트랜스포머를 활용한 약인성 간손상 예측

• Published in: 정보과학회 컴퓨팅의 실제 논문지 Vol. 30; no. 10; pp. 506 - 512
• Main Authors: 김하림(Harim Kim), 김예슬(Yeseul Kim), 손요한(Yohan Sohn), 조효정(Hyo Jung Cho), 김순선(Soon Sun Kim), 한지은(Ji Eun Han), 정재연(Jae Youn Cheong), 홍참길(Charmgil Hong)
• Format: Journal Article
• Language: Korean
• Published: Korean Institute of Information Scientists and Engineers 01.10.2024; 한국정보과학회
• Subjects: 컴퓨터학; drug-induced liver injury; deep learning; Transformer; graph-based learning; 딥러닝; 그래프 기반 학습; 트랜스포머; 약인성 간손상
• ISSN: 2383-6318; 2383-6326
• DOI: 10.5626/KTCP.2024.30.10.506

약인성 간손상(Drug-Induced Liver Injury, DILI)은 약물의 섭취 시 부작용으로 발생하는 간손상을 의미하며, 간 기능 저하를 유발하여 치명적인 간질환을 초래하는 원인으로 손꼽힌다. 본 연구에서는 트랜스포머의 주의집중(attention) 메커니즘을 사용하여 약물 분자에 포함된 원자 정보들을 종합하고, 이를 통해 생성된 분자 임베딩으로 약인성 간손상 유발 가능성을 예측하는 방법을 제안한다. 기존 그래프 기반 방법이 인접 원자들에 대한 높은 의존성으로 효과적인 분자 임베딩을 생성하기 어려웠던 반면, 제안하는 방법은 원자들의 전역적 의존성을 고려함으로써 약인성 간손상을 비교적 효과적으로 예측한다. 이를 증명하기 위해 본 논문의 실험에서는 교차검증과 프리드만 검정을 포함한 정량적 평가와 주의집중 시각화를 포함한 정성적 분석을 통해 제안하는 방법의 유효성을 평가한다. Drug-Induced Liver Injury (DILI) refers to liver damage that occurs as a side effect of taking drugs. In this study, a novel approach to predicting DILI likelihood of drugs is proposed. To extract effective drug molecular embeddings, the attention mechanism of Transformer that can aggregate the representations of atoms within a drug molecule is utilized. While traditional graph-based methods struggle to create effective molecular embeddings due to their high dependency on adjacent atoms, the proposed approach takes into account the global dependencies of atoms. To demonstrate the effectiveness of the proposed approach, quantitative and qualitative analyses, including cross-validation, Friedman Chi-square test, and visualization of the attention weights, are conducted. KCI Citation Count: 0