@article{,

title = {그래프 어텐션 네트워크를 이용한 항암제 조합의 시너지 효과 예측},

author = {김상민; 유선용},

url = {http://dx.doi.org/10.9728/dcs.2026.27.3.831},

doi = {10.9728/dcs.2026.27.3.831},

issn = {1598-2009},

year  = {2026},

date = {2026-03-31},

journal = {디지털콘텐츠학회논문지},

volume = {27},

issue = {3},

pages = { 831-838},

abstract = {항암 약물 조합의 시너지 효과 예측은 효과적인 암 치료에 필수적이다. 기존 계산적 접근법은 사전에 정의된 분자 지문에 의존하여 분자 구조를 직접 학습하지 못한다는 한계가 있다. 본 연구에서는 48종 약물과 13개 세포주로 구성된 3,014개 약물 조합 데이터를 사용하여, 그래프 어텐션 네트워크로 분자 그래프 구조를 학습하고 약물 유도 유전자 발현 정보를 통합하여 시너지 점수를 예측하였다. 모델은 MSE 63.53 ± 7.78, 피어슨 상관계수 0.70 ± 0.04를 달성하여 기존 방법들보다 우수한 성능을 보였다. 또한 어텐션 가중치 분석을 통해 시너지 효과에 중요한 분자 하부구조를 식별하였으며, 이는 알려진 약리학적 메커니즘과 잘 일치하였다. 이러한 결과는 신약 개발 과정에서 항암 약물 조합을 선별하는 도구로 활용될 수 있음을 시사한다.},

keywords = {drug synergy, Graph attention network},

pubstate = {published},

tppubtype = {article}

}