소규모 데이터세트에서 강건성을 유지하는 hERG 연관 심장독성 예측 딥러닝 아키텍처 (Robust Deep Learning Architecture for hERG-related Cardiotoxicity Prediction on Small-Scale Dataset)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회 컴퓨팅의 실제 논문지 / 28권 / 6호 / 339 ~ 347페이지
· 저자명 : 공현승, 김인영, 장병탁

초록

신약개발 초기 단계에서 후보물질의 human Ether-a-go-go-related gene(hERG) 이온 채널 저해 활성을 평가하는 것은 매우 중요하다. 약물에 의한 hERG 이온 채널의 차단은 심장의 QT 간격을 연장시켜 부정맥과 같은 심각한 심장 독성을 유발하기 때문에, 신약개발 초기 단계에서 hERG 관련 독성을 스크리닝하기 위해 다양한 예측 도구들이 이용되고 있다. 하지만, 대부분의 hERG 연관 심장독성 실험은 기업에서 수행되고 기밀정보에 해당하기 때문에 거의 공개되고 있지 않은 실정이다. 본 연구에서는 한정된 데이터로 약물의 화학적 성질 기반 데이터 표현 및 화합물 구조 기반 데이터 표현을 동시에 이용하여, hERG 이온 채널 차단을 강건성 높게 예측하는 딥러닝 아키텍처를 제안한다. Therapeutics Data Commons(TDC)에서 제공하는 hERG 벤치마크 데이터 세트를 이용해 모델을 학습하였고 9종의 모델들과 비교하였다. 제안된 모델에 대한 성능 평가 결과 평균 정확도 0.744, 정밀도 0.916, 재현율 0.735, F1-Score 0.794, AUROC 0.887를 달성하였고, 기존 9종의 모델들에 비해 향상된 성능을 보여주었다.

영어초록

In the early stage of new drug development, it is critical to evaluate the human Ether-a-go-go-related gene (hERG) ion channel inhibitory activity for drug candidates. Since drug induced blockade of hERG ion channels prolongs the QT interval and induces serious cardiac toxicity such as arrhythmias, various predictive tools are used to screen for hERG-related cardiotoxicity in the early-stage of drug development. However, most hERG-associated cardiotoxicity trials are conducted by companies and are not published, because these are corporate assets and confidential information.
In this study, we propose a deep learning architecture to predict hERG ion channel blocking activity using chemical property-based data representation as well as structure-based data representation on small-scale dataset. The model was trained using the hERG benchmark dataset provided by Therapeutics Data Commons (TDC) and compared with nine models. As a result of performance evaluation, the proposed model’s evaluation showed an average accuracy of 0.744, a precision of 0.916, a recall of 0.735, an F1-Score of 0.794, and an AUROC of 0.887. Compared with the existing nine models, our proposed model achieved the highest AUROC.

참고자료

· 없음