개발도구 연구
CliffRank: A Dual-Branch Framework for Activity-Cliff Ranking Prediction
ARarXiv
약물 구조 변화에 따라 활성이 급변하는 '활동성 절벽' 현상을 예측하기 위해 CliffRank라는 이중 분기 프레임워크가 개발되었습니다.
세 줄 요약
- 이 모델은 절대 활성 회귀와 순위 일관성 학습(PPC)을 결합하여, 소분자 데이터셋에서 높은 평균 스피어만 상관계수(0.6890)를 달성하며 우수한 예측력을 입증했습니다.
- 구조적 변화에도 불구하고 약물 활성의 급격한 차이를 정확히 예측함으로써 신약 개발 과정의 효율성과 성공률을 높이는 데 기여할 수 있습니다.
- 다만, 성능은 순위 일관성 학습(PPC) 적용 방식에 따라 달라지므로, 향후 단백질이나 막 환경 같은 생물학적 맥락 통합 연구가 필요합니다.
약물 구조 변화에 따라 활성이 급변하는 '활동성 절벽' 현상을 예측하기 위해 CliffRank라는 이중 분기 프레임워크가 개발되었습니다.