강의 소개
신약개발에서 후보 물질이 탈락하는 흔한 이유 "물에 안 녹아서"를, 실험 전에 AI로 미리 예측한다. 화학정보학·QSAR의 원리로 분자 구조(SMILES)를 RDKit으로 읽어 분자량·LogP·수소결합 같은 디스크립터(숫자 특성)로 바꾸고, RandomForest 회귀로 용해도(logS)를 예측한다(R² 0.89). 실제 분자 구조를 그려 보고, 아스피린·카페인 같은 새 분자도 직접 예측한다. 나아가 특성 중요도(LogP가 결정적)·적용 범위(학습 밖 분자는 못 믿는다)·R²의 함정까지 짚어, 화려한 결과보다 정직한 검증을 배우는 약학·화학 AI 프로젝트.
멘토 Q&A 포함
코드 자료 포함
리포트 자료 포함
강의 정보
강사
딥클래스 멘토 멘토
총 강의시간
26분
수강기한
평생 무제한
총 강의수
15개
연계 진로
의약학
연계 교과
과학
커리큘럼
총 3개 섹션 · 15개 수업섹션 1. 1회차 — 신약개발과 분자 데이터(QSAR의 세계)
5개 수업- [1-01] 왜 '물에 녹는가'가 신약의 운명을 가르나미리보기01:57
- [1-02] QSAR — 구조가 성질을 결정한다01:57
- [1-03] 분자를 텍스트로 — SMILES와 RDKit01:59
- [1-04] 그림을 숫자로 — 분자 디스크립터01:58
- [1-05] 분자량·LogP와 용해도의 관계01:41
섹션 2. 2회차 — 예측 모델 구축
5개 수업- [2-01] 회귀 문제와 평가지표 — RMSE·R²01:45
- [2-02] 학습/평가 분리와 RandomForest01:15
- [2-03] 예측 결과 — 실제 vs 예측01:39
- [2-04] 무엇이 용해도를 결정하나 — 특성 중요도01:05
- [2-05] 잘 맞은 분자 vs 빗나간 분자01:11
섹션 3. 3회차 — 해석·한계·실무
5개 수업- [3-01] 친수성·소수성으로 용해도 읽기01:50
- [3-02] 새 분자 직접 예측 — 아스피린·카페인01:42
- [3-03] 적용 범위 — 학습 밖 분자는 못 믿는다02:11
- [3-04] R²가 전부는 아니다 — in-silico의 자리02:00
- [3-05] 신약 파이프라인 속 AI·결론02:10
멘토 소개
💊
딥클래스 멘토 강사
딥클래스 멘토 멘토는 의약학 분야의 풍부한 경험을 바탕으로 고등학생 눈높이에 맞춘 강의를 진행합니다.
수강평 0
리뷰를 작성하려면 로그인이 필요합니다
Q&A
Q&A
(0개 질문)로딩 중…
추천도서
추천 도서가 없습니다.