ÀΰøÁö´É(AI)±â¹Ý ½Å¾à¹ß±¼ ¹× Ç÷§Æû °³¹ß Àü¹®±â¾÷ µð¾îÁ¨(ÁÖ)(´ëÇ¥ÀÌ»ç °±æ¼ö)Àº Self-Attention ¸ÞÄ¿´ÏÁòÀ» ±â¹ÝÀ¸·Î ÇÑ ¾à¹°-´Ü¹éÁú »óÈ£ÀÛ¿ë ¿¹Ãø ¾Ë°í¸®Áò(MT-DTI, Molecule Transformer Drug Target Interaction) °³¹ß ¼º°ú¸¦ 2019³â 8¿ù 8ÀϺÎÅÍ 10ÀϱîÁö ÁøÇàµÇ´Â MLHC(Machine Learning for Healthcare)2019 ÇÐȸ¿¡¼ ¹ßÇ¥Çß´Ù.
MLHC´Â ÀÇ·á ºòµ¥ÀÌÅ͸¦ È°¿ëÇÑ ÀΰøÁö´É ±â¼ú ºÐ¾ß ÃÖ´ë ÇÐȸÀÌ´Ù. 2011³âºÎÅÍ ¸Å³â °³ÃֵǴ MLHC´Â ¿ÃÇØ ¹Ì±¹ ¹Ì½Ã°£ ÁÖÀÇ ¹Ì½Ã°£ ´ëÇÐ(University of Michigan)¿¡¼ ÁøÇàµÈ´Ù.
MT-DTI´Â ±âÁ¸ DTI ¿¹Ãø ¸ðµ¨ÀÇ ÇѰ踦 ±Øº¹ÇÏ¿© µð¾îÁ¨¿¡¼ ÀÚü°³¹ß ÇÑ »õ·Î¿î DTI ¸ðµ¨ÀÌ´Ù. µð¾îÁ¨ÀÇ ½ÇÇè °á°ú ±âÁ¸ DTI ¿¹Ãø ¸ðµ¨µé ´ëºñ ¿ùµîÇÑ ¼º´ÉÀ» º¸¿´À¸¸ç, MT-DTI¸¦ ÀÌ¿ëÇØ EGFR(»óÇǼ¼Æ÷ ¼ºÀå ¼ö¿ëü)¸¦ Ÿ±ê ÇÏ´Â 30°³ÀÇ ½Å¾àÈĺ¸¹°ÁúÀ» ¿¹ÃøÇßÀ» ¶§, ÇöÀç FDA ½ÂÀÎµÈ 8°³ÀÇ EFGR Ÿ±ê Ç×¾ÏÁ¦°¡ ¸ðµÎ Æ÷ÇԵǾî ÀÖÀ½À» È®ÀÎÇß´Ù.
DTI(Drug Target Interaction)´Â Áúº´À» À¯¹ßÇÏ´Â °ÍÀ¸·Î ¿¹ÃøµÇ´Â Ÿ±ê ¹°Áú°ú ¾à¹° Èĺ¸¹°ÁúÀÇ »óÈ£ÀÛ¿ëÀ» ¿¹ÃøÇÏ¿© ½Å¾àÈĺ¸¹°ÁúÀ» µµÃâÇÏ´Â °ÍÀÌ´Ù. ±×·¯³ª ÀüÅëÀûÀÎ ½ÇÇè½Ç ±â¹ÝÀÇ(in-vitro) DTI´Â ºñ¿ë°ú ½Ã°£ÀÌ ¸¹ÀÌ ÇÊ¿äÇÑ °úÁ¤ÀÏ »Ó¸¸ ¾Æ´Ï¶ó DTI·Î µµÃâµÈ ½Å¾àÈĺ¸¹°Áú Áß ½ÇÁ¦ ½Å¾àÀ¸·Î À̾îÁö´Â °æ¿ì´Â 10% ¹Ì¸¸ÀÌ´Ù.
µû¶ó¼ ÃÖ±Ù ½Å¾à°³¹ß ½ÃÀå¿¡¼´Â ÄÄÇ»ÅÍ ½Ã¹Ä·¹ÀÌ¼Ç ±â¹ÝÀÇ(in-silico) ±â¼úÀ» ÀÌ¿ëÇÑ DTI ¿¹ÃøÀÌ ¿ä±¸µÇ°í ÀÖ´Ù. ÀÌ´Â ½Å¾à°³¹ß Àüü ÇÁ·Î¼¼½º¿¡ µå´Â ½Ã°£°ú ºñ¿ëÀ» 43%±îÁö °¨¼Ò½Ãų ¼ö ÀÖ´Ù°í ÇÑ´Ù.
ÀÌ·¯ÇÑ ÃֽŠ¿ä±¸¿¡ µû¶ó¼ ¿©·¯ Á¾·ùÀÇ in-silico DTI ¿¹Ãø ¸ðµ¨µé (KronRLS, SimBoost, DeepDTA µî)ÀÌ Á¦¾ÈµÇ¾úÁö¸¸, ÀÌ ¹æ¹ýµéÀº º¹ÀâÇÑ ÈÇб¸Á¶¸¦ Á¦´ë·Î ¹Ý¿µÇÏÁö ¸øÇÏ°í ¹æ´ëÇÑ ÈÇÕ¹° Á¤º¸¸¦ Á¦´ë·Î ÀÌ¿ëÇÏÁö ¸øÇÏ¿© Èĺ¸¹°Áú¿¹Ãø¿¡ ÇÑ°è°¡ ÀÖ´Â °ÍÀ¸·Î ¾Ë·ÁÁ® ÀÖ´Ù.
±×¿¡ ºñÇØ MT-DTI´Â Self-Attention ¸ÞÄ¿´ÏÁòÀ» ¸ðµ¨¿¡ ¹Ý¿µÇؼ º¹ÀâÇÑ ÈÇб¸Á¶¸¦ ´õ¿í È¿°úÀûÀ¸·Î ¸ðµ¨¸µ Çß°í, PubChemÀÇ ¾à 9,700¸¸ °³ÀÇ ¹æ´ëÇÑ ÈÇÕ¹° µ¥ÀÌÅͺ£À̽º¸¦ »çÀüÇнÀ¿¡ ÀÌ¿ë °¡´ÉÇÏ°Ô ÇÏ¿© ¸ðµ¨ÀÇ Á¤¹Ðµµ¸¦ ³ô¿´´Ù.
MT-DTI ¸ðµ¨ ¿¬±¸¸¦ À̲ö ½ÅºÀ±Ù ÃÖ°í ÀΰøÁö´ÉÃ¥ÀÓÀÚ´Â “À̹ø ¿¬±¸¸¦ ÅëÇØ MT-DTI ¸ðµ¨ÀÌ ½Å¾àÈĺ¸¹°ÁúÀ» Á¦½ÃÇÏ´Â µ¥ ºü¸£°í Á¤¹ÐÇÑ Ç÷§ÆûÀ¸·Î È°¿ëµÉ °¡´É¼ºÀÌ È®ÀεǾú´Ù.”¸ç “³ª¾Æ°¡ ¿ì¸®ÀÇ MT-DTI ¸ðµ¨Àº ÀûÀº ºñ¿ëÀ¸·Î ½Å¾àÀ» °³¹ßÇÒ ¼ö ÀÖ°Ô Çϸç, ȯÀÚ ¸ÂÃã ÀÇ·á½Ã´ë¸¦ ¾Õ´ç±æ °ÍÀÌ´Ù.”°í À̹ø ÇÐȸ¿¡¼ ¹ßÇ¥Çß´Ù.
µð¾îÁ¨Àº ÃÖ±Ù Áúº´À» À¯¹ßÇÏ´Â ´Ü¹éÁú°ú ¾à¹° °£ »óÈ£ÀÛ¿ëÀ» ¿¹ÃøÇÏ´Â DTI ¸ðµ¨ ¿¬±¸¿¡ ´ëÇÑ ´Ù¼öÀÇ ³í¹®°ú ƯÇ㸦 ÁøÇà ÁßÀÌ´Ù. ±× °á°ú·Î À̹ø MLHC 2019 ÇÐȸ¿¡¼ ¿¬±¸ ¼º°ú Áß ÇϳªÀÎ MT-DTI ¸ðµ¨À» ¹ßÇ¥ÇÒ ¼ö ÀÖ¾ú´Ù. MT-DTI¸¦ ÀÌ¿ëÇÑ ¿¹Ãø ¸ðµ¨Àº https://mt-dti.deargendev.me ÀÇ ¸µÅ©¸¦ ÅëÇØ »ç¿ëÇØ º¼ ¼ö ÀÖ´Ù.
µð¾îÁ¨ÀÇ °±æ¼ö ´ëÇ¥ÀÌ»ç´Â “µð¾îÁ¨Àº ½Å¾à °³¹ß¿¡ ÇÊ¿äÇÑ ÈÇÕ¹°, ´Ü¹éÁú, À¯Àüü ¹× ´Ù¾çÇÑ ÀÇ·á ºòµ¥ÀÌÅ͸¦ È°¿ëÇÏ¿© AI ¸ðµ¨ °³¹ß°ú µ¥ÀÌÅÍ ±â¹Ý in-silico Ç÷§Æû ±â¼úÀ» °³¹ß ÁßÀÌ´Ù.”¸ç, “ÇöÀç µð¾îÁ¨Àº AI ±â¼úÀ» È°¿ëÇÏ¿© first/best in classÀÇ ½Å¾àÀ» ¸¸µé±â À§ÇØ ¿©·¯ ½Å¾à °³¹ß Àü¹®°¡µé°ú ÇÔ²² Çù¾÷ÇÏ°í ÀÖ´Ù. ³ª¾Æ°¡ µð¾îÁ¨ÀÇ AI ±â¼úÀÌ ½Å¾à °³¹ß¿¡ Áß¿äÇÑ Æ÷Áö¼ÇÀ» °®µµ·Ï ³ë·ÂÇÏ°í ÀÖ´Ù.”°í ¸»Çß´Ù.
À̹ø ¿¬±¸ ¼º°ú¿¡ ´ëÇÑ ³í¹®Àº ‘Self-Attention Based Molecule Representation for Predicting Drug-Target Interaction’ Á¦¸ñÀ¸·Î JMLR(Journal of Machine Learning Research)Àú³Î¿¡ °ÔÀçµÉ ¿¹Á¤ÀÌ´Ù.
Á¶¼ö¿µ ±âÀÚ bodo@emoneynews.co.kr
<ÀúÀÛ±ÇÀÚ © À̸Ӵϴº½º, ¹«´Ü ÀüÀç ¹× Àç¹èÆ÷ ±ÝÁö>