Long Short-Term Memory(LSTM)을 활용한 파킨슨병과 관련된 강활(羌活) 성분 예측 (Prediction of Osterici Radix Ingredients Related to Parkinson’s Disease Using Long Short-Term Memory(LSTM))

서지정보

· 발행기관 : 사단법인 한국융합기술연구학회
· 수록지 정보 : 아시아태평양융합연구교류논문지 / 10권 / 11호 / 569 ~ 577페이지
· 저자명 : 이명구

초록

세계 제약산업 시장의 규모와 R&D 투자대비 순판매액(net sales) 비율은 매년 성장하고 있지만 고비용-저효율 산업으로서 성공률이 매우 낮아 최근 제약회사에서는 이를 개선하기 위해서 신약 개발 단계에서 컴퓨터를 활용하거나 천연물에서 신약후보물질을 찾고 있다. 천연물인 본초(本草)는 안전성과 유효성이 입증된 천연물로 신약 개발의 중요한 자원이 될 수 있다. 하지만 본초(本草)는 보통 수십가지의 성분으로 구성되어 있으며 다성분-다표적(multi compound-multi target)의 특징으로 인해 어떤 성분이 유효성분인지는 실험적으로 증명해야 한다. 이에 본 연구에서는 기계학습 모델 Long Short-Term Memory(LSTM) 이용하여 천연물인 본초(本草)를 활용하여 파킨슨병과 관련된 성분을 예측하였다. 파킨슨병의 증상과 관련성이 높은 본초(本草)를 동의보감을 통해서 선정하였으며, 파킨슨병과 관련된 본초(本草)의 성분을 예측하기 위해 기계학습 모델 LSTM은 파킨슨병과 관련성이 있는 G protein-coupled receptor(GPCR)를 타겟으로 하는 화합물들의 특징을 학습하였다. 강활의 성분을 기계학습 모델 LSTM에 적용하였으며 확률값을 바탕으로 파킨슨병과 관련성이 높은 상위 30개의 화합물을 예측하였다.

영어초록

The size of the global pharmaceutical industry market and the ratio of net sales to R&D investment is growing yearly. Still, as a high-cost-low-efficiency industry, the success rate is very low. Recently, pharmaceutical companies have been using computers or looking for new drug candidates from natural products to improve this. Medicinal herbs are natural products proven safe and effective and can be an important resource for developing new drugs However, medicinal herbs usually consist of dozens of ingredients, and due to the characteristics of multi-compound-multi-target, experimentally, it must be proved which ingredient is an active ingredient. Therefore, in this study, the ingredients related to Parkinson's disease were predicted using medicinal herbs using the machine learning model Long Short-Term Memory (LSTM). Medicinal herbs, which are highly related to Parkinson's disease symptoms, were selected through Dongui Bogam, and to predict the composition of medicinal herbs related to Parkinson's disease, the machine learning model LSTM learned the characteristics of compounds targeting G protein-coupled receptor (GPCR) related to Parkinson's disease. The components of Osterici Radix were applied to the machine learning model LSTM, and the top 30 compounds highly related to Parkinson's disease were predicted based on the probability.

참고자료

· 없음