연구명

전통천연물 MCMT 분석을 위한 소재효능 통합 데이터웨어하우스 개발

SUMMARY

전통 천연물 MCMT의 분석을 하고자 딥러닝 기술에 기반하여 각 물질의 특성과 대규모 바이오 네트워크에서의 상호작용을 동시에 고려하여 물질간의 조합의 효능과 상호작용을 예측하였다. 이러한 정확한 소재효능 예측 모델을 통해 전통 천연물 처방의 설명력과 함께 실질적인 신약 후보군을 제시하는 효과를 주고자 한다.

연구배경

현재 MCMT에는 수많은 물질들과 질병 그리고 그들의 상호작용들이 데이터웨어하우스로 정리되었다. 하지만 이는 가능한 모든 경우의 물질 간의 관계, 물질과 질병 간의 관계 중에서 극히 일부에 대한 정보를 파악한 것이다. 또한 다양한 물질들의 조합이 질병에 미치는 영향은 더욱 많은 경우의 수가 존재한다. 만약 아직 발견되지 않은 관계들 중에서 유용한 사건들이 일어날 확률이 높은 후보군들을 추려준다면, 이는 복잡한 실험의 횟수를 줄일 수 있다. 본 세부과제에서는 현재 세간에서 많은 관심을 가지고 있는 딥러닝 기술을 이용하여, 생물학적 네트워크와 각 물질들의 특성을 고루 반영하여 이러한 유용한 사건들이 일어날 수 있는 조합을 예측해 주는 연구를 진행하였다. 이를 통해 특정 질병에 새로운 효능을 가진 물질과 조합을 예측하고, 이를 통해 창이자와 배초향이 치료해줄 수 있는 여러 질병들을 예측하는 방식으로 데이터웨어하우스를 더욱 발전시켜 나가게 한다.

연구내용

[그림 1] 노드의 특성과 그래프의 구조를 동시에 사용하여 딥러닝 embedding 기술 개발

[그림 2] 물질에서 유의미한 영향력이 있는 노드의 범위를 자동으로 파악하게 하는 기술 개발

김명호 교수 연구팀은 딥러닝 기술을 활용하여 대규모 네트워크의 분석을 하였다. 추가적으로 대규모 네트워크에서 물질간의 연관성을 예측하는데에 유의미한 영향력을 가지는 범위를 찾는 연구를 진행하였다. 이들을 통해 대규모 이질형 그래프에서 효율적으로 물질간의 관계를 찾는 연구와, 그리고 물질간의 조합이 가지는 효능을 찾는 연구들을 진행하였다. 이를 통해, MCMT 바이오 네트워크에서의 학습된 물질의 특성을 바탕으로 배초향과 창이자에 포함된 물질들이 어떠한 질병의 치료에 긍정적인 역할을 하는지를 분석하였다.

연구성과

이렇게 대규모 네트워크에서 구조적인 특성과 물질의 특성을 파악하여, 물질간의 조합을 찾는 연구를 진행하였고 그 중요성을 인정받아 Knowledge-Based System 저널 발표와 특허를 출원하였다. 또한 대규모 네트워크에서의 유의미한 군집을 찾아내는 연구는 Expert Systems With Applications 저널에 발표하였다.

기대효과

소재효능에서는 biological computation적인 접근으로 지금까지 데이터웨어하우스에 축적된 물질간의 관계와 물질의 특성을 활용하여 물질 조합의 새로운 효능들과, 물질과 질병간의 관계 등 유용한 관계들을 예측할 수 있다. 현재까지 예측하지 못한 다양한 관계들을, 본 과제를 통해 연구한 Information-rich Embedding 기술을 통해 활용할 수 있다. 이렇게 유효 약물을 예측함으로써 스크리닝 비용을 절감하는 데 도움을 준다. 또한, 본 과제에서 개발한 Search space reduction을 통한 대용량 그래프 처리 기술은 시간이 오래 걸리는 기존의 기술들에 비해서 효율적으로 바이오 네트워크를 분석할 수 있게 함으로써 유의미한 관계들을 빠르게 예측을 수행함으로써 기존에 활용하지 못한 정보들도 효과적으로 활용하여 유용한 관계의 예측에 기여한다.

[관련성과]
H.J.Jeong K.H. Lee and M.H.Kim, "DGC: Dynamic Group Behavior Modeling that utilizes Context Information for Group Recommendation", Knowledge-Based Systems, 2021
J.H.Seo and M.H.Kim, "I/O Efficient Structural Clustering and Maintenance of Clusters for Large-scale Graphs", Expert Systems With Applications, 2021