| 1 |
1
1) 복수의 타겟 단백질에 대한 결합 화합물 정보를 포함하는 제1데이터베이스를 사용하여 두 물질 간의 유사도를 학습하는 샴 네트워크 모델을 제공하는 단계;2) 상기 단계1)의 학습된 샴 네트워크 모델을 기본 모델로 활용하여 식품 성분의 타겟 단백질 조절 확률을 산출하는 단계; 및3) 식품 성분의 다중 타겟 단백질에 대한 결합 가능성 점수와 다중 타겟 단백질의 기전 내 중요도를 통합 분석하여 상기 식품 성분의 개별 기전에 대한 조절 확률을 산출하여 복합물을 설계하는 단계;를 포함하는 것을 특징으로 하는, 서버에 의해 수행되는 다중 타겟 단백질 예측을 통한 복합물 소재 설계 방법
|
| 2 |
2
제1항에 있어서,상기 단계 1)은,1-1) 복수의 단백질에 대한 결합 가능성을 얻기 위한 제1데이터베이스를 제공하는 단계;1-2) 샴 네트워크 모델을 제공하는 단계;1-3) 두 물질로 이루어진 입력쌍에 대한 구조 정보를 입력 데이터로 제공하는 단계;1-4) 상기 입력쌍에 대한 결합 가능성을 출력 데이터로 제공하는 단계;1-5) 샴 네트워크 모델에 의하여 가중치와 임베딩 벡터를 각각 산출하는 단계;1-6) 각 임베팅 벡터를 이용하여 결합 가능성이 산출되도록 가중치를 갱신하는 단계; 및1-7) 학습을 통하여 최적의 가중치를 설정하는 단계;를 포함하는 것을 특징으로 하는, 복합물 소재 설계 방법
|
| 3 |
3
제1항에 있어서,상기 제1데이터베이스는 상호작용 관련 수치가 특정 threshold에 미달하는 무효케미컬과 동일한 threshold를 충족하는 유효 케미컬을 모두 포함하는 것을 특징으로 하는, 복합물 소재 설계 방법
|
| 4 |
4
제2항에 있어서,상기 제1데이터베이스는 공개된 데이터베이스에서 단백질 정보, 상호작용하는 화합물 정보 및 상호작용 관련 수치 정보를 이용하여 선정되는 것을 특징으로 하는, 복합물 소재 설계 방법
|
| 5 |
5
제2항에 있어서,상기 샴 네트워크 모델은 입력된 두 물질이 같은 타겟 단백질에 결합하는 지 여부를 비교하여 두 물질 간의 유사도 점수를 학습하는 모델인 것을 특징으로 하는, 복합물 소재 설계 방법
|
| 6 |
6
제2항에 있어서,상기 샴 네트워크 모델은 입력된 두 물질이 같은 타겟 단백질에 결합하는 경우, 두 물질의 유사도를 높게 학습하는 것을 특징으로 하는, 복합물 소재 설계 방법
|
| 7 |
7
제1항에 있어서,상기 단계 2)는,2-1) 제2데이터베이스를 제공하는 단계;2-2) 제3데이터베이스를 제공하는 단계;2-3) 제2데이터베이스로부터 추출한 물질2와 제3데이터베이스로부터 추출한 물질3으로 입력쌍을 구성하는 단계;2-4) 상기 입력쌍을 학습된 샴 네트워크 모델에 입력하는 단계;2-5) 상기 물질2와 물질3의 임베딩 벡터를 산출하는 단계; 및2-6) 상기 임베딩 벡터를 활용한 결합 가능성을 산출하는 단계;를 포함하는 것을 특징으로 하는, 복합물 소재 설계 방법
|
| 8 |
8
제7항에 있어서,상기 제2데이터베이스는 결합 가능성을 예측하고자 하는 타겟 단백질과 결합하는 화합물에 대한 정보를 포함하는 것을 특징으로 하는, 복합물 소재 설계 방법
|
| 9 |
9
제7항에 있어서,상기 제3데이터베이스는 타겟 단백질과 결합 여부가 알려지지 않은 화합물에 대한 정보를 포함하는 것을 특징으로 하는, 복합물 소재 설계 방법
|
| 10 |
10
제7항에 있어서,상기 제3데이터베이스는 식품 성분 데이터셋인 것을 특징으로 하는, 복합물 소재 설계 방법
|
| 11 |
11
제10항에 있어서,상기 식품 성분 데이터셋은 타겟 단백질들에 대해 유효성을 예측하고자 하는 식품 성분 데이터인 것을 특징으로 하는, 복합물 소재 설계 방법
|
| 12 |
12
제7항에 있어서,상기 단계 2)는 타겟 단백질과 결합하는 화합물인 물질2와 식품 성분인 물질3 간의 유사도를 계산하여, 식품 성분의 타겟 단백질 조절 확률을 산출하는 것을 특징으로 하는, 복합물 소재 설계 방법
|
| 13 |
13
제7항에 있어서,상기 단계 2)는 트랜스퍼 학습 (transfer learning) 방법 또는 퓨샷 학습 (few-shot learning) 방법을 통해 식품 성분의 타겟 단백질 조절 확률을 산출하는 것을 특징으로 하는, 복합물 소재 설계 방법
|
| 14 |
14
삭제
|
| 15 |
15
제1항에 있어서,상기 단백질의 기전 내 중요도는 단백질 별 네트워크 중심성 점수 (Network Centrality Score) 및 세포 내 위치 점수 (Subcellular location)를 평가하여 도출되는 것을 특징으로 하는, 복합물 소재 설계 방법
|
| 16 |
16
제1항에 있어서,상기 단계 3)의 복합물 설계는, 기전 별 최적 조절 소재의 복합물 설계; 단백질 별 최적 조절 소재의 복합물 설계; 및 복수 기전을 조절하는 단일물 설계; 를 포함하는 군에서 선택되는 어느 하나인 것을 특징으로 하는, 복합물 소재 설계 방법
|
| 17 |
17
삭제
|
| 18 |
18
삭제
|
| 19 |
19
삭제
|
| 20 |
20
삭제
|
| 21 |
21
삭제
|
