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
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 조광휘
- 발행연도
- 2017
- 저작권
- 숭실대학교 논문은 저작권에 의해 보호받습니다.
이용수22
초록· 키워드
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
화합물의 고유 성질은 구조의 특성에 따른다. 때문에 화합물의 구조와 성질 간 관계를 파악하는 것은 매우 중요한데, 이 관계를 정량적으로 표현하는 것이 QSAR(Quantitative Structure Activity Relationships)란 방법론이다. 하지만 현재 QSAR 방법론을 수행 하는 데는 많은 문제가 있다. QSAR modeling 과정은 descriptor selection, model building, model validation 등 여러 단계로 이루어지는데, 각각 단계들은 다른 software를 사용하여 작업 공간의 통일이 이루어지지 않는다. 또한 5천여 개의 descriptor에서 4개만을 선택하여 최적의 조합을 찾는다고 가정할 때 5,000C4개의 경우의 수이므로 최적의 해를 찾는 것은 매우 많은 시간과 반복이 요구되는 작업이다. 이에 따라 하나의 작업 공간에서 모든 QSAR modeling 작업을 할 수 있고, 많은 경우의 수 중에 최적의 descriptor를 짧은 시간 내에 선택해 줄 수 있는 platform이 존재한다면 QSAR를 이용해 신 물질을 개발하는데 획기적 전기를 마련할 것이다. PyQSAR는 modeling 전 과정을 진행할 수 있는 기능을 갖추고 있어서 사용자는 작업 공간의 이동 없이 PyQSAR라는 단일 platform 안에서 QSAR modeling 의 전 과정을 진행할 수 있다. QSAR model을 만들기 위해 greedy search algorithm 등 다양한 feature selection algorithm이 사용되지만, PyQSAR는 clustering 기법과 genetic algorithm를 함께 이용하는 방법을 통해 더욱 빠르고 정확도가 높은 model을 만들 수 있도록 한다. 실제로 clustering과 genetic algorithm의 조합으로 만들어진 PyQSAR를 이용하여 1시간 안에 도출한 model의 정확도를 측정한 결과가 기존의 논문의 결과보다 더 높거나 같았다.
목차
- 국문초록 ⅳ영문초록 ⅵ제 1 장 INTRODUCTION 1제 2 장 METHODS 32.1 Development Details 32.2 Work Flow 72.3 Artificial Intelligence Algorithm for QSAR Modeling 112.3.1 Descriptor Clustering 132.3.2 Genetic Algorithm 17제 3 장 RESULTS & DISCUSSION 20제 4 장 CONCLUSION 26참고문헌 28부 록 32
최근 본 자료
