닫기
Loading..

전자정보연구정보센터 ICT 융합 전문연구정보의 집대성

학술대회 프로시딩

홈 홈 > 연구문헌 > 학술대회 프로시딩 > 한국정보과학회 학술대회 > KSC 2020

KSC 2020

Current Result Document : 501 / 559 이전건 이전건   다음건 다음건

한글제목(Korean Title) 그래프 컨볼루션 네트워크와 유전자 발현 데이터를 활용한 약물 반응 예측 모델
영문제목(English Title) Graph Convolutional Network for Drug Response Prediction Using Gene Expression Data
저자(Author) 김성훈   배석훈   박은화   조겨리   Seonghun Kim   Seockhun Bae   Yinhua Park   Kyuri Jo  
원문수록처(Citation) VOL 47 NO. 02 PP. 1466 ~ 1468 (2020. 12)
한글내용
(Korean Abstract)
암 치료를 위해 세포주에 대한 약물 반응을 예측하는 계산적 방법에 대한 연구는 2000년 이후 차세대 시퀀싱 데이터 등 다수의 데이터가 생산됨에 따라 활발히 이루어졌다. 근래에는 계산적 기법의 발전과 함께 세포주-약물 반응 데이터 외에도 오믹스(omics) 데이터라고 불리는 대량의 연관 데이터를 활용하는 연구가 이루어지고 있으며, 머신러닝을 통해 약물 반응에 핵심이 되는 특성을 추가적으로 반영하는 등 예측 성능이 향상된 기법들이 개발되고 있다. 그러나 대다수의 약물 반응 예측 연구는 고전적인 선형 회귀, 행렬 분해 기법을 활용하고 있어 유전자-유전자 간의 관계를 모델에 직접적으로 반영하지 못한다. 이에 본 연구에서는 유전자-유전자 상호작용 네트워크를 그래프 형태로 모델링하고, 암 발병에 핵심적인 요인이 되는 유전자 발현량을 해당 그래프에 투영한 뒤 컨볼루션 연산을 수행하는 그래프 기반 딥러닝 모델을 고안하였다. 제안한 기법의 성능을 확인하기 위해 CCLE와 GDSC 등 공개된 약물 반응 관련 데이터베이스를 활용하였으며, 세포주에 대한 약물 반응 수치(IC50)에 대한 예측값을 선형 회귀 기법과 비교함으로써 유전자 상호작용 정보를 활용하였을 때 약물 반응 예측 성능이 개선됨을 보였다.
영문내용
(English Abstract)
키워드(Keyword)
원문 PDF 다운로드