생명과학을 위한 딥러닝

1장. 왜 생명과학인가?
__딥러닝은 왜 필요한가?
__현대 생명과학은 빅데이터를 다룬다
__무엇을 배우는가?


2장. 딥러닝 소개
__선형 모델
__다층 퍼셉트론
__모델 학습하기
__검증하기
__정규화
__하이퍼파라미터 최적화
__다른 유형의 모델들
____합성곱 신경망
____순환 신경망
__더 읽을거리


3장. DeepChem을 이용한 머신러닝
__DeepChem의 기본 데이터셋
__독성 분자 예측 모델 만들기
__MNIST 데이터셋으로 필기 인식 모델 만들기
____MNIST 필기 인식 데이터셋
____합성곱 신경망으로 필기 인식하기
__소프트맥스와 소프트맥스 교차 엔트로피
__결론


4장. 분자 수준 데이터 다루기
__분자란 무엇인가?
____분자 간 결합
____분자 그래프
____분자 구조
____분자 카이랄성
__분자 데이터 피처화
____SMILES 문자열과 RDKit
____확장 연결 지문
____분자 표현자
__그래프 합성곱
__용해도 예측 모델
__MoleculeNet
__SMARTS 문자열
__결론


5장. 생물물리학과 머신러닝
__단백질의 구조
____단백질 서열
__단백질 3차원 구조를 예측할 수 있을까?
____단백질-리간드 결합
__생물물리학적 피처화
____그리드 피처화
____원자 피처화
__생물물리학 데이터 사례 연구
____PDBBind 데이터셋
____PDBBind 데이터셋 피처화
__결론


6장. 유전학과 딥러닝
__DNA, RNA, 단백질
__실제 세포 내에서 일어나는 일
__전사인자의 결합
____전사인자의 결합을 예측하는 합성곱 모델
__염색질 접근성
__RNA 간섭
__결론


7장. 현미경을 위한 딥러닝
__현미경에 대한 간략한 소개
____현대의 광학현미경
__회절 한계
____전자현미경과 원자현미경
____초고해상도 현미경
____딥러닝과 회절 한계
__현미경을 위한 시료 준비
____시료 염색하기
____시료 고정
____시료 절편 가공
____형광현미경
____시료 준비 과정의 영향
__딥러닝 활용법
____세포수 측정
__세포주란 무엇인가?
____세포 구별하기
____머신러닝과 과학 실험
__결론


8장. 의료 체계를 위한 딥러닝
__컴퓨터 지원 질병 진단
__베이즈 네트워크를 이용한 불확실성 예측
__전자 건강 기록
__ICD-10 코드
__비지도 학습이란 무엇인가?
____거대 전자 건강 기록 데이터베이스의 위험성
__방사선학을 위한 딥러닝
____X선 촬영과 CT 촬영
____조직학
____MRI 촬영
__치료법으로서의 머신러닝
__당뇨망막병증
__결론
____윤리적으로 고려할 점
____일자리 문제
____요약


9장. 생성 모델
__VAE
__GAN
__생명과학에 생성 모델 응용하기
____신약 후보 물질 찾기
____단백질 엔지니어링
____과학적 발견을 위한 도구
____생성 모델의 미래
__생성 모델 사용하기
____생성 모델의 결괏값 분석하기
__결론


10장. 딥러닝 모델의 해석
__예측값 설명하기
__입력값 최적화하기
__불확실성 예측하기
__해석 가능성, 설명 가능성, 실제 결과
__결론


11장. 가상 선별검사
__예측 모델을 위한 데이터셋 준비
__머신러닝 모델 학습하기
__예측을 위한 데이터셋 준비하기
__예측 모델 적용하기
__결론


12장. 딥러닝의 미래와 전망
__질병 진단
__맞춤 의학
__신약 개발
__생물학 연구
__결론