Protein language model-driven peptide therapeutics prediction and ensemble screening research
연구 내용
단백질 언어모델과 전통적 특성의 멀티뷰를 결합하고 앙상블 학습으로 펩타이드의 치료 표적 적합성을 예측하는 연구
본 분야는 펩타이드 기반 치료제의 설계 과정에서 실험 이전의 후보 선별 정확도를 높이는 데 초점을 둡니다. 단백질 언어모델 기반 임베딩과 서열·특성 공학을 멀티뷰로 구성하고, 전통적 분류 모델과 딥러닝 모델을 병렬로 학습한 뒤 성능이 높은 조합을 선택·통합하는 앙상블 전략을 적용합니다. 또한 바이너리 프로파일 기반 보강으로 위치 특성을 강화하여 펩타이드의 기능성 신호를 더 정밀하게 반영합니다. 이와 함께 후보군을 미토콘드리아 표적 관점에서 가상 스크리닝과 연계하여 약물개발 파이프라인에서 활용 가능성을 높이는 연구를 수행합니다.
관련 연구 성과
관련 논문
5편
관련 특허
0건
관련 프로젝트
3건
연구 흐름
초기에는 펩타이드·호르몬 등 생체서열 정보를 활용해 단일 모델 또는 전통적 특성 기반 예측 성능을 높이는 방향으로 연구를 수행했습니다. 이후 단백질 언어모델 임베딩을 도입하고, 멀티뷰 특징을 통합하는 구조로 확장하여 서로 다른 표현의 장점을 결합했습니다. 이후에는 앙상블 프레임워크로 분류기·특성 조합을 선택적으로 통합하고, 바이너리 프로파일 보강과 같은 입력 표현 개선을 통해 일반화 성능을 강화했습니다. 현재는 예측 모델을 구조기반 가상 스크리닝과 결합해 미토콘드리아 표적 치료제 후보 도출까지 연결하는 흐름으로 발전하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
ADP-Fuse: A novel two-layer machine learning predictor to identify antidiabetic peptides and diabetes types using multiview information
SEP-AlgPro: An efficient allergen prediction tool utilizing traditional machine learning and deep learning techniques with protein language model features
mHPpred: Accurate identification of peptide hormones using multi-view feature learning
CPPpred-En: Ensemble framework integrating a protein language model and conventional features for highly accurate cell-penetrating peptide prediction
EnsemPred-ACP: Combining machine and deep learning to improve anticancer peptide prediction
관련 프로젝트
구분
제목
구조기반 가상 약물 스크리닝과 기계학습을 이용한 미토콘드리아 표적 항암제 개발
구조기반 가상 약물 스크리닝과 기계학습을 이용한 미토콘드리아 표적 항암제 개발
구조기반 가상 약물 스크리닝과 기계학습을 이용한 미토콘드리아 표적 항암제 개발