Current Result Document :
| 한글제목(Korean Title) |
신약개발을 위한 Transformer기반의 딥러닝 모델 |
| 영문제목(English Title) |
Transformer-based Deep Learning Model for New Drug Discovery |
| 저자(Author) |
홍유빈
이경준
최희열
Yu-Bin Hong
Kyungjun Lee
Heeyoul Choi
|
| 원문수록처(Citation) |
VOL 48 NO. 02 PP. 1348 ~ 1350 (2021. 12) |
한글내용
(Korean Abstract) |
COVID-19 팬데믹 상황이 발생하면서, 신약개발의 중요도가 높아졌고, 약물 발견을 위한 다양한 딥러닝 모델들이 제안되어 왔다. 기존 연구로는 RNN, VAE, GAN 등의 모델 뿐 만 아니라 최신 딥러닝 모델인 Transformer모델을 적용하여 성능을 비교한 연구들이 있다. 하지만, 아직까지 Transformer를 이용한 연구들에서는 약물평가지표 (Validity, Filters, Novelty, FCD)를 이용하여 진행한 성능측정결과 RNN, VAE, GAN모델의 성능을 일부 능가하지 못한 부분이 있는데, 이는 신약 후보물질 생성을 위해 기존의 인코더-디코더 구조의 Transformer를 그대로 사용하기 때문으로 이해된다. 본 논문에서는 Transformer기반 모델의 성능개선을 위해 기존의 Transformer 구조가 아닌 Transformer의 인코더만 사용하는 모델을 사용함으로써 새로운 약물 후보물질 생성의 여러 평가지표들을 개선한다. 실험결과 RNN, VAE, GAN 등의 기존 딥러닝 모델과 기존 Transformer기반 모델의 성능을 능가함을 확인했다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
