YonseiAI for Science
남호정Hojung Nam
BIIL
머신러닝·딥러닝 기반 신약개발과 생물정보학을 연구하며, 저분자·항균 펩타이드 생성, 약물-표적 상호작용 및 ADMET 예측, 해석 가능한 AI 모델을 다룹니다.
2026 업데이트 중
- 논문
- 12
- 구성원
- 9
- 졸업생
- 0
26
김선Sun Kim
BHI Lab
생명정보, 기계학습
논문 주제가 비슷한 연구실
- 2023–2026 논문
- 59
- T1 논문
- 14
- 구성원
- 12
- 박사 3 · 석사 9
- 졸업생
- 64
- 교수 9명 배출
서울대학교 김선 교수 연구실은 AI for Science 분야 연구실로, 연구실 홈페이지 기준 2023–2026년 논문 59편(T1 14편)을 발표했습니다. 현재 박사과정 3명, 석사과정 9명이 소속되어 있습니다. 졸업생은 64명입니다.
논문 실적
2023–2026 · 연구실 홈페이지 기준
연평균 · T1 비율
14.8 · 24%
112023
182024
202025
102026
T1T2워크숍기타등급은 학회·저널 분류이며 연구실 순위가 아닙니다.
자주 발표한 학회·저널
논문으로 본 연구 주제
논문 제목에서 찾은 주제예요. 최근 논문일수록 크게 반영돼요.
최근 논문
논문 59편
20268편
CAREPath: Semantic Context-Aware Reasoning Paths with Mechanism-Augmented Embeddings for Drug Repurposing
Song H, Bang D, Koo B, Kim S, Lee S
- npj Precision Oncology
Deep learning for predicting patient drug response by transferring gene-level and cell-level knowledge to tumors
Sung I, Bang D, Kim S, Lee S
- Cancer Research
Deep learning frameworks for translating cancer drug response from cell-level to patient-level by modeling transcriptome
Kim S, Koo B, Bang D, Sung I, Cho C, Lee S, Won KJ
- Cancer Research
DrugVLAB for oncogenic kinase inhibitor generation
Kim S, kim h, Park B, Seong J, kim y, Honh S, Cho C, Chae H, Won KJ
- IEEE TCBBT2
EnsDTI: Predicting Drug-Target Interaction with Mixture-of-Experts and Confidence Assessment
Lu Y, Kang S, Kim S, Lee S
Improving hit discovery by integrating activity cliff sensitivity into active learning
Kim J, Kim Y, Koo B, Bang D, Kim S
- Artificial Intelligence in the Life Sciences
ISAAC: Prior-aligned structural sensitivity auditing for drug–target interaction models
Tarantino B, Kim S, Lu Y, Giudici P
- iscbAI26
Patient-level drug response prediction through dual adversarial alignment of pre- and post-drug treatment transcriptomic states
An S, Cho C, Kim S
비슷한 주제의 연구실
논문 주제 구성이 비슷한 연구실이에요.