정보과학회논문지 (Journal of KIISE)
Current Result Document : 1 / 1
| 한글제목(Korean Title) |
딥러닝을 이용한 약물 화학 구조 예측 |
| 영문제목(English Title) |
Predicting Chemical Structure of Drugs Using Deep Learning |
| 저자(Author) |
고수현
박치현
안재균
Soohyun Ko
Chihyun Park
Jaegyoon Ahn
|
| 원문수록처(Citation) |
VOL 48 NO. 02 PP. 0234 ~ 0242 (2021. 02) |
한글내용
(Korean Abstract) |
신약 개발에 필요한 시간과 비용을 줄이기 위해서 많은 컴퓨터 기반 방법들이 연구되고 있다. 특히 최근 딥러닝 기법의 발전과 함께 후보 화합물의 화학식을 생성하기 위한 여러 가지 생성 모델 (Generative model) 및 조건에 맞는 화학식을 생성하기 위한 강화학습 모델(Reinforcement learning model) 이 많이 연구되고 있다. 본 논문에서는 화합물과 단백질 간의 예측된 결합 친화력 정보를 이용한 강화학습 모델을 제시한다. 구체적으로, 본 논문에서 사용하고 있는 생성 모델은 Stack-RNN이며, 생성된 화학식이 특정한 화학적 특성을 가짐과 동시에 특정한 단백질과 높은 결합 친화력을 가지도록 Stack-RNN을 에이전트로 이용함으로써 강화학습을 구현한다. 본 논문에서는 소라페닙(Sorafenib), 수니티닙(Sunitinib), 다사티닙(Dasatinib)의 3가지 항암제들이 가지는 표적 단백질 정보를 이용하여 해당 항암제와 유사한 화합물의 화학식을 생성해 보았다.
|
영문내용
(English Abstract) |
Numerous computer-based methods have been investigated in attempts to reduce the time and cost of drug development. In particular, with the recent development of deep learning techniques, various generation models for generating the chemical formulas of candidate compounds and reinforcement learning models to generate chemical formulas that satisfy specific conditions have been presented. In this paper, we propose a reinforcement learning model that exploits predicted binding affinity information between specific proteins and generated compounds. More specifically, the generative model used in this paper is Stack-RNN, and reinforcement learning is implemented by using Stack-RNN as a policy to ensure that the generated formula has specific chemical properties and high binding affinity with specific proteins. The proposed model generates paper, we generated the chemical formulas of compounds that are similar to three anti-cancer drugs (Sorafenib, Sunitinib, and Dasatinib) by using the target protein information of these three anti-cancer drugs.
|
| 키워드(Keyword) |
기계 학습
딥러닝
강화학습
신약 개발
machine learning
deep learning
reinforcement learning
drug design
|
| 파일첨부 |
PDF 다운로드
|
