@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}

}