유전체 서열 및 환자의 임상데이터를 바탕으로 질병의 예측, 진단, 치료 바이오 마커 타겟 선정 등의 해석 가능한 인공지능 기술과 관련된 다양한 생물정보학 방법론을 실험, 실습한다. 게놈 (WES) 변이 분석, 전사체 (Transcriptomics) 발현량 등 대용량 바이오 의료 데이터 분석 방법을 학습한다. 유전자 서열 분석 방법론, 임상 및 생명 빅데이터 분석의 기본 기술과 통계 방법론 대해 공부한다. 바이오 빅데이터 분석에 필요한 Python coding 및 bio data format을 학습한다.

대용량 개인 맞춤형 유전자 분석 기술의 발전에 따라 환자들의 바이오 빅데이터가 쌓이고 있다. 디지털 헬스케어 기술 개발에 필요한 인공지능 방법론, 환자와 병원에서 얻은 임상 빅데이터 분석을 통한 질병 유전자 탐색, 질병의 예후 및 생존율 예측에 관련된 생물정보학 방법론과 인공지능을 이용한 데이터 분석기법을 공부한다. 또한 이를 바탕으로 질병 발병과 유전자 이상의 상관관계를 정량적으로 탐색 가능한 방법을 실습한다.

기초적인 python 코딩은 수업시간에 조교와 함께 배울 수 있습니다. 기본적인 생명과학 지식만 있으면 수강이 가능합니다. 개념에 대한 강의를 듣고 실질적인 실습을 통해 바이오, 메디컬 데이터 분석 방법을 배울 수 있다.

일반생명과학(1학년), 프로그래밍과문제해결(1학년), 본과목은 학부생 대상 실험 실습 과목입니다. 파이썬 코딩 기초를 미리 공부하고 수강을 해야 합니다.

평가방법: 출석, 중간 발표, 기말 과제 제출로 평가 (기필 시험 없음)
점부반영: 출석 50%, 발표 및 과제물 50%

참고문헌 구입 불필요함. 생물정보학 및 Healthcare Informatics 관련 자료는 수업시간에 유인물 형태 배포

3~4주는 기본적인 데이터 구조와 분석 방법 등을 익히고, 다양한 바이오 혹은 메이컬 데이터 분석에 대한 실습을 한다.
그리고, 암 환자 데이터 분석, 질병 유전자, 바이오 마커, 약물 유전체 분석 등등의 프로젝트 발표를 준비하고, 조교의 도움을 받아 실습을 진행한다.

1주 :바이오 빅데이터의 구조
2주 :바이오 빅데이터의 구조
3주 :생물학 및 Healthcare informatics의 domain knowledge
4주 :생물학 및 Healthcare informatics의 domain knowledge
5주 :생물학 네트워크와 모듈 구조
6주 :생물학 네트워크와 모듈 구조
7주 :중간점검 및 프로젝트 주제 선정
8주 :유전체 및 단백질 기능 분석
9주 :질병 모듈 분석과 표현형 온톨로지
10주 :유전자의 변이와 발현량의 변이 분석 방법론
11주 :오믹스 데이터를 통합방법
12주 :오믹스 데이터를 통합방법
13주 :유전자-질병 표현형 지도 구축
14주 :유전자-질병 표현형 지도 구축
15주 :프로젝트 연구 발표
16주 :프로젝트 보고서 작성 및 평가

프로젝트 수업 및 실습, 과제 발표로 이루어짐
기초적인 python 코딩은 수업시간에 조교와 함께 배울 수 있음.
기본적인 생명과학 지식만 있으면 수강이 가능함.
학생들의 수준을 고려하여 실습을 진행함.
본과목은 실험실습 과목입니다.

바이오 및 메이컬 분야 데이터사이언스와 인공지능 기법 학습
기본적으로 실습은 수강학생 3명 당 조교 1명