PPI 인지 그래프 기반 설명가능 딥러닝으로 치매·퇴행성 치매 아형 진단 및 예후 예측 연구

PPI-aware explainable graph learning for dementia and neurodegenerative subtype diagnosis

연구 내용

혈장 단백질 기반 데이터에서 단백질-단백질 상호작용을 반영한 그래프 모델로 치매 아형을 분류하고 장기 인지 변화를 예측하는 연구

플라즈마 프로테오믹스와 그래프 기반 기계학습을 결합해 치매 및 신경퇴행성 질환의 아형을 진단하는 연구를 수행합니다. 단백질-단백질 상호작용(PPI)의 시너지 효과를 독립 효과 전파와 함께 반영하는 그래프 전파 구조를 설계하고, 전역적 집계 방식으로 노이즈가 모델에 미치는 영향을 줄입니다. 또한 기능 주석 기반 클러스터링을 결합해 단백질 표현의 중복과 불균형을 완화하며, 설명가능 출력을 통해 임상 의사결정에 필요한 해석 가능성을 제공합니다. 도메인 적응을 포함한 설정으로 코호트 간 성능 저하를 줄이는 방향으로 확장합니다.

관련 프로젝트

2건

연구 흐름

초기에는 플라즈마 단백질 바이오마커를 이용해 치매 아형을 분류하는 문제를 설정하고, PPI를 고려하지 않는 학습이 놓칠 수 있는 상호작용 정보를 보완할 그래프 모델을 구성했습니다. 이후 국소 집계 중심의 기존 그래프 방식이 가진 한계를 전역 상호작용 반영으로 개선하고, 설명가능성을 유지하는 얕은 구조의 변형 모델을 개발했습니다. 최근에는 기능 주석 기반 단백질 클러스터링을 결합해 바이오마커 표현을 정리하고, 장기 인지 저하와의 연관성을 통해 예후 예측 가능성을 검증하는 흐름으로 진행하고 있습니다. 코호트 변화에 대응하기 위한 도메인 적응 전략도 함께 고려하고 있습니다.

활용 가능성

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

혈장 단백질 기반 치매 아형 분류
PPI 인지 설명가능 진단 모델
퇴행성 위험도 점수 산정
장기 인지 저하 예후 예측
기능 주석 기반 바이오마커 클러스터링
도메인 적응 기반 코호트 일반화
단백질 기여도 해석 프레임
신경병리 특징 기반 분류 파이프라인
임상 적용형 저침습 진단 보조
PPI 시너지 효과 탐색 도구