| 1 |
1
단백질 데이터, 약 분자 데이터 및 단백질과 약 분자 사이의 상호작용 데이터를 수집하는 데이터 수집부;상기 단백질 데이터로부터 단백질 표현형 데이터를 생성하고, 상기 약 분자 데이터로부터 약 분자 표현형 데이터를 생성하는 표현형 생성부; 및상기 단백질 표현형 데이터, 상기 약 분자 표현형 데이터 및 상기 상호작용 데이터를 학습 데이터로 이용하여 베이지언 뉴럴 네트워크를 학습시켜, 단백질-약 상호작용 예측 모델을 생성하는 모델 생성부; 를 포함하는,단백질-약 상호작용 예측 모델 생성 장치
|
| 2 |
2
제1항에 있어서,상기 표현형 생성부는 상기 약 분자 데이터로부터 그래프 구조의 약 분자 표현형 데이터를 생성하고, 전이학습을 통해 생성된 단백질 표현형 생성 모델을 이용하여 상기 단백질 데이터로부터 단백질 표현형 데이터를 생성하는,단백질-약 상호작용 예측 모델 생성 장치
|
| 3 |
3
제1항에 있어서,상기 베이지언 뉴럴 네트워크는,드롭아웃이 적용된 1차원 컨볼루션 네트워크;드롭아웃이 적용된 그래프 네트워크;결합 레이어; 및드롭아웃이 적용된 완전연결 네트워크를 포함하는,단백질-약 상호작용 예측 모델 생성 장치
|
| 4 |
4
제3항에 있어서,상기 1차원 컨볼루션 네트워크는 상기 단백질 표현형 데이터를 업데이트하고,상기 그래프 네트워크는 상기 약 분자 표현형 데이터를 업데이트하고,상기 결합 레이어는 상기 업데이트된 단백질 표현형 데이터와 상기 업데이트된 약 분자 표현형 데이터를 결합하여 결합 데이터를 생성하고,상기 완전연결 네트워크는 상기 결합 데이터를 입력받아 단백질과 약 분자 사이의 상호작용 예측값을 출력하는,단백질-약 상호작용 예측 모델 생성 장치
|
| 5 |
5
제1항에 있어서,상기 단백질 데이터는 아미노산 문자의 배열로 이루어진 1차원 문자열 시퀀스 데이터이고, 상기 약 분자 데이터는 분자의 구조를 1차원 문자열로 나타낸 SMILES(Simplified molecular-input line-entry system) 데이터인,단백질-약 상호작용 예측 모델 생성 장치
|
| 6 |
6
단백질 데이터와 약 분자 데이터를 획득하는 데이터 획득부;상기 단백질 데이터로부터 단백질 표현형 데이터를 생성하고, 상기 약 분자 데이터로부터 약 분자 표현형 데이터를 생성하는 표현형 생성부; 및베이지언 뉴럴 네트워크를 학습시켜 생성된 단백질-약 상호작용 예측 모델을 이용하여, 상기 단백질 표현형 데이터와 상기 약 분자 표현형 데이터를 기반으로 단백질과 약 분자 사이의 상호작용을 예측하고, 그 예측의 불확실성을 판단하는 상호작용 예측부; 를 포함하는,단백질-약 상호작용 예측 장치
|
| 7 |
7
제6항에 있어서,상기 표현형 생성부는 상기 약 분자 데이터로부터 그래프 구조의 약 분자 표현형 데이터를 생성하고, 전이학습을 통해 생성된 단백질 표현형 생성 모델을 이용하여 상기 단백질 데이터로부터 단백질 표현형 데이터를 생성하는,단백질-약 상호작용 예측 장치
|
| 8 |
8
제6항에 있어서,상기 베이지언 뉴럴 네트워크는 드롭아웃이 적용된 베이지언 뉴럴 네트워크이고,상기 상호작용 예측부는 드롭아웃을 적용하여 단백질과 약 분자 사이의 상호작용을 복수회 예측하고, 복수회의 예측 결과를 기반으로 단백질과 약 분자 사이의 상호작용의 최종 예측값과 상기 최종 예측값의 불확실성을 판단하는,단백질-약 상호작용 예측 장치
|
| 9 |
9
제8항에 있어서,상기 상호작용 예측부는 상기 복수회의 예측 결과를 평균하여 상기 최종 예측값을 판단하고, 상기 복수회의 예측 결과의 분포로부터 상기 최종 예측값의 불확실성을 판단하는,단백질-약 상호작용 예측 장치
|
| 10 |
10
제9항에 있어서,상기 최종 예측값의 불확실성은 모델 불확실성(epistemic uncertainty)과 데이터 불확실성(aleatoric uncertainty)을 포함하는,단백질-약 상호작용 예측 장치
|
| 11 |
11
제10항에 있어서,상기 상호작용 예측부는 하기 수학식을 이용하여 모델 불확실성을 판단하는,단백질-약 상호작용 예측 장치
|
| 12 |
12
제10항에 있어서,상기 상호작용 예측부는 하기 수학식을 이용하여 데이터 불확실성을 판단하는,단백질-약 상호작용 예측 장치
|
| 13 |
13
단백질 데이터와 약 분자 데이터를 획득하는 단계;상기 단백질 데이터로부터 단백질 표현형 데이터를 생성하는 단계;상기 약 분자 데이터로부터 약 분자 표현형 데이터를 생성하는 단계; 및베이지언 뉴럴 네트워크를 학습시켜 생성된 단백질-약 상호작용 예측 모델을 이용하여, 상기 단백질 표현형 데이터와 상기 약 분자 표현형 데이터를 기반으로 단백질과 약 분자 사이의 상호작용을 예측하고, 그 예측의 불확실성을 판단하는 단계; 를 포함하는,단백질-약 상호작용 예측 방법
|
| 14 |
14
제13항에 있어서,상기 단백질 표현형 데이터를 생성하는 단계는 전이학습을 통해 생성된 단백질 표현형 생성 모델을 이용하여 상기 단백질 데이터로부터 단백질 표현형 데이터를 생성하고,상기 약 분자 표현형 데이터를 생성하는 단계는 상기 약 분자 데이터로부터 그래프 구조의 약 분자 표현형 데이터를 생성하는,단백질-약 상호작용 예측 방법
|
| 15 |
15
제13항에 있어서,상기 베이지언 뉴럴 네트워크는 드롭아웃이 적용된 베이지언 뉴럴 네트워크이고,상기 단백질과 약 분자 사이의 상호작용을 예측하고 그 예측의 불확실성을 판단하는 단계는 드롭아웃을 적용하여 단백질과 약 분자 사이의 상호작용을 복수회 예측하고, 복수회의 예측 결과를 기반으로 단백질과 약 분자 사이의 상호작용의 최종 예측값과 상기 최종 예측값의 불확실성을 판단하는 단계를 포함하는,단백질-약 상호작용 예측 방법
|
| 16 |
16
제15항에 있어서,상기 최종 예측값과 상기 최종 예측값의 불확실성을 판단하는 단계는 상기 복수회의 예측 결과를 평균하여 상기 최종 예측값을 판단하고, 상기 복수회의 예측 결과의 분포로부터 상기 최종 예측값의 불확실성을 판단하는,단백질-약 상호작용 예측 방법
|
| 17 |
17
제16항에 있어서,상기 최종 예측값의 불확실성은 모델 불확실성(epistemic uncertainty)과 데이터 불확실성(aleatoric uncertainty)을 포함하는,단백질-약 상호작용 예측 방법
|
| 18 |
18
제17항에 있어서,상기 최종 예측값의 불확실성을 판단하는 단계는 하기 수학식을 이용하여 모델 불확실성을 판단하는,단백질-약 상호작용 예측 방법
|
| 19 |
19
제17항에 있어서,상기 최종 예측값의 불확실성을 판단하는 단계는 하기 수학식을 이용하여 데이터 불확실성을 판단하는,단백질-약 상호작용 예측 방법
|
