CONFERENCES
2025
2.
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
2024
1.
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