약물 작용 메커니즘과 임상 반응 예측을 위한 부호 인식 다중오믹스 지식 그래프 기반 모델

한줄 요약

약물의 작용 방향성(활성화/억제)을 명시적으로 모델링하는 부호 인식 다중오믹스 지식 그래프와 그래프 신경망 기반 모델을 제안하여, 약물 메커니즘 예측 및 임상 반응 모델링 성능을 크게 향상시켰습니다.

풀어야 하는 문제

대부분의 생물의학 지식 그래프와 그래프 신경망(GNN)은 부호 없는 연관성을 사용하여 약물의 조절 논리(활성화 또는 억제)를 명확히 구분하지 못하며, 화학적 범위도 제한적입니다. 이는 약물 작용 메커니즘의 기계적 예측을 어렵게 만듭니다.

접근 방법

결과·기여

FLASH는 약물 작용 메커니즘 예측, 임상 반응 모델링, 약물-약물 상호작용 예측 등 9개의 최신 부호 없는, 관계형, 부호 있는 그래프 기반 모델을 일관되게 능가하거나 동등한 성능을 보였으며, 계산 효율성도 크게 개선했습니다. 또한, 외부 임상 검증에서 69.6%의 성공률로 설명 가능한 약물 재창출을 수행하는 등 실용적 기여를 입증했습니다.