지식전이와 멀티태스크 딥러닝 기반 펩타이드 기능 예측 및 항균·이온채널 조절 후보 발굴 연구

Knowledge transfer and multi-task deep learning for peptide function prediction and candidate discovery

연구 내용

항균 펩타이드 및 이온채널 조절 펩타이드를 대상으로 지식전이·멀티태스크 학습을 적용해 기능을 예측하고 후보를 발굴하는 연구

장원희 연구실은 실험적 스크리닝의 비용과 데이터 부족 문제를 완화하기 위해 딥러닝 기반 in-silico 모델을 구축합니다. 자연 유래 기능성 펩타이드의 대규모 데이터에서 얻은 사전학습 지식을 다른 펩타이드 기능 태스크에 전이하여 성능을 개선하고, multi-task learning으로 여러 표적을 동시에 학습해 일반화 능력을 확보합니다. 또한 hybrid 접근을 통해 전통 기계학습과 딥러닝을 결합하고, 항균 활성 또는 ion channel-modulating 가능성을 예측해 후속 실험 대상 후보를 정리합니다.

관련 프로젝트

0건

연구 흐름

초기에는 자연 유래 펩타이드 데이터에 기반해 항균 펩타이드 발굴을 목표로 멀티태스크 학습 기반 예측 모델을 설계하고, 실험 검증 가능한 후보를 추출하는 흐름을 마련했습니다. 이후 ion channel-modulating peptides로 타깃을 확장하면서, sodium·potassium·calcium ion channel 및 nAChR 등 다중 표적에 대해 transfer learning과 hard parameter sharing을 적용하는 모델 구조를 개발했습니다. 최근에는 예측 성능과 적용성을 동시에 고려하는 하이브리드 학습 전략과 공개 데이터셋 기반 재현 가능한 모델 제공에 연구 역량을 집중하고 있습니다.

활용 가능성

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

항균 펩타이드 후보 발굴
Ion channel-modulating peptide 예측
데이터 부족 영역 성능 보정
전이학습 기반 스캐폴딩 모델
다중 표적 동시 평가
하이브리드 예측 모델 설계
실험 전 사전선별 파이프라인
펩타이드 구조-기능 탐색용 입력 생성
표적별 일반화 성능 개선
후속 검증 우선순위 추천