AtomNet: 구조 기반 약물 발견에서 생물 활성을 예측하기 위한 깊은 합성곱 신경망

깊은 합성곱 신경망은 모델링하는 도메인의 공간적 및 시간적 구조를 활용하는 제한된 구조를 가진 깊은 신경망(DNN)의 하위 클래스로 구성됩니다. 합성곱 신경망은 간단한 지역 특징을 복잡한 모델로 계층적으로 구성하여 음성 인식 및 이미지 인식 등의 분야에서 가장 우수한 예측 성능을 달성합니다. DNN은 QSAR 및 리간드 기반 생물 활성 예측을 위해 약물 발견에 사용되어 왔으나, 이러한 모델 중 어느 것도 이 강력한 합성곱 구조의 혜택을 누리지 못했습니다. 본 논문은 약물 발견 응용을 위해 소분자의 생물 활성을 예측하도록 설계된 최초의 구조 기반 깊은 합성곱 신경망인 AtomNet을 소개합니다. 우리는 생물 활성과 화학 상호작용 모델링에 기능의 지역성과 계층적 구성의 합성곱 개념을 적용하는 방법을 시연합니다. 기존 DNN 기술과의 추가적인 대조로, AtomNet의 지역 합성곱 필터를 구조적 목표 정보에 적용하여 이전에 알려진 조절제가 없는 목표에 대한 새로운 활성 분자를 성공적으로 예측하는 것을 보여줍니다. 마지막으로, AtomNet이 DUDE 벤치마크의 57.8% 목표에서 0.9 이상의 AUC를 달성하며 다양한 벤치마크 세트에서 이전 도킹 접근법을 크게 초월한다는 것을 보여줍니다.