데이터베이스 연구회지(SIGDB)
Current Result Document :
| 한글제목(Korean Title) |
톰슨 샘플링 기반의 신약 후보 물질 디자인을 위한 심층 생성 모델 |
| 영문제목(English Title) |
A deep generative model for de novo drug design based on Thompson sampling |
| 저자(Author) |
최건우
장효순
서상민
최종환
김병주
박상현
최상민
박치현
Geon-Woo Choi
Hyosoon Jang
Sangmin Seo
Jonghwan Choi
Byung-ju kim
Sanghyun Park
Sang-min Choi
Chihyun Park
|
| 원문수록처(Citation) |
VOL 38 NO. 02 PP. 0047 ~ 0061 (2022. 12) |
한글내용
(Korean Abstract) |
심층 생성 모델, 강화학습, 최적화 알고리즘 기반으로 새로운 신약 후보 물질을 생성하는 약물 디자인 연구는 대부분 단백질 한 개의 기능을 조절할 수 있는 저분자화합물 디자인 모델을 제시하고 있지만, 목적하는 적응증의 메커니즘에 따라 여러 단백질의 기능을 조절하고, 단백질 외에 화학적 특성을 고려할 수 있는 다중 목적 최적화 기반의 약물 디자인 방법론이 요구되고 있다. 심층 생성 모델로 이를 구현할 수 있는 한 가지 방법은 샘플링을 통해 사후 확률 분포를 추정한 후 다중 목적을 만족하는 방향으로 생성 모델을 최적화하는 것이다. 이를 위해 본 연구에선 심층 생성 모델인 Variational Auto Encoder에 톰슨 샘플링 기법을 접목하여, 자체 데이터 증강과 학습을 통해 다중 목적을 만족하는 데이터를 생성하고, 이를 통해 생성 모델의 사후 분포를 최적화하는 방법을 제안한다. 본 연구에서는 BCL2 패밀리 단백질들을 표적으로 약물 생성을 제안하는 모델과 여러 베이스라인 모델이 생성한 화합물들의 결합 친화도를 비교하였으며, 생성된 물질에 대한 화학적인 특성 지표와 물질의 합성 가능성 스코어를 통해 제안하는 방법의 실제 활용 가능성을 제시하였다. |
영문내용
(English Abstract) |
De novo drug design approach, which aims to create a completely novel molecules non-existent in the previous compound library, adopts various machine learning methods such as generative model, reinforcement learning and optimization algorithm. Most of the existing studies suggest the generative model which controls one property. Along with creating a generator, one of the most important factors to be considered in designing an algorithm is an optimization method which can simultaneously guarantee various properties that the molecules must have. One way to implement it on a deep generative model is to estimate the posterior distribution through sampling and then optimize the generator in a direction to satisfy multiple purposes. In this manner, we propose a novel method which optimizes the posterior distribution of the generative model with the generated data which satisfy multiple objectives through self-data augmentation and learning by incorporating the Thomson sampling technique into VAE (Variational Auto-Encoder). To demonstrate the feasibility of the proposed method, we aimed at generating molecules for BCL2 family proteins and compared the binding affinity of the proposed method with several baseline models. The practical usability of the proposed method was confirmed by measuring the various chemical properties and synthesizability of the molecules. |
| 키워드(Keyword) |
드 노보 약물 디자인
톰슨 샘플링
심층 생성 모델
다중 목적 최적화
de novo drug design
Thompson sampling
Deep generative model
Multi-object optimization
|
| 파일첨부 |
PDF 다운로드
|
