제약 설계-AI기반

소개글

"제약 설계_AI기반"에 대한 내용입니다.

목차

Ⅰ. 서론

Ⅱ. 본론
1. 딥러닝을 이용한 Drug Discovery의 종류와 장점
2. 기존 모델의 한계
3. 화합물 분자 표현법
4. Transformer 모델
5. MD-TF 모델(Molecule Design Transformer)

Ⅲ. 결론

IV. 참고문헌

본문내용

I. 서론
COVID-19 팬데믹 상황이 발생하면서 신약개발의 중요도가 높아졌다. 일반적으로 화합물을 개발하는 작업은 원하는 물성을 얻기 위해 수많은 try & error을 거쳐서 달성하게 된다. 따라서 생각보다 많은 시간이 소요되는 문제점이 발생한다. 이러한 연구개발에 소요되는 Loss를 제거하기 위해서 최근에는 다양한 딥러닝 모델을 이용하여 약물을 발견하고 있다. 기존 연구로는 RNN, VAE, GAN 등의 모델이 있고 최근에는 Transformer모델을 적용한 연구들이 해당 성과를 입증하고 있다. 본 보고서에서는 다양한 신약개발 방법중에서 Transformer에 대해서 알아보도록 하겠다.

II. 본론
1. 딥러닝을 이용한 Drug Discovery의 종류와 장점
딥러닝을 이용한 신약개발 방법에는 Drug Repurposing과 Drug Generation이 있으며 의미는 다음과 같다.

참고 자료

홍유빈외(2021), 신약개발을 위한 Transformer 기반의 딥러닝 모델, 한국정보과학회
컴퓨터를 이용한 신약 개발, https://blog.daum.net/biomarket/7629187