기존의 알고리즘, 데이터 구조 역량을 바이오 데이터(그래프, 시퀀스) 해석에 그대로 투영합니다.
분자 생물학을 '데이터 흐름'으로, 약동학을 '입출력 함수'로 재정의하여 공학적 접근을 취합니다.
MOOC, GitHub, Arxiv 등 누구나 접근 가능한 고품질 무료 리소스를 중심으로 학습합니다.
생물학적/화학적 언어를 이해하고 AI 모델의 입력값으로 변환하는 기초 능력을 배양합니다.
Central Dogma = 데이터 파이프라인
타겟 발굴 = 그래프 탐색 및 네트워크 분석
실제 데이터셋을 활용하여 SAR 분석 및 ADMET 예측 모델을 직접 구축합니다.
SAR 분석 = 유사도 기반 검색 및 회귀/분류 모델링
ADMET = 약물 적합성에 대한 피처 임계치 최적화
Molecular Fingerprint와 Tanimoto 계수를 활용한 검색
Dose-response 커브 피팅을 통한 데이터 모델링
SMILES 파싱 및 분자 지표 계산의 정석
방대한 타겟-화합물 데이터 활용 API
신약 개발의 가장 기초가 되는 화합물 투과성 규칙
최신 AI 기법(GNN, Diffusion)을 신약 워크플로우에 통합하고 독립적인 프로젝트를 수행합니다.
De novo design = 생성 모델 및 강화학습 최적화
Target assessment = 멀티오믹스 네트워크 분석
예측 구조 기반 타겟 검증 및 Docking 파이프라인 구축
GNN 기반의 고도화된 ADMET 예측 및 화합물 최적화
분자 그래프 처리를 위한 필수 라이브러리
단백질-화합물 결합력 예측 실무
매일 30분씩 PDB 구조를 시각화하고 단백질의 구조적 특징을 익히세요.
각 단계별로 Jupyter Notebook 결과물을 GitHub에 정리하여 CS-Bio 융합 역량을 증명하세요.
관심 있는 특정 타겟(예: EGFR)을 선정하여 타겟 발굴부터 후보 물질 생성까지의 End-to-End 파이프라인을 구축해 보세요.
"이 로드맵은 당신을 단순히 코딩하는 개발자가 아닌, 생명을 구하는 AI 과학자로 안내할 것입니다."