OPDiv: 고득점과 다양성을 동시에 고려한 화합물 최적 선택 알고리즘
OPDiv: Optimal Selection of Top-K High-Scoring, Diverse Compounds
arXiv가상 스크리닝은 수많은 유망 후보 물질을 제시하지만, 실제 테스트할 수 있는 양에는 한계가 있습니다. OPDiv는 높은 점수와 충분한 다양성이라는 상충되는 목표를 동시에 만족하는 최적의 화합물 세트를 찾는 알고리즘입니다.
- OPDiv는 정수 최적화 기법(integer optimization)을 활용하여, 단순히 점수가 높은 물질만 고르는 것이 아니라 원하는 다양성 제약 조건까지 고려한 최적의 하위 집합을 찾아내는 것이 핵심입니다.
- 기존에는 스크리닝을 단순 순위 매기기로 여겼으나, OPDiv는 화합물 검색 파이프라인 평가 기준 자체를 '다양성 제약을 만족하는 최적화' 관점으로 전환시킵니다.
- OPDiv는 주어진 다양성 임계값 하에서 최적의 화합물 세트를 효율적으로 찾아내며, 구조 기반 또는 리간드 기반 모델 등의 성능을 비교하는 공정한 벤치마크 역할을 합니다.
가상 스크리닝 캠페인은 수천 개의 유망 후보 물질을 생성할 수 있지만, 실제로 구매하거나 합성하여 테스트할 수 있는 양에는 한계가 있습니다. 따라서 실질적인 문제는 높은 점수를 받으면서도 충분한 다양성을 갖춘 화합물 세트를 어떻게 선택하느냐에 대한 상충 관계를 해결하는 것입니다. 단순히 가장 높은 점수를 받은 분자만 고르는 것은 다양성이 제한적이며, 반대로 다양성만을 고려하면 일부 우수한 점수의 분자를 포기해야 하는 문제가 발생합니다.
OPDiv는 이러한 트레이드오프 문제를 정수 최적화(integer optimization)를 사용하여 해결하는 알고리즘입니다. 이 방법은 단순히 높은 점수를 가진 물질을 선택하는 것을 넘어, 주어진 다양성 제약 조건을 만족시키면서 최적의 하위 집합을 찾아내는 것이 핵심입니다. OPDiv는 지문 거리(fingerprint distance), 모양(shape), 정전기학적 다양성 등을 활용하여 그 결과를 입증합니다.
OPDiv는 가상 스크리닝이 단순한 순위 매기기 문제가 아니라, 암묵적인 제약 최적화 작업임을 주장하며 평가 기준 자체를 전환시킵니다. 따라서 파이프라인 평가는 원하는 다양성 제약을 만족하는 상위 K개 화합물 선택을 기준으로 이루어져야 합니다. OPDiv는 주어진 다양성 임계값 하에서 최적의 화합물 세트를 효율적으로 찾아내며, 구조 기반 또는 리간드 기반 가상 스크리닝 파이프라인 등의 공정한 역할을 수행합니다.
용어 풀이
- 벤치마크
- 모델 성능을 같은 조건에서 비교하려고 만든 시험 문제 모음.