신뢰도 추정을 포함한 혼합전문가 기반 약물-표적 상호작용 예측 및 화합물 생성 연구

Confidence-aware mixture-of-experts for drug-target interaction prediction and compound generation

연구 내용

혼합전문가 구조로 약물-표적 상호작용을 예측하고 귀납적 컨포멀 예측으로 후보 신뢰도를 함께 산출하여 실험 우선순위를 제공하는 연구

약물-표적 상호작용(DTI) 예측은 후보 선별 단계에서 계산 비용과 일반화 성능, 그리고 예측 신뢰도 제공이 동시에 요구됩니다. 본 연구는 기존 구조 기반 도킹의 한계와 리간드 기반 표현의 일반화 문제를 동시에 고려하여, mixture-of-experts 아키텍처로 서로 다른 예측기들을 결합해 성능을 높입니다. 또한 inductive conformal predictor를 통해 예측 품질을 confidence score로 산출하여 랭킹과 필터링 과정에 활용 가능하게 합니다. 더불어 화합물 그래프와 부분구조 정보를 활용해 화합물 구조 및 특징 설명을 양방향으로 생성하는 모델 연구가 병행되어, 후보 생성-설명-검증 흐름을 구성할 수 있습니다.

관련 프로젝트

2건

연구 흐름

DTI 예측에서는 데이터 외부로의 일반화와 랭킹 신뢰도가 핵심 이슈로 나타났습니다. 이에 2026년에는 mixture-of-experts 기반 예측 프레임워크에 귀납적 컨포멀 예측을 결합하여 후보 순위를 생성하고, 신뢰도 기반으로 품질을 평가하는 방향으로 확장했습니다. 한편 2023년부터는 화합물 구조와 특징 설명문의 양방향 생성을 목표로, 화합물 그래프와 부분구조를 중심으로 생성 모델을 개발하고 있습니다. 이러한 두 축은 예측 모델의 후보 선별과 생성 모델의 후보 제안, 그리고 설명을 통한 후속 검증 설계를 연결하는 형태로 연구 궤적을 형성하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

약물 후보 랭킹
도킹 친화도 대리예측
DTI 데이터 보정
실험 우선순위 선정
화합물 생성 및 설계
부분구조 기반 제안
설명가능 후보 생성
가치/안정성 기반 의사결정
대규모 화학공간 스크리닝
신뢰도 기반 모델 검증