

Course Introduction

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

Students

43

Professor

-

Learning Period

10-24-2024 ~ 12-31-2029

Course Introduction

성명 송길태 소속기관 부산대학교 강의 명 (주제) Recommendation systems in bioinformatics 학습목표 1. Recommendation systems에 대한 기본 개념을 이해한다. 2. Recommendation systems을 활용하여 표적 단백질 결합 후보 물질 추천 및 바이오마커 발굴 등의 문제를 해결하는 방법을 학습한다. 분야  AI 단계 심화

Students

12

Professor

-

Learning Period

10-14-2024 ~ 12-31-2029

Course Introduction

성명 류재용 소속기관 덕성여자대학교 강의 명 (주제) 능동적 학습을 통한 약물 가상 탐색 학습목표 1. 약물 저해제 가상탐색 전략 중, 능동적 학습을 활용하는 전략에 대해 학습한다. 2. AI 신약개발에 유용한 다양한 파이썬 라이브러리에 대해 학습한다. 분야 AI   단계 심화

Students

36

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

10-10-2024 ~ 12-31-2029

Course Introduction

성명 허기영 소속기관 서울대학교병원 강의 명 (주제) 비임상자료에 기반한 임상 약동학 예측 학습목표 약동학(Pharmacokinetics)의 정의와 주요 용어의 의미를 이해하고, 이를 바탕으로 임상시험 자료를 해석한다. 계량약리학(population pharmacokinetics)을 중심으로 비임상-임상 약동학 예측을 위한 방법론을 설명한다. 생리학기반 약동학(PBPK) 및 AI를 활용한 약동학 예측 방법에 대해 설명한다. 분야 Drug 단계 기초

Students

50

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

90

Professor

-

Learning Period

09-12-2024 ~ 12-31-2029

Course Introduction

성명 김 이 랑 소속기관 온코크로스 강의 명 (주제) AI 신약개발을 위해 알아야 할 최신 항암제 개요 학습목표 최근 항암제 개발 트렌드에 대해 알아보고 AI 신약개발의 방향에 대해 모색한다. 분야  Drug 단계 기초

Students

63

Professor

-

Learning Period

09-12-2024 ~ 12-31-2029

Course Introduction

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

Students

62

Professor

-

Learning Period

09-01-2024 ~ 12-31-2029

Course Introduction

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

Students

105

Professor

-

Learning Period

09-01-2024 ~ 12-31-2029

Course Introduction

성명 선 호 근 소속기관 부산대학교 통계학과 강의 명 (주제) R을 활용한 유전체 빅데이터 통계 분석 (Statistical analysis of high-dimensional genomic data using R) 학습목표 유전체 발현량 데이터와 DNA 메틸화 데이터와 같은 고차원 유전체 데이터를 분석하는 통계적 검정 방법들과 벌점함수 기반 변수선택 방법들을 학습시키고,  통계 패키지 R을 사용하여 실제 유전체 빅데이터를 분석하는 실습을 통해 학생들의 데이터 분석 능력을 향상시킨다. 분야 AI, Bio 단계 기초 및 심화

Students

83

Professor

-

Learning Period

04-15-2024 ~ 12-31-2024

Course Introduction

강의 소개 및 개요 입니다.  성명 김학수 소속기관 건국대학교 과목명 자연어처리 강의시간 6시간 학습목표 1. 자연어처리에 대한 기본 개념을 이해한다. 2. 자연어처리 문제를 기계학습을 통해 해결하는 방법을 이해하고 구현한다. 3. 대용량 언어모델을 이해하고 자연어처리 문제에 적용하는 방법을 학습한다.   강의 선수과목 및 준비사항입니다. 선수과목 파이썬 프로그래밍, 기계학습 참고자료   준비사항 인터넷 연결 가능한 PC(또는 노트북) 구글 코랩 연결을 위한 구글 드라이브 개인 아이디

Students

99

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

강의시간 강의내용 실습여부 1 질환유전학적 방법론 소개 eQTL 방법의 소개eQTL 방법의 의미  X 2 Bulk-eQTL 방법론 소개 Bulk-eQTL 활용 연구 소개  X  3 Bulk-eQTL 분석 방법 소개 Bulk-eQTL 분석 실습  O

Students

38

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

강의시간 강의내용 실습여부 1  - 면역 체계  - 항체 신약  - 항체의 기능과 구조   2  - 면역 데이터베이스  - 항체 데이터베이스  - 항체 넘버링 X 3  - 단백질 설계  - 항체 구조 예측  - CDR 구조 예측  - 항체 설계   O 4  - 치료용 항체의 면역원성  - 항체 인간화  - 인공지능을 활용한 항체 인간화 구분   X

Students

101

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

  강의시간 강의내용 실습여부 1 물리화학적 데이터 이해 - 용해도 연관 물리화학적 성질 - 해리 상수 (pKa)에 따른 분배 계수 및 용해도의 변화 N 2 유기 분자와 무기 분자 구분 (python) Y 3 ADMET 개요 및 Metabolism 데이터 이해 -     ADME와 독성간의 상관관계 -     약물 대사 phase I, II, III N 4 Metabolism 예측을 위한 양자 계산 (anaconda, MOPAC) Y 5 Absorption, Distribution, Excretion 데이터 이해 - 측정 실험 방법과 측정 값의 정의 N 6 독성 in vivo 데이터 이해 -     관련 규제 상황 -     규제 가이드라인 N 7 변이원성(mutagenesis), 발암성(carcinogenecity) 데이터 이해 -     가이드라인 시험법 확인 -     발암성 데이터 이해 N 8 장기 독성 (organ toxicity) 데이터 이해 -     가이드라인 시험법 확인 -     장기 독성 데이터 이해 N 9 AOP와 독성 예측 -     AOP 활용 독성 예측 방법 -     in vitro 시험 데이터 이해 N

Students

121

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

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

Students

97

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 황상연 소속기관 HITS 과목명 Al 기반 protein-ligand interaction 예측 연구의 최신동향 강의시간 4 학습목표 Al 기반 protein-ligand interaction 예측 연구의 최신 동향 (2022) Protein-ligand interaction (PL) 예측을 위한 딥러닝 모델 연구의 최신 동향을 알아본다. 강의는 논문 리뷰로 진행되며, 2020년도 이후의 주목할 만한 PL 예측 모델 연구들을 살피고 관련하여 결합구조 예측 모델의 일부 또한 살핀다.     강의 선수과목 및 준비사항입니다. 선수과목  (권장) Al in Predicting Drug-Protein Interaction (sequence-based) (권장) Al in Predicting Protein-Ligand Interaction (structure-based) 참고자료 리뷰 대상 논문들 준비사항 없음

Students

65

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

강의 소개 및 개요입니다. 성명 김이랑 소속기관 온코크로스 과목명 AI 신약개발시 알아야 할 항암제 개요 강의시간 1시간 학습목표 항암제는 AI 신약개발 뿐 아니라 전통신약개발의 경우에도 가장 많이 개발되며, 시장 역시 가장 큰 영역이다. 항암제의 역사, 종류 및 임사에서 항암제 사용 등 항암제 전반에 대해 알아보려 한다.  

Students

113

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

강의 소개 및 개요입니다. 성명 이민호 소속기관 동국대학교 과목명 AI 적용을 위한 약물 fingerprint 및 유사도 계산 강의시간 3 학습목표 1. 약물 파일 포맷의 종류와 개념을 이해하고 이를 데이터베이스로부터 내려받아 활용할 수 있다.2. 약물간의 유사도를 R 프로그래밍 언어를 통해 계산할 수 있다.

Students

56

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

강의 소개 및 개요입니다. 성명 김태민 소속기관 가톨릭대학교 과목명 Big data in precision oncology 강의시간 2 학습목표 1. 대표적인 암유전체데이터베이스인 TCGA/ICGC를 통해 big data의 개요 및 구조를 학습한다   강의 선수과목 및 준비사항입니다. 선수과목  Introduction to NGS data analysis, Genomics analysis, Gene expression analysis, RNA-seq/single cell RNA analysis 참고자료  - 준비사항  -

Students

86

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

강의 소개 및 개요입니다. 성명 황소현 소속기관 차의과학대학교 과목명 Bionetwork analysis 강의시간 3 학습목표 1. 기능유전자 네트워크의 정의를 이해하고 웹도구를 활용할 수 있다.2. Cytoscape를 활용하여 네트워크 분석을 할 수 있다.   강의 선수과목 및 준비사항입니다. 선수과목  - 참고자료 Hwang S, Rhee SY, Marcotte EM, Lee I. Systematic prediction of candidate gene function associated to phenotype traitsusing the probabilistic functional gene network of Arabidopsis thaliana. Nature Protocols 2011 Aug 25;6(9):1429-42  준비사항  노트북 사용하여 실습수행

Students

60

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

강의 소개 및 개요입니다. 성명 김태민 소속기관 가톨릭대학교 과목명 Cancer genome analysis 강의시간 5 학습목표 1. 암유전체의 대표적인 변이 중 돌연변이(mutation) 및 염색체변이(copy number alteration)에 대한 정의 및 대표적인 연구기법 등을 학습한다.   강의 선수과목 및 준비사항입니다. 선수과목 NGS data analysis, Genomics analysis, Big data in precision oncology 참고자료   준비사항  R+ 기반 실습과목

Students

66

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

강의 소개 및 개요입니다.  성명 김현욱 소속기관 KAIST 과목명 Disease-Target-Drug relationship analysis from multi-dimensional data 강의시간  1시간 학습목표 1. 소프트웨어 사용을 위한 컴퓨팅 환경 학습2. 약물상호작용, 약물부작용 등 다양한 약물반응의 예측을 위한 머신러닝 기반 프로그램 소개   강의 선수과목 및 준비사항입니다. 선수과목  AI 기초 (Python programing, machine learning); Chemoinformatics 분야 기초 (molecular representation 관련) 및 중급 과목 (특히 RDKit 관련) 참고자료  프로그램 관련 논문들 준비사항  -

Students

35

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

강의 소개 및 개요입니다.  성명 김상우 소속기관 연세대학교 과목명 Genomic Analysis (SNV, SV, CNV) 강의시간 5 학습목표 1. NGS 데이터로부터 다양한 유전자 변이를 탐지해 낼 수 있다2. NGS 데이터로부터 유전 변이를 찾아내는 이론을 이해하고, 정확한 결과를 도출할 수 있다   강의 선수과목 및 준비사항입니다. 선수과목 서열분석 (Sequencing Analysis) (기초), Introduction to NGS data analysis (중급)  참고자료 x 준비사항  x

Students

68

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 구희정 소속기관 스탠다임 과목명 Identifying therapeutic targets using biological graph 강의시간 2 학습목표 1. 질병 타겟의 개념 및 타겟 발굴 방법론 전반에 대해 이해한다.2. 기 구축된 타겟 발굴 방법론의 예를 통해 구체적 접근 방법을 이해한다.    

Students

29

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