[논문]정량적 구조-활성관계(QSAR) 모델에 대한 연구 동향

김길한; 류기곤; 김연주; 김현철

정량적 구조-활성관계(QSAR) 모델에 대한 연구 동향
A Survey on Quantitative Structure-Activity Relationship(QSAR) Models 원문보기

김길한 (고려대학교 컴퓨터교육학과) , 류기곤 (고려대학교 컴퓨터교육학과) , 김연주 (고려대학교 컴퓨터교육학과) , 김현철 (고려대학교 컴퓨터교육학과)

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

이에, OECD[1]는 컴퓨터를 활용하여 경험적으로 알려진 기존 유해물질의 분자구조 정보를 이용해 신규 혹은 알려지지 않은 화학구조의 물리 화학적인 성질을 예측할 수 있는 정량적 구조 활성 관계 (QSAR)을 국제적 위해성 평가 및 검증 자료로 이용하기 위해 QSAR 표준화 정책을 제시하고 있으며 회원국을 중심으로 QSAR 사용을 의무화하고 있다. 이에 본 논문에서는 OECD 수준의 QSAR에 대한 구체적 설명과 앞으로 QSAR의 발전 방향 및 중심 이슈들에 대해 논의한다

후속연구

국제적 활용 가능한 QSAR 모델을 개발하기 위해서는 반드시 OECD QSAR 표준화 정책 가운데 QSAR 원칙을 준수하여 개배 검증되어야 할 것이며, QECD 원칙을 준수한 기계학습 기반의 알고리즘에 대한 연구도 진행되어야 할 것이다 또한 최근 Omics 기술이 부각됨에 따라 유전체 학 단백체학, 대사체학 등의 다학제 기술을 접목시켜 독성에 대한 생체지표 물질을 발굴하는 독성 유전체 기술에 대한 관심이 높아지고 있는 가운데독성 유전체 (Toxicogenomics) 기술은 기존의 독성평가 방법과는 다르게 세포나 생물체의 유전자 발현 패턴에 기초하여 유전체 기술의 독성을 평가한다. 따라서, 현재 생화학물질의 구조정보만은 이용하여 물질과 활성간의 관계를 예측하는)SAR 모델을 “Omics” 영역에서 발생할 수 있는 유전자 발현 패턴에 따른 활성을 예측하는QSAR in Omics"에대한 연구로 확장하여 진행되어야 할 것이다
물질과 활성 간의 관계를 신속하게 예측할 수 있는 OECD 수준의 QSAR 모델은 앞으로 국제적 위해성 대체 시험자료로써 광범위하게 활용될 수 있을 것으로 기대되며 오늘날 국제사회서 QSARe 더 이상 선택이 아닌 필수 기술이라 말할 수 있을 것이다. 국제적 활용 가능한 QSAR 모델을 개발하기 위해서는 반드시 OECD QSAR 표준화 정책 가운데 QSAR 원칙을 준수하여 개배 검증되어야 할 것이며, QECD 원칙을 준수한 기계학습 기반의 알고리즘에 대한 연구도 진행되어야 할 것이다 또한 최근 Omics 기술이 부각됨에 따라 유전체 학 단백체학, 대사체학 등의 다학제 기술을 접목시켜 독성에 대한 생체지표 물질을 발굴하는 독성 유전체 기술에 대한 관심이 높아지고 있는 가운데독성 유전체 (Toxicogenomics) 기술은 기존의 독성평가 방법과는 다르게 세포나 생물체의 유전자 발현 패턴에 기초하여 유전체 기술의 독성을 평가한다.
하지만, ANN이나 SVM과 같은 black-box형 기계학습 기반의 알고리즘으로부터 학습된 예측 모델의 경우 학습 알고리즘으로부터 학습된 결과나 예측과정을 사용자가 명백히 알 수 없다는 알고리즘 적 특징으로 인해 우수한 성능을 보이지만OECD에서 제시하는 QSAR 원칙 3(an unambiguous algorithm) 에 위배되고 원칙 5에 적합하지 못한 문제를 갖고 있다 8, 9]. 이에, 기계학습 기반의 알고리즘을 이용하여 예측 모델의 성능을 높이면为ECD 원칙을 준수할 수 있는 기술에 대한 연구가 진행되어야 할 것이다. 3D-QSAR 알고리즘의 경우 기본적으로 3D 생화학물질의 구조정보를 얻은 후에는 2D-QSAR 알고리즘에서 사용한 알고리즘들을 이용하여 분자들의 활성 값을 예측한다 3D-QSAR 알고리즘은 3차원 공간에 화학구조를 정렬하고 분자를 설계하기까지의 기법들에 따라 CoMFA(Comparative Molecular Field Analysis)[10], CoMSIA(Comparative Molecular Similarity Indices Analysis) [11], HQSAR(Hologram QSAR)[12] 로 분류된다

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

정량적 구조-활성관계(QSAR) 모델에 대한 연구 동향
A Survey on Quantitative Structure-Activity Relationship(QSAR) Models 원문보기

AI 본문요약
AI-Helper

문제 정의

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

정량적 구조-활성관계(QSAR) 모델에 대한 연구 동향 A Survey on Quantitative Structure-Activity Relationship(QSAR) Models 원문보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

정량적 구조-활성관계(QSAR) 모델에 대한 연구 동향
A Survey on Quantitative Structure-Activity Relationship(QSAR) Models 원문보기

AI 본문요약
AI-Helper