랜덤 포레스트 모델을 활용한 약물의 다중 표적 예측 방법

Abstract

인체에 존재하는 다수의 표적들에 대한 약물의 결합을 예측하는 방법이 개시된다. 표적들과 결합하는 약물의 구조 정보를 기계 학습하여 각 표적 별로 독립적인 랜덤 포레스트 예측 모델을 생성한 후, 그 예측 모델에 예측대상 약물의 구조 정보를 입력한다. 각 표적 별 랜덤 포레스트 예측모델에서, 표적들 각각에 대한 구조 정보가 입력된 예측대상 약물의 결합 가능성을 각 표적별 표적 점수로 생성하고, 각 표적별 표적 점수를 평가 데이터의 점수를 기반으로 약물과 표적이 상호작용할 확률인 약물-표적 결합 확률로 전환한다. 그 약물-표적 결합 확률에 기초하여 소정의 결합 확률값 이상을 갖는 표적들을 선별하여 상기 예측대상 약물의 예상 표적 리스트로 반환한다. 이런 알고리즘을 약물 표적 예측 서버에 구현하여, 사용자가 클라이언트 단말기를 통해 예측대상 약물의 최상위 표적을 검색할 수 있다.