| 1 |
1
화합물 및 타깃 단백질의 결합정보를 구조정보로부터 수득하는 단계;상기 타깃 단백질의 진화정보에서 확장된 화합물-단백질 상호작용 데이터를 구축하는 단계;상기 상호작용 데이터로 양성 화합물 쌍과 음성 화합물 쌍을 분류하고 수치화하는 단계; 및상기 수치화된 데이터를 기계학습 분류 모델에 적용하여 화합물 결합 유사성 값을 산출하는 단계를 포함하는, 단백질 진화정보를 이용한 화합물 결합 유사성 탐색 방법
|
| 2 |
2
제1항에 있어서, 상기 결합정보의 데이터베이스는 DrugBank 또는 BindingDB 를 포함하는 것인, 단백질 진화정보를 이용한 화합물 결합 유사성 탐색 방법
|
| 3 |
3
제1항에 있어서, 상기 타깃 단백질의 진화정보는 모티프(motif), 도메인(domain), 패밀리(family), 또는 슈퍼패밀리(superfamily)인 것인, 단백질 진화정보를 이용한 화합물 결합 유사성 탐색 방법
|
| 4 |
4
제1항에 있어서, 상기 화합물 쌍은 화합물의 구조 지문을 이용하여 수치적으로 표현하는 것인, 단백질 진화정보를 이용한 화합물 결합 유사성 탐색 방법
|
| 5 |
5
제4항에 있어서, 상기 화합물 쌍의 구조 지문은 하기 수식을 이용하는 것인, 단백질 진화정보를 이용한 화합물 결합 유사성 탐색 방법
|
| 6 |
6
제1항에 있어서, 상기 양성 화합물 쌍은 공통의 타깃 단백질에 결합 가능한 화합물 쌍 또는 공통된 진화정보를 갖는 타깃 단백질에 결합하는 화합물 쌍인 것인, 단백질 진화정보를 이용한 화합물 결합 유사성 탐색 방법
|
| 7 |
7
제1항에 있어서, 상기 음성 화합물 쌍은 상기 양성 화합물 쌍과 구조적으로 유사하지만 결합 타깃 단백질과 진화적인 연관성이 없는 것인, 단백질 진화정보를 이용한 화합물 결합 유사성 탐색 방법
|
| 8 |
8
제1항에 있어서, 상기 기계학습 분류 모델은 2회 순차적으로 적용되는 것인, 단백질 진화정보를 이용한 화합물 결합 유사성 탐색 방법
|
| 9 |
9
제8항에 있어서, 상기 기계학습 분류 모델은 나이브 베이스 분류(naive bayes classifier), 서포트 벡터 머신(support vector machine), 랜덤 포레스트(random forest), 신경망(neural network), 또는 딥 러닝(deep learning)을 포함하는 것인, 단백질 진화정보를 이용한 화합물 결합 유사성 탐색 방법
|
