![]() |
왼쪽부터 김진혁 석사과정생, 최종환 교수. |
해당 연구 결과는 화학정보학 분야 국제학술지인 ‘Journal of Chemical Information and Modeling’(IF 6.4, JCR 상위 15.2%)에 게재됐다.
약물 선택성은 후보 화합물이 원하는 표적 키나아제에는 강하게 결합하면서 비표적 키나아제와의 결합은 최소화하는 특성을 의미한다.
연구팀이 개발한 CUE는 후보 화합물의 분자 지문(molecular fingerprint)과 분자구조 이미지를 함께 활용하는 멀티모달 AI 모델이다. CUE는 각 분자구조 표현에서 특징을 추출한 뒤, 학습 과정에서 나타나는 예측 오차의 변화를 분석해 표현 방법별 불확실성을 계산한다.
이후 불확실성이 낮고 신뢰도가 높은 분자구조 표현에 더 큰 가중치를 부여해 후보 화합물의 약물 선택성을 예측한다.
최종환 지도교수는 “김진혁 학생의 꾸준한 연구가 좋은 결실을 맺어 기쁘다”며 “CUE를 통해 선택성 예측의 정확도를 높이고, AI 신약 개발 과정에서 선택성이 높은 후보 화합물을 탐색하는 데 활용할 수 있어 의미가 크다”고 전했다.
[저작권자ⓒ 대학저널. 무단전재-재배포 금지]












































