Current Result Document :
| 한글제목(Korean Title) |
압타머 단백질 결합 예측 성능 향상을 위한 다중 퍼셉트론 모델 최적화 |
| 영문제목(English Title) |
Multi-Layer Perceptron Model Optimization for Better Performance of Predicting Aptamer Protein Interaction |
| 저자(Author) |
허수민
유경민
한연수
송길태
Sumin Heo
Kyeongmin Yoo
Yeonsu Han
Giltae Song
|
| 원문수록처(Citation) |
VOL 49 NO. 02 PP. 1528 ~ 1530 (2022. 12) |
한글내용
(Korean Abstract) |
표적 단백질에 다양한 형태로 결합할 수 있는 핵산 물질인 ‘압타머’는 결합 친화도가 높아 항체의 대체 가능성이 있는 물질로 여겨진다. 다양한 후보 압타머 중 표적 단백질과의 결합 친화도가 높은 압타머를 선택하기 위해 SELEX라는 반복 실험이 존재한다. 그러나, SELEX는 실제 유전 물질을 복제 및 증폭하는 시험관 내 실험 방식이므로 컴퓨터 시뮬레이션 실험 방식보다 시간이 오래 소요된다. 이에 본 연구에서는 인공신경망을 적용하여 MLP 기반의 API 예측 모델을 만들고, 약 500종의 원본 API 데이터에서 염기 서열 정보는 k-mer지표를, 단백질 정보는 PseAAC 정보를 토대로속성을 추가하여 API 예측을 수행하였다. 또한, Grid Search를 이용해 Hyper parameter 조정을 수행했고, 총 20가지의 후보 모델 중 높은 성능을 보인 모델 2개를 최종 모델로 선정하였다. 최종 모델 1, 2 모두, F1-score 기준 0.9 이상의 성능을 얻어내었으며, 기존 모델에서 가장 높은 성능을 보인 XGBoost 대비, 모델 1, 2 각각 약 4%, 3%가량의 F1-score 성능 향상을 보였다. 본 연구에 사용된 코드는 다음에서 확인할 수 있다 : https://github.com/CEshavingML/AptBindCommend |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
