신약후보물질 탐색 및 최적화를 위한 딥러닝 모델 수료증
모집인원999명
학습기간2024-03-01 ~ 2024-12-31
강좌 소개
강의 소개 및 개요입니다.
|
성명 |
김동섭 |
소속기관 |
KAIST |
|
과목명 |
신약후보물질 탐색 및 최적화를 위한 딥러닝 모델 |
강의시간 |
4 |
|
학습목표 |
단백질-리간드 결합구조 정보를 이용한 binding affinity 예측 및 최적화를 위한 딥러닝 모델에 대해 학습한다. |
||
과정 소개
신약후보물질 탐색 및 최적화를 위한 딥러닝 모델 강의 과정입니다.
|
1 |
단백질-리간드 Binding affinity 예측 모델 서열 정보 기반 Binding affinity 예측모델 - 구조 기반 Binding affinity 예측모델 Network 기반 Binding affinity 예측모델 |
|
2 |
GCN을 이용한 binding affinity 예측 모델 Graph Convolutional Network (GCN) 모델 2차원 화합물 구조 표현을 위한 GCN 모델 - binding affinity 예측을 위한 GCN 모델 |
|
3 |
신약후보물질 최적화를 위한 딥러닝 모델 - Docking 강화 학습 |
|
4 |
강화학습 및 도킹을 활용한 신약후보물질 최적화 MolDQN 모델 Morld 모델 |