@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}

}

@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}

}