| 1 |
1
교차 어텐션 매커니즘 기반의 화합물-단백질 상호작용 예측 방법에 있어서,분자 그래프 데이터 및 분자 지문 데이터 각각을 기반으로 화합물 정보를 인코딩하는 단계;단백질 시퀀스 데이터를 기반으로 단백질 정보를 인코딩하는 단계;인코딩된 상기 화합물 정보 및 단백질 정보를 제1 교차 어텐션 블록에 입력하는 단계; 및상기 제1 교차 어텐션 블록의 출력을 기반으로 화합물과 단백질의 상호 작용을 예측하는 단계를 포함하는 교차 어텐션 매커니즘 기반의 화합물-단백질 상호작용 예측 방법에 있어서, 상기 제1 교차 어텐션 블록은 Q(query), K(Key) 및 V(value)의 입력을 가지고, 상기 Q는 인코딩된 상기 화합물 정보를 기반으로 결정되고, 상기 K 및 V는 인코딩된 상기 단백질 정보를 기반으로 결정되며,상기 화합물 정보를 인코딩하는 단계는,상기 분자 그래프 데이터를 D-MPNN(direct message passing neural network)에 입력하는 단계;상기 분자 지문 데이터를 MLP(multi layer perceptron) 인공 신경망에 입력하는 단계; 및상기 D-MPNN의 출력 및 상기 MLP 인공 신경망의 출력을 제2 교차 어텐션 블록에 입력하여 인코딩된 상기 화합물 정보이자 상기 제1 교차 어텐션 블록에 입력되는 Q를 출력하는 단계;를 포함하는, 교차 어텐션 매커니즘 기반의 화합물-단백질 상호작용 예측 방법
|
| 2 |
2
삭제
|
| 3 |
3
제1항에 있어서,상기 제2 교차 어텐션 블록은 Q(query), K(Key) 및 V(value)의 입력을 가지고, 상기 V, K는 상기 D-MPNN의 출력을 기반으로 결정되고, 상기 Q는 상기 MLP 인공 신경망의 출력을 기반으로 결정되는 교차 어텐션 매커니즘 기반의 화합물-단백질 상호작용 예측 방법
|
| 4 |
4
제3항에 있어서,상기 제2 교차 어텐션 블록의 출력은, 상기 Q, K, V의 입력을 기반으로 와 같이 결정되고, 여기서 C는 임베딩 차원의 수이고, d는 어텐션 헤드(attention head)의 수인 교차 어텐션 매커니즘 기반의 화합물-단백질 상호작용 예측 방법
|
| 5 |
5
제1항에 있어서,상기 화합물 정보를 인코딩하는 단계는,상기 제2 교차 어텐션 블록의 출력을 셀프 어텐션 블록에 입력하는 단계를 더 포함하는 교차 어텐션 매커니즘 기반의 화합물-단백질 상호작용 예측 방법
|
| 6 |
6
제1항에 있어서,단백질 정보를 인코딩하는 단계는,TAPE(tasks assessing protein embeddings) 토크나이저(tokenizer)를 기반으로 단백질 데이터를 전처리하는 단계; One-hot 인코딩을 기반으로 1 차원 데이터인 상기 단백질 시퀀스 데이터를 생성하는 단계; 및상기 단백질 시퀀스 데이터를 1D CNN(convolutional neural network)에 입력하는 단계를 포함하는 교차 어텐션 매커니즘 기반의 화합물-단백질 상호작용 예측 방법
|
| 7 |
7
삭제
|
| 8 |
8
제1항에 있어서,상기 제1 교차 어텐션 블록의 출력은, 상기 Q, K, V의 입력을 기반으로 와 같이 결정되고, 여기서 C는 임베딩 차원의 수이고, d는 어텐션 헤드(attention head)의 수인 교차 어텐션 매커니즘 기반의 화합물-단백질 상호작용 예측 방법
|
| 9 |
9
적어도 하나의 프로세서;상기 적어도 하나의 프로세서에 의해 실행되는 컴퓨터 프로그램을 로드(load)하는 메모리; 및상기 컴퓨터 프로그램을 저장하는 스토리지를 포함하고,상기 컴퓨터 프로그램은 상기 적어도 하나의 프로세서에 의해,분자 그래프 데이터 및 분자 지문 데이터 각각을 기반으로 화합물 정보를 인코딩하는 동작;단백질 시퀀스 데이터를 기반으로 단백질 정보를 인코딩하는 동작;인코딩된 상기 화합물 정보 및 단백질 정보를 제1 교차 어텐션 블록에 입력하는 동작; 및상기 제1 교차 어텐션 블록의 출력을 기반으로 화합물과 단백질의 상호 작용을 예측하는 동작을 실행하도록 제어되는 교차 어텐션 매커니즘 기반의 화합물-단백질 상호작용 예측 장치에 있어서, 상기 제1 교차 어텐션 블록은 Q(query), K(Key) 및 V(value)의 입력을 가지고, 상기 Q는 인코딩된 상기 화합물 정보를 기반으로 결정되고, 상기 K 및 V는 인코딩된 상기 단백질 정보를 기반으로 결정되며,상기 화합물 정보를 인코딩하는 동작은,상기 분자 그래프 데이터를 D-MPNN(direct message passing neural network)에 입력하는 동작;상기 분자 지문 데이터를 MLP(multi layer perceptron) 인공 신경망에 입력하는 동작; 및상기 D-MPNN의 출력 및 상기 MLP 인공 신경망의 출력을 제2 교차 어텐션 블록에 입력하여 인코딩된 상기 화합물 정보이자 상기 제1 교차 어텐션 블록에 입력되는 Q를 출력하는 동작;을 포함하는, 교차 어텐션 매커니즘 기반의 화합물-단백질 상호작용 예측 장치
|
| 10 |
10
컴퓨팅 장치와 결합되어,분자 그래프 데이터 및 분자 지문 데이터 각각을 기반으로 화합물 정보를 인코딩하는 동작;단백질 시퀀스 데이터를 기반으로 단백질 정보를 인코딩하는 동작;인코딩된 상기 화합물 정보 및 단백질 정보를 제1 교차 어텐션 블록에 입력하는 동작; 및상기 제1 교차 어텐션 블록의 출력을 기반으로 화합물과 단백질의 상호 작용을 예측하는 동작을 실행하는 컴퓨터로 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램에 있어서, 상기 제1 교차 어텐션 블록은 Q(query), K(Key) 및 V(value)의 입력을 가지고, 상기 Q는 인코딩된 상기 화합물 정보를 기반으로 결정되고, 상기 K 및 V는 인코딩된 상기 단백질 정보를 기반으로 결정되며,상기 화합물 정보를 인코딩하는 동작은,상기 분자 그래프 데이터를 D-MPNN(direct message passing neural network)에 입력하는 동작;상기 분자 지문 데이터를 MLP(multi layer perceptron) 인공 신경망에 입력하는 동작; 및상기 D-MPNN의 출력 및 상기 MLP 인공 신경망의 출력을 제2 교차 어텐션 블록에 입력하여 인코딩된 상기 화합물 정보이자 상기 제1 교차 어텐션 블록에 입력되는 Q를 출력하는 동작;을 포함하는, 컴퓨터로 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램
|
