KSC 2020
Current Result Document :
| 한글제목(Korean Title) |
그래프 컨볼루션 네트워크와 유전자 발현 데이터를 활용한 약물 반응 예측 모델 |
| 영문제목(English Title) |
Graph Convolutional Network for Drug Response Prediction Using Gene Expression Data |
| 저자(Author) |
김성훈
배석훈
박은화
조겨리
Seonghun Kim
Seockhun Bae
Yinhua Park
Kyuri Jo
|
| 원문수록처(Citation) |
VOL 47 NO. 02 PP. 1466 ~ 1468 (2020. 12) |
한글내용
(Korean Abstract) |
암 치료를 위해 세포주에 대한 약물 반응을 예측하는 계산적 방법에 대한 연구는 2000년 이후 차세대 시퀀싱 데이터 등 다수의 데이터가 생산됨에 따라 활발히 이루어졌다. 근래에는 계산적 기법의 발전과 함께 세포주-약물 반응 데이터 외에도 오믹스(omics) 데이터라고 불리는 대량의 연관 데이터를 활용하는 연구가 이루어지고 있으며, 머신러닝을 통해 약물 반응에 핵심이 되는 특성을 추가적으로 반영하는 등 예측 성능이 향상된 기법들이 개발되고 있다. 그러나 대다수의 약물 반응 예측 연구는 고전적인 선형 회귀, 행렬 분해 기법을 활용하고 있어 유전자-유전자 간의 관계를 모델에 직접적으로 반영하지 못한다. 이에 본 연구에서는 유전자-유전자 상호작용 네트워크를 그래프 형태로 모델링하고, 암 발병에 핵심적인 요인이 되는 유전자 발현량을 해당 그래프에 투영한 뒤 컨볼루션 연산을 수행하는 그래프 기반 딥러닝 모델을 고안하였다. 제안한 기법의 성능을 확인하기 위해 CCLE와 GDSC 등 공개된 약물 반응 관련 데이터베이스를 활용하였으며, 세포주에 대한 약물 반응 수치(IC50)에 대한 예측값을 선형 회귀 기법과 비교함으로써 유전자 상호작용 정보를 활용하였을 때 약물 반응 예측 성능이 개선됨을 보였다.
|
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
