| 학회 |
한국화학공학회 |
| 학술대회 |
2022년 봄 (04/20 ~ 04/23, 제주국제컨벤션센터) |
| 권호 |
28권 1호, p.137 |
| 발표분야 |
[주제 2] 기계학습 |
| 제목 |
Fragment-based drug discovery using reinforcement learning |
| 초록 |
신약개발에 있어 원하는 특성을 갖는 분자를 생성해 내는 것은 핵심적인 과정이며, 지금까지 이에 대한 연구가 활발히 이루어져 왔다. 특히 최근에는, 필요한 데이터를 능동적으로 얻어낼 수 있는 강화학습을 이용한 연구가 주목을 받고 있다. 강화학습을 이용한 분자 생성 방법 중 조각 기반 분자 생성 방법은 존재하는 조각을 기반으로 분자를 생성하기 때문에 합성 가능성을 보장하면서 원하는 특성을 가지는 분자를 생성할 수 있다. 하지만 기존에 이를 이용한 연구는 사용되는 조각의 종류가 적고, 존재하는 분자에 약간의 변형만을 가하여 생성된 분자의 다양성이 부족하다는 제약이 있었다. 본 연구에서는 강화학습 알고리즘 중 안정적이고 좋은 성능을 나타내는 Proximal Policy Optimization (PPO) 알고리즘을 이용하여 BRICS 규칙에 맞는 조각들을 기반으로 분자를 생성하여 원하는 특성을 갖는 분자를 생성하였다. 훈련 과정 중 action masking을 통해 학습의 효율성을 높임과 동시에 2,000개 이상의 다양한 조각들을 사용하여 합성가능성을 보장하면서 기존 방법에 비해 생성물의 다양성을 높였다. 이를 평가하기 위해 여러 가지 약리학적 특성 값과 다양한 단백질에 대한 docking score을 비교하였다. |
| 저자 |
최혜연1, 강동주2, 김현승2, 이원보2, 나종걸1
|
| 소속 |
1이화여자대, 2서울대 |
| 키워드 |
공정시스템(Process Systems Engineering) |
| E-Mail |
|
| 원문파일 |
초록 보기 |
