단백질 분석과 데이터 사이언스

[Protein-ligand interaction] Basics of protein-ligand docking (1) (Ligand screening의 인공지능 활용 최신기술)

단백질 정제를 원해서 정제 직무를 시작했는데, 생각 보다 단백질에 대한 탐구보다 경험적인 approach가 중요하다는 생각이 들었다. 그래서 논문을 좀 읽어보다가 pymol로 연구하는 product의 docking interaction을 보다가 공부를 좀 해보고 싶다는 생각이 들었다.한국 제약바이오협회 LAIDD에서 서울대약대의 이주용 교수님의 protein-ligand docking에 관련한 'Ligand screening의 인공지능 활용 최신기술' 이라는 강의가 있어 해당 강의를 들으면서 공부를 시작해보려고 한다. Programming과 protein에 대해 어느정도 이해가 있기 때문에, 이해 할수 있었지만 쉽지는 않았다. 그래도 공부에서 가장 중요한 것은 배운 내용을 다시 보고 자신의 언어로 표현..

웨이트를 할 때, 3대 운동을 하면 기본적인 근력과 체력을 다지는데 효율적이다.연구도 마찬가지로 기본기를 다지기 위해서는 논문을 읽고 그것을 자기의 언어로 정리하는 것이 경험적으로 실력을 올리는데 가장 좋았던거 같다. 앞으로 종사하고 있는 분야의 논문을 리뷰할 예정이다. 나는 단백질 정제 연구 산업에 종사하고 있다.가장 기본적이라고 할 수 있는 product의 Mechanism of Action (MoA) 를 리뷰한 논문에 대해 정리하고자 한다. 1. 논문 제목 이 논문의 "Genetics and Structure of Botulinum Neurotoxins and Their Progenitor Toxin Complexes" 파트를 리뷰할 것이다.2. Botulinum neurotoxin (BoNTs)의..

대학원을 졸업하고 무작정 아무 직무에 뛰어들었다가 적성과 맞지 않는 것을 깨닫고 방황하던 순간,단백질 생화학과 환자 코호트를 분석하며 공부했던 R, Python 프로그래밍, 수리통계를 좋아하던 나에게, 단백질 정제와 QbD의 DoE를 접하게 되어 지속적으로 공부하고 있다. 그래서, 2025년에는 데이터 분석 준전문가 ADsP, 2026년에는 상반기에는 AICE associate, 빅데이터분석기사를 도전중이다. 제일 최근에 취득했던 것이 빅분기 필기라서 이것을 시작으로 취득 했던 자격증들에 대해서 리뷰 하고자 한다. 내가 종사하고 있는 단백질, 공정 분야에도 데이터분석과 AI가 적용될 뿐만 아니라 앞으로 살아가야할 미래에 AI를 알고 세상을 받아들이는 것과, 모르고 받아들이는 것 사이에는 큰 차이가 있을 ..

❇️ 목적1. 웹 기반 API로 제공되는 데이터를 가져와 데이터프레임으로 변환 하는 방법을 배우기2. JSON, XML의 데이터 구조 이해 → dataframe으로 변환 하기 ✅ API 란? ✅ 파이썬에서 JSON 데이터 다루기 # JSON 형식d = {"name": "혼자 공부하는 데이터 분석"} # json 파일은 키와 값을 모두 "" 로 감싼다.print(d['name'])혼자 공부하는 데이터 분석 ▶️ 파이썬 객체를 JSON 문자열로 변환하기json.dumps(): 파이썬 객체를 JSON 문자열로 변환JSON (JavaScript Object Notation) 포맷은 파이썬 딕셔너리와 호환이 잘 됨.웹 기반 API로 데이터를 전달 할 때는 파이썬 딕셔너리가 아닌 텍스트로 전달해야 함.ens..

❇️ 목적1. 데이터 분석으로 비즈니스 문제를 어떻게 해결하는지 알아보기 위해 가상의 예를 이용합니다.2. 코랩에서 판다스 데이터프레임으로 CSV 파일을 읽고 쓰는 방법에 대해 배웁니다. ✅ $ gdown.downloadgdown 패키지는 구글 드라이브를 포함하여 웹에서 대용량 파일을 다운로드 할 수 있음.# 구글 드라이브에서 다운로드import gdowngdown.download('https://bit.ly/3eecMKZ', '남산도서관 장서 대출목록 (2021년 04월).csv', quiet = False)Downloading...From: https://bit.ly/3eecMKZTo: /content/남산도서관 장서 대출목록 (2021년 04월).csv100%|██████████| 58.1M/58...

● Chpater 09의 학습목표텍스트와 시계열 데이터 같은 순차 데이터에 잘 맞는 순환 신경망의 개념과 구성 요소에 대해 배웁니다.케라스 API로 기본적인 순환 신경망에서 고급 순환 신경망을 만들어 영화 감성평을 분류하는 작업에 적용해 봅니다.순환 신경망에서 발생하는 문제점과 이를 극복하기 위한 해결책을 살펴봅니다.● 학습목표: 순환 신경망에서의 핵심 기술인 LSTM과 GRU 셀을 사용한 모델을 만들어 봅니다. ● 키워드: LSTM, 셀 상태, GRU ● 지난 시간 - 순차 데이터와 순환 신경망의 구현 LSTM의 구조 및 설명# IMDB 데이터 가져오기# 500 가지 숫자로from tensorflow.keras.datasets import imdbfrom sklearn.model_selection i..

● Chpater 09의 학습목표텍스트와 시계열 데이터 같은 순차 데이터에 잘 맞는 순환 신경망의 개념과 구성 요소에 대해 배웁니다.케라스 API로 기본적인 순환 신경망에서 고급 순환 신경망을 만들어 영화 감성평을 분류하는 작업에 적용해 봅니다.순환 신경망에서 발생하는 문제점과 이를 극복하기 위한 해결책을 살펴봅니다.● 학습목표: 텐서플로우를 사용해 순환 신경신경망을 만들어 영화 리뷰 데이터셋에 적용해서 리뷰를 긍정과 부정으로 분류합니다. ● 키워드: 말뭉치, 토큰, 원-핫 인코딩, 단어 임베딩 ● 지난 시간 - 순차 데이터와 순환 신경망의 구조 및 작동 원리 이해 자연어 처리에 등장하는 개념말뭉치 (Corpus)자연어 처리 분야에서 훈련 데이터 (텍스트 데이터의 모음)를 종종 말뭉치라고 함. 예를 들..

● Chpater 09의 학습목표텍스트와 시계열 데이터 같은 순차 데이터에 잘 맞는 순환 신경망의 개념과 구성 요소에 대해 배웁니다.케라스 API로 기본적인 순환 신경망에서 고급 순환 신경망을 만들어 영화 감성평을 분류하는 작업에 적용해 봅니다.순환 신경망에서 발생하는 문제점과 이를 극복하기 위한 해결책을 살펴봅니다.● 학습목표: 순차 데이터의 특징을 알고 순환 신경망의 개념을 학습합니다. ● 키워드: 순차 데이터, 순환 신경망, 셀, 은닉 상태 ● 지난 시간 - 합성곱 신경망의 특성맵과 가중치 시각화 순차 데이터순차 데이터 (Sequential data)는 텍스트나 시계열 데이터 (time series data)와 같이 순서에 의미가 있는 데이터를 말합니다. 또한, 시계열 데이터는 일정한 시간 ..

● Chpater 08의 학습목표 1. 이미지 분류 문제에 뛰어난 성능을 발휘하는 합성곱 신경망의 개념과 구성 요소에 대해 배웁니다. 2. 케라스 API로 합성곱 신경망을 만들어 패션 MNIST 데이터에서 성능을 평가해 봅니다. 3. 합성곱 층의 필터와 활성화 출력을 시각화하여 합성곱 신경망이 학습한 내용을 고찰해봅니다. ● 학습목표: 합성곱 층의 가중치와 특성 맵을 시각화 하여 신경망이 이미지에서 어떤 것을 학습 하는지 이해해 봅니다. ● 키워드: 가중치 시각화, 특성맵 시각화, 함수형 API ● 지난 시간 - 합성곱 신경망 구현 CNN층이 학습한 가중치 확인하기기존에 Early stopping 하여 만들어진 모델을 불러오기# Ealy stopping 된 CNN model..

● Chpater 08의 학습목표 1. 이미지 분류 문제에 뛰어난 성능을 발휘하는 합성곱 신경망의 개념과 구성 요소에 대해 배웁니다. 2. 케라스 API로 합성곱 신경망을 만들어 패션 MNIST 데이터에서 성능을 평가해 봅니다. 3. 합성곱 층의 필터와 활성화 출력을 시각화하여 합성곱 신경망이 학습한 내용을 고찰해봅니다. ● 학습목표: 케라스 API를 사용해 합성곱 신경망 모델을 만들어 패션 MNIST 이미지를 분류하는 방법을 배웁니다. ● 키워드: 합성곱, 필터, 특성 맵, 패딩, 스트라이드, 풀링 ● 지난 시간 - 합성곱 신경망 구조 학습Input layer: Same padding을 적용하기 때문에, 입력 데이터에는 1 pixel이 주변에 추가 되어 차원이 유지 되어 모..