CONFERENCES
2025
20.
유혜진; 이재인; 유선용
Abstract | Links | BibTeX | Tags: Artificial Intelligence, Ethnopharmacology
@conference{nokey,
title = {전통 의학에서 천연물 및 화합물의 다약리학 효과 식별 연구},
author = {유혜진 and 이재인 and 유선용},
url = {https://bmil.jnu.ac.kr/wp-content/uploads/2025/07/유혜진-전통-의학에서-천연물-및-화합물의-다약리학-효과-식별-연구.pdf},
year = {2025},
date = {2025-07-04},
urldate = {2025-07-04},
booktitle = {2025 한국디지털콘텐츠학회 하계종합학술대회},
publisher = {한국디지털콘텐츠학회},
abstract = {본 논문은 질병에 대한 잠재적 후보 천연물 및 화합물을 연관 규칙 및 근접성 기반 네트워크 분석을 통해 식별함으로써 전통 의학에서의 다약리학적 효과를 밝히고자 한다. 천연물 수준 분석에서 신뢰도가 높은 조합은 질병에 효과적일 수 있으며 화합물 수준 분석은 이를 뒷받침한다.},
keywords = {Artificial Intelligence, Ethnopharmacology},
pubstate = {published},
tppubtype = {conference}
}
본 논문은 질병에 대한 잠재적 후보 천연물 및 화합물을 연관 규칙 및 근접성 기반 네트워크 분석을 통해 식별함으로써 전통 의학에서의 다약리학적 효과를 밝히고자 한다. 천연물 수준 분석에서 신뢰도가 높은 조합은 질병에 효과적일 수 있으며 화합물 수준 분석은 이를 뒷받침한다.
19.
송종웅; 서문수빈; 유선용
Abstract | Links | BibTeX | Tags: Deep learning, Interpretability, Transcriptome, Transformer
@conference{nokey,
title = {Transformer 기반 생물학적 그래프 모델을 활용한해석 가능한 약물 유도 유전자 발현 예측},
author = {송종웅 and 서문수빈 and 유선용},
url = {https://bmil.jnu.ac.kr/wp-content/uploads/2025/07/송종웅-Transformer-기반-생물학적-그래프-모델을-활용한-해석-가능한-약물-유도-유전자-발현-예측.pdf},
year = {2025},
date = {2025-07-04},
urldate = {2025-07-04},
booktitle = {2025 한국디지털콘텐츠학회 하계종합학술대회},
publisher = {한국디지털콘텐츠학회},
abstract = {약물 세포 용량 시간을 모두 반영한 약물 유도 유전자 발현 예측은 정밀의학과 독성 평가에 필수적이다. 그러나 RNA-seq 기반 측정은 비용 시간 부담이 크고 기존 선형 기계학습 모델은 복잡한 조건 의존적 패턴을 충분히 포착하지 못한다. 본 연구는 이를 극복하기 위해 화합물 SMILES, KEGG 경로 기반 세포 그래프 용량 시간 벡터를 Transformer 인코더로 통합한 해석 가능한 딥러닝 모델을 제안한다. 제안된 모델은 랜드마크 유전자 발현을 높은 정확도로 예측할 뿐 아니라, self-attention 메커니즘을 통해 중요한 분자 하부구조와 유전자의 기여도를 식별하고 시각화함으로써 예측 결과의 생물학적 해석 가능성을 확보한다 이를 통해 고비용 실험 없이도 신속한 후보 물질 탐색과 독성 평가를 가속할 것으로 기대된다.},
keywords = {Deep learning, Interpretability, Transcriptome, Transformer},
pubstate = {published},
tppubtype = {conference}
}
약물 세포 용량 시간을 모두 반영한 약물 유도 유전자 발현 예측은 정밀의학과 독성 평가에 필수적이다. 그러나 RNA-seq 기반 측정은 비용 시간 부담이 크고 기존 선형 기계학습 모델은 복잡한 조건 의존적 패턴을 충분히 포착하지 못한다. 본 연구는 이를 극복하기 위해 화합물 SMILES, KEGG 경로 기반 세포 그래프 용량 시간 벡터를 Transformer 인코더로 통합한 해석 가능한 딥러닝 모델을 제안한다. 제안된 모델은 랜드마크 유전자 발현을 높은 정확도로 예측할 뿐 아니라, self-attention 메커니즘을 통해 중요한 분자 하부구조와 유전자의 기여도를 식별하고 시각화함으로써 예측 결과의 생물학적 해석 가능성을 확보한다 이를 통해 고비용 실험 없이도 신속한 후보 물질 탐색과 독성 평가를 가속할 것으로 기대된다.
18.
나예빈; 정선우; 최희석; 유선용
Abstract | Links | BibTeX | Tags: CYP450, Deep learning
@conference{nokey,
title = {딥러닝 기반 Cytochrome P450 2D6 유전자 다형성과 약물 특이적 대사 기능 표현형 예측 연구},
author = {나예빈 and 정선우 and 최희석 and 유선용},
url = {https://bmil.jnu.ac.kr/wp-content/uploads/2025/07/나예빈-딥러닝-기반-Cytochrome-P450-2D6-유전자-다형성과-약물-특이적-대사-기능-표현형-예측-연구.pdf},
year = {2025},
date = {2025-07-04},
urldate = {2025-07-04},
booktitle = {2025 한국디지털콘텐츠학회 하계종합학술대회},
publisher = {한국디지털콘텐츠학회},
abstract = {CYP2D6는 임상에서 사용되는 약물의 25%를 대사한다. 높은 다형성을 특징으로 하는 CYP2D6의 유전적 변이는 약물 대사에서 개인 간 큰 차이를 초래할 수 있이며 이는 치료 반응의 차이와 부작용으로 이어질 수 있다. 기존의 CYP2D6 약물 대사 표현형 분류 방식은 에 의해 대사되는 몇 가지 약물의 임상결과를 바탕으로 변이체에 점수를 매기고 이를 통해 모든 약물의 대사 능력을 예측하는 방법이었다 하지만 이 방법은 약물마다 다른 특성을 반영하지 못하기에 모든 약물에 일괄적으로 적용하기에는 한계가 있다. 따라서 본
연구에서는 CYP2D6변이체와 약물에 대한 임상결과를 직접 활용하여 데이터 라벨링을 수행하고 딥러닝을 활용한 약물 대사 표현형 예측 모델을 개발하였다},
keywords = {CYP450, Deep learning},
pubstate = {published},
tppubtype = {conference}
}
CYP2D6는 임상에서 사용되는 약물의 25%를 대사한다. 높은 다형성을 특징으로 하는 CYP2D6의 유전적 변이는 약물 대사에서 개인 간 큰 차이를 초래할 수 있이며 이는 치료 반응의 차이와 부작용으로 이어질 수 있다. 기존의 CYP2D6 약물 대사 표현형 분류 방식은 에 의해 대사되는 몇 가지 약물의 임상결과를 바탕으로 변이체에 점수를 매기고 이를 통해 모든 약물의 대사 능력을 예측하는 방법이었다 하지만 이 방법은 약물마다 다른 특성을 반영하지 못하기에 모든 약물에 일괄적으로 적용하기에는 한계가 있다. 따라서 본
연구에서는 CYP2D6변이체와 약물에 대한 임상결과를 직접 활용하여 데이터 라벨링을 수행하고 딥러닝을 활용한 약물 대사 표현형 예측 모델을 개발하였다
연구에서는 CYP2D6변이체와 약물에 대한 임상결과를 직접 활용하여 데이터 라벨링을 수행하고 딥러닝을 활용한 약물 대사 표현형 예측 모델을 개발하였다
17.
김채원; 정명현; 김민건; 유선용
Abstract | Links | BibTeX | Tags: Artificial Intelligence, Bioinformatics, Drugs, Transcriptome
@conference{nokey,
title = {Conditional Diffusion Model 기반 약물로 인한 전사체 반응 예측},
author = {김채원 and 정명현 and 김민건 and 유선용},
url = {https://bmil.jnu.ac.kr/wp-content/uploads/2025/07/김채원-Conditional-Diffusion-Model-기반-약물로-인한-전사체-반응-예측.pdf},
year = {2025},
date = {2025-07-04},
urldate = {2025-07-04},
booktitle = {2025 한국디지털콘텐츠학회 하계종합학술대회},
publisher = {한국디지털콘텐츠학회},
abstract = {본 논문에서는 Conditional Diffusion Model 기반 교란 조건을 고려한 전사체 변화 예측 심층 생성 모델을 소개한다 처리한 화합물 정보와 더불어 처리용량과 시간 세포주의 기저 유전자 발현 정보를 사용함으로써 정밀한 전사체 변화 예측을 가능하게 한다 따라서 본 모델이 생성한 전사체 변화 데이터를 활용함으로써 약물에 대한 이해도를 향상하고 신약 개발 및 정밀 의료 기술의 발전 등에 기여할 수 있는 가능성을 보여준다.},
keywords = {Artificial Intelligence, Bioinformatics, Drugs, Transcriptome},
pubstate = {published},
tppubtype = {conference}
}
본 논문에서는 Conditional Diffusion Model 기반 교란 조건을 고려한 전사체 변화 예측 심층 생성 모델을 소개한다 처리한 화합물 정보와 더불어 처리용량과 시간 세포주의 기저 유전자 발현 정보를 사용함으로써 정밀한 전사체 변화 예측을 가능하게 한다 따라서 본 모델이 생성한 전사체 변화 데이터를 활용함으로써 약물에 대한 이해도를 향상하고 신약 개발 및 정밀 의료 기술의 발전 등에 기여할 수 있는 가능성을 보여준다.
16.
김상민; 이도현; 유선용
Abstract | Links | BibTeX | Tags: Graph attention network, Interpretability, Transformer
@conference{김상민2025,
title = {그래프 트랜스포머를 이용한 항암제 조합의 시너지 효과 예측},
author = {김상민 and 이도현 and 유선용},
url = {https://bmil.jnu.ac.kr/wp-content/uploads/2025/07/김상민-그래프-트랜스포머를-이용한-항암제-조합의-시너지-효과-예측.pdf},
year = {2025},
date = {2025-07-04},
urldate = {2025-07-04},
booktitle = {2025 한국디지털콘텐츠학회 하계종합학술대회},
publisher = {한국디지털콘텐츠학회},
abstract = {약물 조합 치료는 암 치료에 있어 유망한 치료 전략으로 떠오르고 있다 그러나 약물의 수가 증가함에 따라 효과적인 약물 조합을 식별하는 것은 여전히 어려운 과제이다 기존 연구들은 분자 그래프의 구조적 특징을 충분히쿄 반영하지 못하고 시너지 효과에 중요한 유전자에 대한 분석이 부족하다는 한계가 존재한다 본 논문에서는 이를 해결하기 위해 그래프 트랜스포머와
게이팅 메커니즘을 결합한 모델을 제안한다 제안된 모델은 기존 방법들 보다 우수한 성능을 보였고 게이팅 메커니즘을 통해 시너지 효과에 중요한 유전자들을 식별함으로써 해석 가능성을 확보하였다 이를 통해 약물 조합 식별을 위한 유망한 도구로 활용될 수 있을 것으로 기대된다.},
keywords = {Graph attention network, Interpretability, Transformer},
pubstate = {published},
tppubtype = {conference}
}
약물 조합 치료는 암 치료에 있어 유망한 치료 전략으로 떠오르고 있다 그러나 약물의 수가 증가함에 따라 효과적인 약물 조합을 식별하는 것은 여전히 어려운 과제이다 기존 연구들은 분자 그래프의 구조적 특징을 충분히쿄 반영하지 못하고 시너지 효과에 중요한 유전자에 대한 분석이 부족하다는 한계가 존재한다 본 논문에서는 이를 해결하기 위해 그래프 트랜스포머와
게이팅 메커니즘을 결합한 모델을 제안한다 제안된 모델은 기존 방법들 보다 우수한 성능을 보였고 게이팅 메커니즘을 통해 시너지 효과에 중요한 유전자들을 식별함으로써 해석 가능성을 확보하였다 이를 통해 약물 조합 식별을 위한 유망한 도구로 활용될 수 있을 것으로 기대된다.
게이팅 메커니즘을 결합한 모델을 제안한다 제안된 모델은 기존 방법들 보다 우수한 성능을 보였고 게이팅 메커니즘을 통해 시너지 효과에 중요한 유전자들을 식별함으로써 해석 가능성을 확보하였다 이를 통해 약물 조합 식별을 위한 유망한 도구로 활용될 수 있을 것으로 기대된다.
15.
강민기; 송윤주; 유선용
Abstract | Links | BibTeX | Tags: Artificial Intelligence, Knowledge graph
@conference{강민기2025,
title = {지식 그래프 임베딩 기반 약물-식품 상호작용 예측 연구},
author = {강민기 and 송윤주 and 유선용},
url = {https://bmil.jnu.ac.kr/wp-content/uploads/2025/07/강민기-지식-그래프-임베딩-기반-약물-식품-상호작용-예측-연구-1.pdf},
year = {2025},
date = {2025-07-04},
urldate = {2025-07-04},
booktitle = {2025 한국디지털콘텐츠학회 하계종합학술대회},
publisher = {한국디지털콘텐츠학회},
abstract = {식품 약물 상호작용 은 환자 안전에 중요한 위험 요소이지만 기존 예측 방법들은 복잡한 생화학적 관계를 충분히 고려하지 못한다 본 논문에서는 지식 그래프 신경망과 cross-attention 메커니즘을 결합하여 약물별 맥락에서 관련성 높은 식품 특성을 강조함으로써 FDI를 예측하는 모델을 제안한다 다중 생의학 데이터베이스를 통합한 지식 그래프 기반으로 식품의 복합적 생화학 효과를 모델링한 결과 기존 방법들 대비 우수한 예측 성능을 달성하여 임
상 환경에서의 FDI 위험 관리에 기여할 수 있을 것으로 기대된다.},
keywords = {Artificial Intelligence, Knowledge graph},
pubstate = {published},
tppubtype = {conference}
}
식품 약물 상호작용 은 환자 안전에 중요한 위험 요소이지만 기존 예측 방법들은 복잡한 생화학적 관계를 충분히 고려하지 못한다 본 논문에서는 지식 그래프 신경망과 cross-attention 메커니즘을 결합하여 약물별 맥락에서 관련성 높은 식품 특성을 강조함으로써 FDI를 예측하는 모델을 제안한다 다중 생의학 데이터베이스를 통합한 지식 그래프 기반으로 식품의 복합적 생화학 효과를 모델링한 결과 기존 방법들 대비 우수한 예측 성능을 달성하여 임
상 환경에서의 FDI 위험 관리에 기여할 수 있을 것으로 기대된다.
상 환경에서의 FDI 위험 관리에 기여할 수 있을 것으로 기대된다.
2024
14.
Yeabean Na; Junho Kim; Myung-Gyun Kang; Sunyong Yoo
Abstract | Links | BibTeX | Tags: Bioinformatics, Deep learning, Drugs
@conference{Yoo2024,
title = {A Multimodal Deep Learning Approach for Predicting Drug Metabolism According to the CYP2D6 Genetic Variation},
author = {Yeabean Na and Junho Kim and Myung-Gyun Kang and Sunyong Yoo},
url = {https://dtmbio.net/},
year = {2024},
date = {2024-01-02},
urldate = {2024-01-02},
publisher = {The 18th International Conference on Data and Text Mining in Biomedical Informatics},
abstract = {Background Cytochrome P450 2D6 (CYP2D6) is involved in metabolizing up to 25% of the drugs commonly used in clinics. Characterized by high polymorphisms, CYP2D6 is one of the key pharmacogenes in pharmacogenomics. This genetic variability can lead to significant inter-patient differences in drug metabolism, resulting in differential therapeutic responses and adverse effects. However, conducting in vivo or in vitro experiments for each CYP2D6 variant across various drugs is time-consuming, ethically challenging, and expensive. Given these constraints, In silico modeling approaches for predicting the drug metabolism profiles of CYP2D6 variants are a critical necessity.
Methods A multimodal deep learning approach that combined CYP2D6 genotype data and drug structural information was used in this study. A Convolutional Neural Network (CNN) was used to encode the genotype data, and a Graph Convolutional Network (GCN) was used to decode the drug structures. These diverse data types were then integrated into a multimodal model to predict drug metabolism.
Results A comparative analysis was conducted between a CNN model utilizing solely the CYP2D6 genotype data and a multimodal model incorporating both genotype and drug-specific information. The multimodal approach demonstrated better performance across all evaluated metrics. An additional experiment predicting drug metabolism on unseen drug data also performed well.
Conclusions This model is anticipated to enhance the prediction of metabolic capacity in previously uncharacterized CYP2D6 variants, potentially reducing adverse drug reactions.},
keywords = {Bioinformatics, Deep learning, Drugs},
pubstate = {published},
tppubtype = {conference}
}
Background Cytochrome P450 2D6 (CYP2D6) is involved in metabolizing up to 25% of the drugs commonly used in clinics. Characterized by high polymorphisms, CYP2D6 is one of the key pharmacogenes in pharmacogenomics. This genetic variability can lead to significant inter-patient differences in drug metabolism, resulting in differential therapeutic responses and adverse effects. However, conducting in vivo or in vitro experiments for each CYP2D6 variant across various drugs is time-consuming, ethically challenging, and expensive. Given these constraints, In silico modeling approaches for predicting the drug metabolism profiles of CYP2D6 variants are a critical necessity.
Methods A multimodal deep learning approach that combined CYP2D6 genotype data and drug structural information was used in this study. A Convolutional Neural Network (CNN) was used to encode the genotype data, and a Graph Convolutional Network (GCN) was used to decode the drug structures. These diverse data types were then integrated into a multimodal model to predict drug metabolism.
Results A comparative analysis was conducted between a CNN model utilizing solely the CYP2D6 genotype data and a multimodal model incorporating both genotype and drug-specific information. The multimodal approach demonstrated better performance across all evaluated metrics. An additional experiment predicting drug metabolism on unseen drug data also performed well.
Conclusions This model is anticipated to enhance the prediction of metabolic capacity in previously uncharacterized CYP2D6 variants, potentially reducing adverse drug reactions.
Methods A multimodal deep learning approach that combined CYP2D6 genotype data and drug structural information was used in this study. A Convolutional Neural Network (CNN) was used to encode the genotype data, and a Graph Convolutional Network (GCN) was used to decode the drug structures. These diverse data types were then integrated into a multimodal model to predict drug metabolism.
Results A comparative analysis was conducted between a CNN model utilizing solely the CYP2D6 genotype data and a multimodal model incorporating both genotype and drug-specific information. The multimodal approach demonstrated better performance across all evaluated metrics. An additional experiment predicting drug metabolism on unseen drug data also performed well.
Conclusions This model is anticipated to enhance the prediction of metabolic capacity in previously uncharacterized CYP2D6 variants, potentially reducing adverse drug reactions.
13.
이도현; 유선용
Abstract | Links | BibTeX | Tags: Cardiotoxicity, Machine learning
@conference{이도현2024기계학습,
title = {기계학습 기반 화합물의 심장독성 예측 연구},
author = {이도현 and 유선용},
url = {https://www.dbpia.co.kr/pdf/pdfView.do?nodeId=NODE11862000&googleIPSandBox=false&mark=0&minRead=5&ipRange=false&b2cLoginYN=false&icstClss=010000&isPDFSizeAllowed=true&accessgl=Y&language=ko_KR&hasTopBanner=true},
year = {2024},
date = {2024-01-01},
urldate = {2024-01-01},
booktitle = {한국정보과학회 학술발표논문집},
journal = {한국정보과학회 학술발표논문집},
pages = {825–827},
publisher = {한국정보과학회},
abstract = {인간 에테르-아-고-고 관련 유전자(hERG) 채널은 심장의 전기적 활동을 조절하는 데 중요한 역할을 한다. 이 채널을 차단하는 약물은 심각한 심장독성을 일으킬 수 있는데, 기존의 안전성 검사는 많은 시간과 비용을 요구한다는 단점이 있다. 이 문제를 해결하기 위해, 본 연구에서는 in silico 방법을 이용하여 hERG 차단제를 예측함으로써 심장독성을 파악하는 모델을 제안한다. 화합물의 구조적 정보를 파악하기 위해 ECFP(Extended Connectivity Fingerprint)를 사용하여 변환하였고. 물리화학적 특성 또한 추출하였고, 추출한 데이터를 기반으로 기계학습 모델을 구축하였다. 이 접근법은 심장독성을 유발할 수 있는 신약 후보 물질을 효과적으로 선별할 수 있게 한다. 결과적으로, 이 연구는 안전하고 효율적인 후보 물질의 발굴에 중요한 기여를 할 것으로 기대된다 },
keywords = {Cardiotoxicity, Machine learning},
pubstate = {published},
tppubtype = {conference}
}
인간 에테르-아-고-고 관련 유전자(hERG) 채널은 심장의 전기적 활동을 조절하는 데 중요한 역할을 한다. 이 채널을 차단하는 약물은 심각한 심장독성을 일으킬 수 있는데, 기존의 안전성 검사는 많은 시간과 비용을 요구한다는 단점이 있다. 이 문제를 해결하기 위해, 본 연구에서는 in silico 방법을 이용하여 hERG 차단제를 예측함으로써 심장독성을 파악하는 모델을 제안한다. 화합물의 구조적 정보를 파악하기 위해 ECFP(Extended Connectivity Fingerprint)를 사용하여 변환하였고. 물리화학적 특성 또한 추출하였고, 추출한 데이터를 기반으로 기계학습 모델을 구축하였다. 이 접근법은 심장독성을 유발할 수 있는 신약 후보 물질을 효과적으로 선별할 수 있게 한다. 결과적으로, 이 연구는 안전하고 효율적인 후보 물질의 발굴에 중요한 기여를 할 것으로 기대된다
12.
박준영; 유선용
Abstract | Links | BibTeX | Tags: Network analysis
@conference{박준영2024네트워크,
title = {네트워크 분석을 통한 화합물 표현형 효과 추론},
author = {박준영 and 유선용},
url = {https://www.dbpia.co.kr/pdf/pdfView.do?nodeId=NODE11861866&googleIPSandBox=false&mark=0&minRead=5&ipRange=false&b2cLoginYN=false&icstClss=010000&isPDFSizeAllowed=true&accessgl=Y&language=ko_KR&hasTopBanner=true},
year = {2024},
date = {2024-01-01},
urldate = {2024-01-01},
booktitle = {한국정보과학회 학술발표논문집},
journal = {한국정보과학회 학술발표논문집},
pages = {423–425},
publisher = {한국정보과학회},
abstract = {약물은 예상치 못한 부작용을 유발할 수 있기 때문에 개발과정에서 잠재적인 부작용을 식별하는 것이 필수적이다. 본 논문에서는 약물의 활성 성분인 화합물의 인체에 대한 잠재적인 부작용을 식별하는 데 있어서 네트워크 분석과 Random Walk with Restart(RWR) 알고리즘을 병행하여 활용한다. 다양한 화합물에 의해 유도될 수 있는 표현형을 예측하고, 이를 통해 독성을 평가하는 접근방식을 진행한다. 단백질 상호작용 네트워크 구축과 분석을 통해 화합물과 유전자 상호작용의 복잡성을 포착하고 잠재적인 부작용을 효율적으로 식별할 수 있다. 또한 화합물과 유전자, 표현형간의 연관성 정보를 활용하여 화합물의 효과를 도출하고, 통계적 기법을 활용하여 신뢰성 높은 표현형을 추론할 수 있다. 이는 약물 독성 예측과 새로운 약물 표적 발견에 기여할 수 있는 가능성을 보여주며 약물 스크리닝 방법의 개선에 유의미한 정보를 제공한다},
keywords = {Network analysis},
pubstate = {published},
tppubtype = {conference}
}
약물은 예상치 못한 부작용을 유발할 수 있기 때문에 개발과정에서 잠재적인 부작용을 식별하는 것이 필수적이다. 본 논문에서는 약물의 활성 성분인 화합물의 인체에 대한 잠재적인 부작용을 식별하는 데 있어서 네트워크 분석과 Random Walk with Restart(RWR) 알고리즘을 병행하여 활용한다. 다양한 화합물에 의해 유도될 수 있는 표현형을 예측하고, 이를 통해 독성을 평가하는 접근방식을 진행한다. 단백질 상호작용 네트워크 구축과 분석을 통해 화합물과 유전자 상호작용의 복잡성을 포착하고 잠재적인 부작용을 효율적으로 식별할 수 있다. 또한 화합물과 유전자, 표현형간의 연관성 정보를 활용하여 화합물의 효과를 도출하고, 통계적 기법을 활용하여 신뢰성 높은 표현형을 추론할 수 있다. 이는 약물 독성 예측과 새로운 약물 표적 발견에 기여할 수 있는 가능성을 보여주며 약물 스크리닝 방법의 개선에 유의미한 정보를 제공한다
11.
송윤주; 유선용
Abstract | Links | BibTeX | Tags: Deep learning, Graph attention network
@conference{송윤주2024화합물의,
title = {화합물의 폐 발암성 예측을 위한 그래프 신경망 접근법},
author = {송윤주 and 유선용},
url = {https://www.dbpia.co.kr/pdf/pdfView.do?nodeId=NODE11861976&googleIPSandBox=false&mark=0&minRead=5&ipRange=false&b2cLoginYN=false&icstClss=010000&isPDFSizeAllowed=true&accessgl=Y&language=ko_KR&hasTopBanner=true},
year = {2024},
date = {2024-01-01},
urldate = {2024-01-01},
booktitle = {한국정보과학회 학술발표논문집},
journal = {한국정보과학회 학술발표논문집},
pages = {753–755},
publisher = {한국정보과학회},
abstract = {폐암은 매년 수백만 명의 사망자를 초래하는 주요 질환 중 하나이며, 특히 2022년 한국에서는 암 중 사망률이 가장 높은 질환으로 기록되었다. 이에 따라, 폐암을 유발하는 화합물에 대한 이해와 연구가 필수적이며, 본 연구는 기존의 기계학습 및 딥러닝 방법의 한계를 극복하고, 화합물의 폐암 유발 가능성을 예측하기 위해 Graph Attention Network (GAT)를 활용한 새로운 접근방식을 제안하고 평가하였다. 본 연구에서는 화합물 발암성 데이터인 CPDB와 CCRIS 데이터베이스를 활용하였으며, Simplified Molecular Input Line Entry System (SMILES) 정보를 기반으로 분자의 구조와 화학적 성질을 그래프 데이터로 변환하였다. GAT 모델은 이 그래프 데이터를 이용하여 분자 간의 복잡한 상호작용을 학습하고, 폐암 발생 가능성을 예측하였으며, 성능 평가에서 다른 모델과 비교하여 가장 우수한 예측 성능을 입증하였다. 이는 폐암 예측을 위한 효과적인 도구로서 GAT의 잠재력을 보여주며, 향후 암 연구 및 치료 개발에 중요한 기여를 할 },
keywords = {Deep learning, Graph attention network},
pubstate = {published},
tppubtype = {conference}
}
폐암은 매년 수백만 명의 사망자를 초래하는 주요 질환 중 하나이며, 특히 2022년 한국에서는 암 중 사망률이 가장 높은 질환으로 기록되었다. 이에 따라, 폐암을 유발하는 화합물에 대한 이해와 연구가 필수적이며, 본 연구는 기존의 기계학습 및 딥러닝 방법의 한계를 극복하고, 화합물의 폐암 유발 가능성을 예측하기 위해 Graph Attention Network (GAT)를 활용한 새로운 접근방식을 제안하고 평가하였다. 본 연구에서는 화합물 발암성 데이터인 CPDB와 CCRIS 데이터베이스를 활용하였으며, Simplified Molecular Input Line Entry System (SMILES) 정보를 기반으로 분자의 구조와 화학적 성질을 그래프 데이터로 변환하였다. GAT 모델은 이 그래프 데이터를 이용하여 분자 간의 복잡한 상호작용을 학습하고, 폐암 발생 가능성을 예측하였으며, 성능 평가에서 다른 모델과 비교하여 가장 우수한 예측 성능을 입증하였다. 이는 폐암 예측을 위한 효과적인 도구로서 GAT의 잠재력을 보여주며, 향후 암 연구 및 치료 개발에 중요한 기여를 할
10.
서문수빈; 유선용
Abstract | Links | BibTeX | Tags: CYP450, Deep learning, Graph attention network
@conference{서문수빈2024cytochrome,
title = {Cytochrome P450 동위체 억제제 예측을 위한 그래프 어텐션 네트워크 모델 개발},
author = {서문수빈 and 유선용},
url = {https://www.dbpia.co.kr/pdf/pdfView.do?nodeId=NODE11861993&googleIPSandBox=false&mark=0&minRead=5&ipRange=false&b2cLoginYN=false&icstClss=010000&isPDFSizeAllowed=true&accessgl=Y&language=ko_KR&hasTopBanner=true},
year = {2024},
date = {2024-01-01},
urldate = {2024-01-01},
booktitle = {한국정보과학회 학술발표논문집},
journal = {한국정보과학회 학술발표논문집},
pages = {804–806},
publisher = {한국정보과학회},
abstract = {Cytochrome P450 효소는 모든 대사 반응 중 약 75%를 책임지며, 특히 1A2, 2C9, 2C19, 2D6, 3A4 등은 대다수 약물의 대사에 관여하고, 다수의 부작용을 유발하는 것으로 알려져 있다. 이에 따라, 신약 개발 과정에서 이들 cytochrome P450을 억제하는 화합물을 식별하는 것은 매우 중요하다. 본 논문은 약물 분자의 그래프 구조를 이용하고 self-attention 메커니즘을 적용하여 P450 동위체를 억제하는 화합물을 예측하는 새로운 모델을 제안한다. 이 모델은 Graph Attention Network (GAT)를 활용하여 분자의 그래프 표현을 학습하고, Fully-connected layer을 통해 예측을 수행한다. 또한, 데이터의 불균형 문제를 해결하기 위해 Focal loss 함수를 적용하였다. 이 연구는 in vivo에 드는 비용과 시간을 절감하고, 신약 개발의 기간과 비용을 줄이는데 기여할 것으로 기대된다},
keywords = {CYP450, Deep learning, Graph attention network},
pubstate = {published},
tppubtype = {conference}
}
Cytochrome P450 효소는 모든 대사 반응 중 약 75%를 책임지며, 특히 1A2, 2C9, 2C19, 2D6, 3A4 등은 대다수 약물의 대사에 관여하고, 다수의 부작용을 유발하는 것으로 알려져 있다. 이에 따라, 신약 개발 과정에서 이들 cytochrome P450을 억제하는 화합물을 식별하는 것은 매우 중요하다. 본 논문은 약물 분자의 그래프 구조를 이용하고 self-attention 메커니즘을 적용하여 P450 동위체를 억제하는 화합물을 예측하는 새로운 모델을 제안한다. 이 모델은 Graph Attention Network (GAT)를 활용하여 분자의 그래프 표현을 학습하고, Fully-connected layer을 통해 예측을 수행한다. 또한, 데이터의 불균형 문제를 해결하기 위해 Focal loss 함수를 적용하였다. 이 연구는 in vivo에 드는 비용과 시간을 절감하고, 신약 개발의 기간과 비용을 줄이는데 기여할 것으로 기대된다
2023
9.
Myeonghyeon Jeong; Sunyong Yoo
Links | BibTeX | Tags: Machine learning
@conference{nokey,
title = {FetoML: Interpretable predictions of the fetotoxicity of drugs based on machine learning approaches},
author = {Myeonghyeon Jeong and Sunyong Yoo},
url = {https://dtmbio.net/},
year = {2023},
date = {2023-01-02},
urldate = {2023-01-02},
booktitle = {In 17th International Conference on Data and Text Mining in Biomedical Informatics},
pages = {20},
publisher = {DTMBIO},
keywords = {Machine learning},
pubstate = {published},
tppubtype = {conference}
}
8.
Dohyeon Lee; Sunyong Yoo
Links | BibTeX | Tags: Deep learning, Graph attention network
@conference{nokey,
title = {hERGAT: Predicting hERG blockers using graph attention mechanism through atom- and molecule- level interaction analysis},
author = {Dohyeon Lee and Sunyong Yoo},
url = {https://dtmbio.net/},
year = {2023},
date = {2023-01-02},
urldate = {2023-01-02},
booktitle = {In 17th International Conference on Data and Text Mining in Biomedical Informatics},
publisher = {DTMBIO},
keywords = {Deep learning, Graph attention network},
pubstate = {published},
tppubtype = {conference}
}
2022
7.
Myeonghyeon Jeong; Sangjin Kim; Yewon Han; Jihyun Jeong; Dahwa Jung; Inyoung Choi; Sunyong Yoo
BibTeX | Tags: Attention mechanism, Bioinformatics, Deep learning
@conference{nokey,
title = {Attention-based Deep Neural Network for Predicting Fetotoxicity},
author = {Myeonghyeon Jeong and Sangjin Kim and Yewon Han and Jihyun Jeong and Dahwa Jung and Inyoung Choi and Sunyong Yoo},
year = {2022},
date = {2022-01-02},
urldate = {2022-01-02},
booktitle = {In the 10th International Conference on Big Data Applications and Services},
publisher = {The Korea Big Data Service Society},
keywords = {Attention mechanism, Bioinformatics, Deep learning},
pubstate = {published},
tppubtype = {conference}
}
6.
정선우; 유선용
Links | BibTeX | Tags: DDI, Text mining
@conference{정선우2022약물,
title = {약물 정보 문서 임베딩을 이용한 딥러닝 기반 약물 간 상호작용 예측},
author = {정선우 and 유선용},
url = {https://koreascience.kr/article/CFKO202221536102022.pdf},
year = {2022},
date = {2022-01-01},
urldate = {2022-01-01},
booktitle = {한국정보통신학회 종합학술대회 논문집},
journal = {한국정보통신학회 종합학술대회 논문집},
volume = {26},
number = {1},
pages = {276–278},
publisher = {한국정보통신학회},
keywords = {DDI, Text mining},
pubstate = {published},
tppubtype = {conference}
}
5.
이소연; 유선용
Links | BibTeX | Tags: in silico
@conference{이소연2022silico,
title = {In silico 기법을 이용한 신경독성 예측},
author = {이소연 and 유선용},
url = {https://www.dbpia.co.kr/pdf/pdfView.do?nodeId=NODE11077893&googleIPSandBox=false&mark=0&minRead=5&ipRange=false&b2cLoginYN=false&icstClss=010000&isPDFSizeAllowed=true&accessgl=Y&language=ko_KR&hasTopBanner=true},
year = {2022},
date = {2022-01-01},
urldate = {2022-01-01},
booktitle = {한국정보통신학회 종합학술대회 논문집},
journal = {한국정보통신학회 종합학술대회 논문집},
volume = {26},
number = {1},
pages = {270–272},
publisher = {한국정보통신학회},
keywords = {in silico},
pubstate = {published},
tppubtype = {conference}
}
4.
정명현; 유선용
Links | BibTeX | Tags: Attention mechanism
@conference{정명현2022attention,
title = {Attention 알고리즘 기반 약물의 태아 독성 예측 연구},
author = {정명현 and 유선용},
url = {https://www.dbpia.co.kr/pdf/pdfView.do?nodeId=NODE11077894&googleIPSandBox=false&mark=0&minRead=5&ipRange=false&b2cLoginYN=false&icstClss=010000&isPDFSizeAllowed=true&accessgl=Y&language=ko_KR&hasTopBanner=true},
year = {2022},
date = {2022-01-01},
urldate = {2022-01-01},
booktitle = {한국정보통신학회 종합학술대회 논문집},
journal = {한국정보통신학회 종합학술대회 논문집},
volume = {26},
number = {1},
pages = {273–275},
publisher = {한국정보통신학회},
keywords = {Attention mechanism},
pubstate = {published},
tppubtype = {conference}
}
2015
3.
Moonshik Shin; Sungyoung Yoo; Suhyun Ha; Kyungrin Noh; Doheon Lee
Abstract | Links | BibTeX | Dimensions | Tags: ADME, Bioinformatics, Natural product
@conference{shin2015identifying,
title = {Identifying Potential Bioactive Compounds of Natural Products by Combining ADMET Prediction Methods},
author = {Moonshik Shin and Sungyoung Yoo and Suhyun Ha and Kyungrin Noh and Doheon Lee},
url = {https://dl.acm.org/doi/abs/10.1145/2811163.2811168},
doi = {10.1145/2811163.2811168},
year = {2015},
date = {2015-01-01},
urldate = {2015-01-01},
booktitle = {Proceedings of the ACM Ninth International Workshop on Data and Text Mining in Biomedical Informatics},
pages = {19–19},
publisher = {CIKM},
abstract = {Herbs consist of various chemical compounds. Thus, identifying potential bioactive compounds from those diversity is an important task for studies in the herb, food and natural products. Even though various computational approaches are developed for predicting bioactive compounds, the prediction performances are diverse due to different methods and dataset. Therefore, there is urgent demand for an approach that connotes the previous methods and identify potential bioactive compounds with high accuracy. To meet the demand, we proposed a filtering strategy that identifies potential bioactive compounds by combining previously developed computational methods which predict ADMET, such as Human Intestinal Absorption (HIA) and Caco-2 permeability. Our approach was evaluated on 930 compounds that are known as bioactive compounds, which were extracted from literature, DrugBank and Dr. Dukes phytochemical databases. By applying our filtering strategy, 97.5% of the known bioactive compounds were correctly predicted as bioactive. We examined whether our approach can distinguish the potential bioactive compound from the non-potential bioactive compounds with Fishers' exact test, and a reasonable p-value (3.806 x 10-9) was derived. For the next step, we are planning to develop a machine-learning based method to improve our filtering approach.},
keywords = {ADME, Bioinformatics, Natural product},
pubstate = {published},
tppubtype = {conference}
}
Herbs consist of various chemical compounds. Thus, identifying potential bioactive compounds from those diversity is an important task for studies in the herb, food and natural products. Even though various computational approaches are developed for predicting bioactive compounds, the prediction performances are diverse due to different methods and dataset. Therefore, there is urgent demand for an approach that connotes the previous methods and identify potential bioactive compounds with high accuracy. To meet the demand, we proposed a filtering strategy that identifies potential bioactive compounds by combining previously developed computational methods which predict ADMET, such as Human Intestinal Absorption (HIA) and Caco-2 permeability. Our approach was evaluated on 930 compounds that are known as bioactive compounds, which were extracted from literature, DrugBank and Dr. Dukes phytochemical databases. By applying our filtering strategy, 97.5% of the known bioactive compounds were correctly predicted as bioactive. We examined whether our approach can distinguish the potential bioactive compound from the non-potential bioactive compounds with Fishers' exact test, and a reasonable p-value (3.806 x 10-9) was derived. For the next step, we are planning to develop a machine-learning based method to improve our filtering approach.
2014
2.
Suhyun Ha; Sunyong Yoo; Moonshik Shin; Jin Sook Kwak; Oran Kwon; Min Chang Choi; Keon Wook Kang; Hojung Nam; Doheon Lee
Abstract | Links | BibTeX | Dimensions | Tags: Ethnopharmacology, Natural product
@conference{ha2014integrative,
title = {Integrative Database for Exploring Compound Combinations of Natural Products for Medical Effects},
author = {Suhyun Ha and Sunyong Yoo and Moonshik Shin and Jin Sook Kwak and Oran Kwon and Min Chang Choi and Keon Wook Kang and Hojung Nam and Doheon Lee},
url = {https://dl.acm.org/doi/abs/10.1145/2665970.2665986},
doi = {10.1145/2665970.2665986},
year = {2014},
date = {2014-01-01},
urldate = {2014-01-01},
booktitle = {Proceedings of the ACM 8th International Workshop on Data and Text Mining in Bioinformatics},
pages = {41–41},
publisher = {CIKM},
abstract = {Natural products used in dietary supplements, complementary and alternative medicine (CAM) and conventional medicine are composites of multiple chemical compounds. These chemical compounds potentially offer an extensive source for drug discovery with accumulated knowledge of efficacy and safety. However, existing natural product related databases have drawbacks in both standardization and structuralization of information. Therefore, in this work, we construct an integrated database of natural products by mapping the prescription, herb, compound, and phenotype information to international identifiers and structuralizing the efficacy information through database integration and text-mining methods. We expect that the constructed database could serve as a fundamental resource for the natural products research.},
keywords = {Ethnopharmacology, Natural product},
pubstate = {published},
tppubtype = {conference}
}
Natural products used in dietary supplements, complementary and alternative medicine (CAM) and conventional medicine are composites of multiple chemical compounds. These chemical compounds potentially offer an extensive source for drug discovery with accumulated knowledge of efficacy and safety. However, existing natural product related databases have drawbacks in both standardization and structuralization of information. Therefore, in this work, we construct an integrated database of natural products by mapping the prescription, herb, compound, and phenotype information to international identifiers and structuralizing the efficacy information through database integration and text-mining methods. We expect that the constructed database could serve as a fundamental resource for the natural products research.
2012
1.
Moonshik Shin; Sunyong Yoo; Kwang H Lee; Doheon Lee
Abstract | Links | BibTeX | Dimensions | Tags:
@conference{shin2012electronic,
title = {Electronic medical records privacy preservation through k-anonymity clustering method},
author = {Moonshik Shin and Sunyong Yoo and Kwang H Lee and Doheon Lee},
url = {https://ieeexplore.ieee.org/abstract/document/6505046},
doi = {10.1109/SCIS-ISIS.2012.6505046},
year = {2012},
date = {2012-01-01},
urldate = {2012-01-01},
booktitle = {The 6th International Conference on Soft Computing and Intelligent Systems, and The 13th International Symposium on Advanced Intelligence Systems},
pages = {1119–1124},
publisher = {IEEE},
organization = {IEEE},
abstract = {Electronic Medical Records (EMRs) enable the sharing of patient medical data whenever it is needed and also are used as a tool for building new medical technology and patient recommendation systems. Since EMRs include patients' private data, access is restricted to researchers. Thus, an anonymizing technique is necessary that keeps patients' private data safe while not damaging useful medical information. k-member clustering anonymization approaches k-anonymization as a clustering issue. The objective of the k-member clustering problem is to gather records that will minimize the data distortion during data generalization. Most of the previous clustering techniques include random seed selection. However, randomly selecting a cluster seed will provide inconsistent performance. The authors propose a k-member cluster seed selection algorithm (KMCSSA) that is distinct from the previous clustering methods. Instead of randomly selecting a cluster seed, the proposed method selects the seed based on the closeness centrality to provide consistent information loss (IL) and to reduce the information distortion. An adult database from University of California Irvine Machine Learning Repository was used for the experiment. By comparing the proposed method with two previous methods, the experimental results shows that KMCSSA provides superior performance with respect to information loss. The authors provide a privacy protection algorithm that derives consistent information loss and reduces the overall information distortion.},
keywords = {},
pubstate = {published},
tppubtype = {conference}
}
Electronic Medical Records (EMRs) enable the sharing of patient medical data whenever it is needed and also are used as a tool for building new medical technology and patient recommendation systems. Since EMRs include patients' private data, access is restricted to researchers. Thus, an anonymizing technique is necessary that keeps patients' private data safe while not damaging useful medical information. k-member clustering anonymization approaches k-anonymization as a clustering issue. The objective of the k-member clustering problem is to gather records that will minimize the data distortion during data generalization. Most of the previous clustering techniques include random seed selection. However, randomly selecting a cluster seed will provide inconsistent performance. The authors propose a k-member cluster seed selection algorithm (KMCSSA) that is distinct from the previous clustering methods. Instead of randomly selecting a cluster seed, the proposed method selects the seed based on the closeness centrality to provide consistent information loss (IL) and to reduce the information distortion. An adult database from University of California Irvine Machine Learning Repository was used for the experiment. By comparing the proposed method with two previous methods, the experimental results shows that KMCSSA provides superior performance with respect to information loss. The authors provide a privacy protection algorithm that derives consistent information loss and reduces the overall information distortion.