인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
신약 후보물질 도출을 위해 타겟 단백질과 높은 결합 친화도를 지닌 분자를 식별하는 것은 많은 자원과 시간이 필요하다. 딥러닝을 활용한 단백질-리간드 결합 친화도 예측 모델은 기존 실험적 접근법의 자원 및 시간 소요 문제를 효율적으로 해결할 수 있는 대안으로 주목받고 있다. 기존 방법론은 리간드의 2D 그래프 정보만을 사용하여 3차원 공간에서의 입체적 상호작용을 충분히 모델링하지 못하는 근본적 한계를 지닌다. 또한 단백질을 모델링할 때 서열 및 구조, 표면 정보를 사용하지만, 이들의 연결 관계를 모델에 주입하지 못하는 문제가 존재한다. 본 연구는 단백질의 다중 모달리티(서열, 구조, 표면) 정보의 서열 기준 정렬과 리간드 정보의 SE(3)-invariant 그래프 신경망을 통합한 새로운 딥러닝 프레임워크를 제안한다. 제안된 모델은 기존 베이스라인 모델들보다 뛰어난 성능을 보였으며, Ablation study를 통해 단백질의 모달리티 정렬과 3D 리간드 정보의 중요성을 입증하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-093003867
