생명과학을 위한 딥러닝
도서+교보Only(교보배송)을 함께 15,000원 이상 구매 시 무료배송
15,000원 미만 시 2,500원 배송비 부과
20,000원 미만 시 2,500원 배송비 부과
15,000원 미만 시 2,500원 배송비 부과
1Box 기준 : 도서 10권
해외주문/바로드림/제휴사주문/업체배송건의 경우 1+1 증정상품이 발송되지 않습니다.
패키지
북카드
키워드 Pick
키워드 Pick 안내
관심 키워드를 주제로 다른 연관 도서를 다양하게 찾아 볼 수 있는 서비스로, 클릭 시 관심 키워드를 주제로 한 다양한 책으로 이동할 수 있습니다.
키워드는 최근 많이 찾는 순으로 정렬됩니다.
이 책은 딥러닝을 유전체학부터 신약 개발,질병 진단까지 다양한 생명과학 영역에서 사용하는 방법을 소개한다. 또한 실제로 사용할 수 있는 예제 코드를 제공해 독자들의 시간을 아껴줄 것이다.
★ 이 책에서 다루는 내용 ★
■ 분자 데이터에 머신러닝을 적용하는 방법
■ 유전학/유전체학을 위한 강력한 분석 도구로서의 딥러닝
■ 딥러닝으로 생물물리학 시스템 이해
■ DeepChem 라이브러리를 사용한 머신러닝 소개
■ 딥러닝을 사용한 현미경 이미지 분석
■ 딥러닝을 사용한 의료 이미지 분석
■ VAE와 GAN 모델
■ 머신러닝 모델의 작동 원리 해석
작가정보
생물학적 빅데이터를 구축하는 블록체인(blockchain) 회사인 데이터마인드(Datamined)의 공동 창립자이자 최고기술책임자(CTO)다. 또한 신약 개발에 딥러닝을 적용하는 DeepChem1 라이브러리의 수석 개발자이자 MoleculeNet의 공동 개발자다.
UC 버클리에서 EECS와 수학 분야 학사 학위를 받았으며, 최근 스탠퍼드 대학교에서 컴퓨터과학으로 박사 학위를 받았다. 또한 과학 분야 최우수 대학원생을 지원하는 허츠 펠로우십(Hertz Fellowship)에 선정돼 비제이 판데(Vijay Pande) 교수에게 연구 지도를 받았다.
저자(글) 피터 이스트먼
스탠퍼드 대학교의 생명공학 부서에서 생명정보학 소프트웨어를 개발하고 있다. 고성능 분자 역학 시뮬레이션 도구인 OpenMM의 수석 개발자이며 화학, 생물학, 재료과학 분야의 딥러닝 라이브러리인 DeepChem의 핵심 개발자다. 2000년부터 생명정보학 소프트웨어 회사인 실리콘 제네틱스(Silicon Genetics)의 기술 부사장을 역임한 전문 소프트웨어 엔지니어이며, 현재의 관심 분야는 물리학에 딥러닝을 응용하는 것이다.
저자(글) 패트릭 월터스
케임브리지에 있는 릴레이 테라퓨틱스(Relay Therapeutics) 계산 및 정보학 부서(컴퓨터 시뮬레이션과 실험 데이터를 통합하는 새로운 응용 분야에 중점을 두고 약물 시뮬레이션 프로그램을 주도하는 통찰을 제공한다.)의 책임자다. 릴레이 테라퓨틱스에 합류하기 전에는 버텍스 제약(Vertex Pharmaceuticals)에서 20년 동안 모델링 및 정보학의 책임자로 근무했다.
현재 학술지 「Journal of Medicinal Chemistry」의 편집 자문 위원이며, 이전에는 「Letters in Drug Design & Discovery」와 「Molecular Informatics」에서 자문 위원을 맡았다. 2017년 Gordon Computer Assisted Drug Design 콘퍼런스의 의장이었고, 미국 국립 보건원(NIH)이 진행하는 D3R(Drug Design Data Resource)과 미국 화학회 TDT(Teach-Discover-Treat) 등의 과제에 여러 가지 도움을 주는 등 과학 공동체에서 적극적인 역할을 하고 있다. 캘리포니아 대학교에서 화학 학사 학위를 받았고, 애리조나 대학교에서 입체 분석에서의 인공지능 응용을 연구해 유기화학 박사 학위를 받았다. 박사 학위를 받기 전에는 바리언 인스트루먼츠(Varian Instruments)에서 화학자이자 소프트웨어 개발자로 일했다.
저자(글) 비제이 판데
앤드리슨 호로위츠(Andreessen Horowitz)사의 총괄 파트너로 최신 컴퓨터 과학 기술을 생물학과 의료 체계에 적용하는 회사에 대한 투자를 담당한다. 스탠퍼드(Standford) 대학 생명공학과 부교수로 생명정보학에 대한 강의를 진행하며 200편의 논문과 2개의 특허를 출헌했다. 그리고 기업가로서 질병 연구를 위한 분산 컴퓨팅 프로젝트인 Folding@Home를 시작했다. Folding@Home 프로젝트는 새로운 질병 치료법을 찾고 기초 과학 발전에 필요한 연산 작업을 다수의 컴퓨터로 분산해 수행한다. 이미 10대에 비디오 게임으로 유명한 너티 독의 첫 번째 직원으로 일했으며 현재는 스탠퍼드 대학의 스타트업 기업인 Globavir Biosciences사의 공동 창립자로 뎅기열과 에볼라에 대한 치료법을 연구 중이다.
제약회사 연구소에서 연구원으로 근무하고 있으며, 생물학 실험과 프로그래밍에 관심이 많은 자칭 바이오해커다. 다양한 과정에서 얻은 경험을 공유하는 블로그(https://partrita.github.io)를 운영하고 있다. 『파이썬을 활용한 생명정보학 2/e』(에이콘, 2019)을 번역했으며, 최근에는 신약 개발에서 빅데이터, 머신러닝 등과 같은 다양한 분석 기술을 응용하고자 노력하고 있다. 그리고 언젠가 사이언스 판타지 소설을 써보고 싶다는 꿈을 갖고 있다.
작가의 말
최근 로봇공학의 발전으로 많은 생명과학 실험이 자동화돼 엄청난 양의 데이터를 만들어내고 있다. 약 20년 전에는 한 명의 과학자가 평생 동안 모아야 했을 데이터가 오늘날에는 하루면 쌓인다. 이로 인해 생명과학과 데이터 과학(data science)의 경계가 빠르게 사라지고 있으며, 데이터의 홍수 속에서 빠르게 데이터를 분석하는 능력은 생명과학자의 필수 자질이 되고 있다. 이제 엑셀(Excel)로 실험 데이터를 처리하고 그래프를 그리는 시대는 지났다. 현대의 생명과학자에게는 거대한 실험 데이터 속에 숨겨진 패턴을 찾아내고 새로운 지식을 얻어 과학적 결론을 도출하는 능력이 가장 필요하다.
지난 몇 년간 딥러닝(deep learning)은 데이터의 패턴과 의미를 찾아내는 강력한 도구로 활용돼 왔으며, 주로 이미지 분석, 외국어 번역, 음성 인식과 같은 빅데이터 분석에서 놀라운 성능을 보여줬다. 이 책에서는 딥러닝을 생명과학 분야에 적용하는 방법으로 유전체학, 신약 개발, 질병 진단 등의 다양한 분야에 사용하는 과정을 소개한다. 또한 실무에 바로 사용할 수 있는 예제 코드를 제공해 독자들의 시간을 아껴줄 것이다.
목차
- 지은이 소개
옮긴이 소개
옮긴이의 말
들어가며
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
찾아보기
추천사
-
"이 책은 생명과학자 커뮤니티의 발전에 귀중한 도움이 될 것이다."
-
"기초 과학을 이해하고 딥러닝 응용을 시작하기에 좋은 책이다."
기본정보
ISBN | 9791161754420 | ||
---|---|---|---|
발행(출시)일자 | 2020년 08월 19일 | ||
쪽수 | 260쪽 | ||
크기 |
188 * 236
* 20
mm
/ 629 g
|
||
총권수 | 1권 | ||
시리즈명 |
데이터 과학 시리즈
|
||
원서명/저자명 | Deep Learning for the Life Sciences/Bharath Ramsundar |
Klover
e교환권은 적립 일로부터 180일 동안 사용 가능합니다.
리워드는 작성 후 다음 날 제공되며, 발송 전 작성 시 발송 완료 후 익일 제공됩니다.
리워드는 리뷰 종류별로 구매한 아이디당 한 상품에 최초 1회 작성 건들에 대해서만 제공됩니다.
판매가 1,000원 미만 도서의 경우 리워드 지급 대상에서 제외됩니다.
일부 타인의 권리를 침해하거나 불편을 끼치는 것을 방지하기 위해 아래에 해당하는 Klover 리뷰는 별도의 통보 없이 삭제될 수 있습니다.
- 도서나 타인에 대해 근거 없이 비방을 하거나 타인의 명예를 훼손할 수 있는 리뷰
- 도서와 무관한 내용의 리뷰
- 인신공격이나 욕설, 비속어, 혐오발언이 개재된 리뷰
- 의성어나 의태어 등 내용의 의미가 없는 리뷰
리뷰는 1인이 중복으로 작성하실 수는 있지만, 평점계산은 가장 최근에 남긴 1건의 리뷰만 반영됩니다.
구매 후 리뷰 작성 시, e교환권 200원 적립
문장수집
e교환권은 적립 일로부터 180일 동안 사용 가능합니다. 리워드는 작성 후 다음 날 제공되며, 발송 전 작성 시 발송 완료 후 익일 제공됩니다.
리워드는 한 상품에 최초 1회만 제공됩니다.
주문취소/반품/절판/품절 시 리워드 대상에서 제외됩니다.
구매 후 리뷰 작성 시, e교환권 100원 적립