KR20240063817A - 타깃 단백질과 연관된 데이터 증강 방법 - Google Patents
타깃 단백질과 연관된 데이터 증강 방법 Download PDFInfo
- Publication number
- KR20240063817A KR20240063817A KR1020240046672A KR20240046672A KR20240063817A KR 20240063817 A KR20240063817 A KR 20240063817A KR 1020240046672 A KR1020240046672 A KR 1020240046672A KR 20240046672 A KR20240046672 A KR 20240046672A KR 20240063817 A KR20240063817 A KR 20240063817A
- Authority
- KR
- South Korea
- Prior art keywords
- target protein
- data
- learning
- protein
- information
- Prior art date
Links
- 102000004169 proteins and genes Human genes 0.000 title claims abstract description 256
- 108090000623 proteins and genes Proteins 0.000 title claims abstract description 256
- 238000000034 method Methods 0.000 title claims abstract description 84
- 238000013434 data augmentation Methods 0.000 title claims description 27
- 230000003190 augmentative effect Effects 0.000 claims abstract description 27
- 238000003860 storage Methods 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims abstract description 9
- 239000003814 drug Substances 0.000 claims description 61
- 229940079593 drug Drugs 0.000 claims description 61
- 238000013136 deep learning model Methods 0.000 claims description 41
- 238000001914 filtration Methods 0.000 claims description 35
- 238000002887 multiple sequence alignment Methods 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 27
- 239000000126 substance Substances 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 description 115
- 230000006870 function Effects 0.000 description 19
- 230000027455 binding Effects 0.000 description 18
- 238000012549 training Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 15
- 239000003596 drug target Substances 0.000 description 12
- 230000003287 optical effect Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 230000003993 interaction Effects 0.000 description 8
- 108010042653 IgA receptor Proteins 0.000 description 6
- 102100034014 Prolyl 3-hydroxylase 3 Human genes 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 230000007786 learning performance Effects 0.000 description 5
- 241000282326 Felis catus Species 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 150000001875 compounds Chemical class 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 239000013076 target substance Substances 0.000 description 4
- 230000003416 augmentation Effects 0.000 description 3
- 238000002790 cross-validation Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000010494 dissociation reaction Methods 0.000 description 3
- 230000005593 dissociations Effects 0.000 description 3
- 239000003112 inhibitor Substances 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 108020003175 receptors Proteins 0.000 description 3
- 102000005962 receptors Human genes 0.000 description 3
- 231100000491 EC50 Toxicity 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013498 data listing Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 230000002401 inhibitory effect Effects 0.000 description 2
- 239000003446 ligand Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000005055 memory storage Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- CVOFKRWYWCSDMA-UHFFFAOYSA-N 2-chloro-n-(2,6-diethylphenyl)-n-(methoxymethyl)acetamide;2,6-dinitro-n,n-dipropyl-4-(trifluoromethyl)aniline Chemical compound CCC1=CC=CC(CC)=C1N(COC)C(=O)CCl.CCCN(CCC)C1=C([N+]([O-])=O)C=C(C(F)(F)F)C=C1[N+]([O-])=O CVOFKRWYWCSDMA-UHFFFAOYSA-N 0.000 description 1
- 102000003688 G-Protein-Coupled Receptors Human genes 0.000 description 1
- 108090000045 G-Protein-Coupled Receptors Proteins 0.000 description 1
- 102000001253 Protein Kinase Human genes 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000008484 agonism Effects 0.000 description 1
- 230000008485 antagonism Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003197 catalytic effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000005515 coenzyme Substances 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000009881 electrostatic interaction Effects 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000009878 intermolecular interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 229910021645 metal ion Inorganic materials 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000002773 nucleotide Substances 0.000 description 1
- 125000003729 nucleotide group Chemical group 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000144 pharmacologic effect Effects 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 108090000765 processed proteins & peptides Proteins 0.000 description 1
- 108060006633 protein kinase Proteins 0.000 description 1
- 238000000455 protein structure prediction Methods 0.000 description 1
- 230000009257 reactivity Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 150000003384 small molecules Chemical class 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/20—Supervised data analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B15/00—ICT specially adapted for analysing two-dimensional or three-dimensional molecular structures, e.g. structural or functional relations or structure alignment
- G16B15/30—Drug targeting using structural data; Docking or binding prediction
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
- G16B30/10—Sequence alignment; Homology search
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B45/00—ICT specially adapted for bioinformatics-related data visualisation, e.g. displaying of maps or networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Chemical & Material Sciences (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioethics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Medicinal Chemistry (AREA)
- Pharmacology & Pharmacy (AREA)
- Crystallography & Structural Chemistry (AREA)
- Analytical Chemistry (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Epidemiology (AREA)
- Public Health (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
본 개시의 일 실시예에 따라, 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램이 개시된다. 상기 방법은, 학습 데이터에 포함된 타깃 단백질 및 상기 타깃 단백질과 연관된 지표 정보를 획득하는 단계; 상기 타깃 단백질의 상동(homologous) 단백질을 식별하는 단계; 및 상기 타깃 단백질과 연관된 지표 정보 및 상기 상동 단백질을 대응시켜서, 상기 학습 데이터를 증강시키는 단계를 포함할 수 있다.
Description
본 발명은 데이터 증강 방법에 관한 것으로, 보다 구체적으로 타깃 단백질과 연관된 학습 데이터 증강 기술에 관한 것이다.
약물-타깃 상호작용(Drug Target Interaction, 이하 DTI) 예측 문제는 주어진 약물 분자와 타깃 단백질의 화학적 친화도를 다양한 방식으로 예측하는 문제이다. 예를 들어, DTI 문제는, 주어진 약물 분자와 타깃 단백질 사이에서, IC50, Ki, Kd 또는 이것의 수정치 등 다양한 방식으로 측정되는 화학적 친화도를 계산적으로 예측하는 문제이다. 한편, 이러한 DTI 문제와 관련하여, 타깃의 구조를 알고 있는 상황에서는 도킹 등의 방법이 사용되어 왔으며, 그렇지 않은 상황에서는 이 문제가 이진 분류 문제, 회귀 문제, 이분 그래프 추론 문제 등 다양한 방식으로 정의되어 다루어져 왔다. 특히 회귀 문제의 관점에서는 KronRLS, SimBoost, DeepDTA 그리고 디어젠의 MT-DTI 등 다양한 머신러닝 및 딥러닝 알고리즘이 사용되어 왔다.
DTI 문제를 딥러닝으로 접근할 때의 난점 중 하나는, 학습 데이터로 쓸 수 있는 단백질의 종류가 많지 않다는 것이다. 이에 대한 증거 하나는 KIBA, DAVIS 데이터셋에 등장하는 단백질의 종류가 각각 229개, 224개 밖에 되지 않는 다는 것이다. 또 다른 간접적인 증거는, 인체에서 약물의 주요 타깃이 되는 단백질의 범주의 GPCR과 protein kinase의 종류가 790여개, 500여개 밖에 존재하지 않는다는 것이다. 도 3을 참조하면, 이러한 문제점은 특히 이런 제한된 데이터를 통해 학습된 딥러닝 모델의 새로운 타깃으로의 일반화 능력이 상당히 제한적이라는 점에서 중요하다.
대한민국 등록특허 제10-2213670호(2021.02.02)는 약물-표적 상호 작용 예측을 위한 방법에 관하여 개시한다.
본 개시는, 학습 데이터로 사용할 수 있는 단백질의 종류의 부족으로 발생하는 문제를 부분적으로 해결하기 위해 상동 단백질을 활용하여 데이터를 확장(증강)할 수 있는, 타깃 단백질과 연관된 데이터 증강(Data Augmentation) 방법을 제공하는 것을 목적으로 한다.
한편, 본 개시가 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 이하에서 설명할 내용으로부터 통상의 기술자에게 자명한 범위 내에서 다양한 기술적 과제가 포함될 수 있다.
전술한 바와 같은 과제를 실현하기 위한 본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는 방법이 개시된다. 상기 방법은, 학습 데이터에 포함된 타깃 단백질 및 상기 타깃 단백질과 연관된 지표 정보를 획득하는 단계; 상기 타깃 단백질의 상동(homologous) 단백질을 식별하는 단계; 및 상기 타깃 단백질과 연관된 지표 정보 및 상기 상동 단백질을 대응시켜서, 상기 학습 데이터를 증강시키는 단계를 포함할 수 있다.
대안적으로, 상기 타깃 단백질과 연관된 지표 정보는, 상기 타깃 단백질의 약물에 대한 친화도 정보를 포함할 수 있다.
대안적으로, 상기 방법은, 상기 증강시킨 학습 데이터를 상기 타깃 단백질의 약물에 대한 친화도 정보와 상기 상동 단백질의 약물에 대한 친화도 정보를 고려하여 필터링하는 단계를 더 포함할 수 있다.
대안적으로, 상기 필터링하는 단계는, 현재 학습 중인 배치(batch) 안에서, 학습 데이터로부터 주어지거나 딥러닝 모델에 의해 예측되는 상기 타깃 단백질의 약물에 대한 친화도 정보와 상기 딥러닝 모델에 의해 예측되는 상기 상동 단백질의 약물에 대한 친화도 정보를 비교하는 단계를 포함할 수 있다.
대안적으로, 상기 필터링하는 단계는, 상기 배치 안의 상동 단백질들이 가지고 있는 정확도 수치들 중 특정 순위 이상의 정확도를 가지고 있는 상동 단백질에 관한 데이터를 필터링하는 단계를 포함하고, 상기 정확도 수치들은, 상기 딥러닝 모델에 의해 예측되는 상기 상동 단백질들의 약물에 대한 친화도 정보들, 및 학습 데이터로부터 주어지거나 상기 딥러닝 모델에 의해 예측되는 상기 타깃 단백질의 약물에 대한 친화도 정보 사이의 비교에 기초하여 생성될 수 있다.
대안적으로, 상기 필터링하는 단계는, 현재 학습 중인 딥러닝 모델의 학습 과정의 중간부터 상기 증강시킨 학습 데이터에 대하여 필터링을 수행하는 단계를 포함할 수 있다.
대안적으로, 상기 타깃 단백질의 상동 단백질을 식별하는 단계는, 상기 타깃 단백질과 복수의 상동 단백질에 대하여 다중서열정렬(MSA, Multiple Sequence alignment)을 수행하는 단계를 더 포함할 수 있다.
대안적으로, 상기 다중서열정렬을 수행하는 단계는, 미리 설정된 일치도 비율을 만족하는 상기 타깃 단백질과 복수의 상동 단백질에 대하여 검색을 수행하는 단계를 포함할 수 있다.
전술한 바와 같은 과제를 실현하기 위한 본 개시의 일 실시예에 따라 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램이 개시된다. 상기 컴퓨터 프로그램은 하나 이상의 프로세서에서 실행되는 경우, 타깃 단백질과 연관된 데이터 증강(Data Augmentation)을 위한 이하의 동작들을 수행하도록 하며, 상기 동작들은: 학습 데이터에 포함된 타깃 단백질 및 상기 타깃 단백질과 연관된 지표 정보를 획득하는 동작; 상기 타깃 단백질의 상동(homologous) 단백질을 식별하는 동작; 및 상기 타깃 단백질과 연관된 지표 정보 및 상기 상동 단백질을 대응시켜서, 상기 학습 데이터를 증강시키는 동작을 포함할 수 있다.
전술한 바와 같은 과제를 실현하기 위한 본 개시의 일 실시예에 따른 컴퓨팅 장치가 개시된다. 상기 장치는, 적어도 하나의 프로세서; 및 메모리를 포함하고, 상기 적어도 하나의 프로세서는, 학습 데이터에 포함된 타깃 단백질 및 상기 타깃 단백질과 연관된 지표 정보를 획득하고 상기 타깃 단백질의 상동(homologous) 단백질을 식별하고 그리고 상기 타깃 단백질과 연관된 지표 정보 및 상기 상동 단백질을 대응시켜서, 상기 학습 데이터를 증강시키도록 구성될 수 있다.
본 개시는, 학습 데이터 부족으로 발생하는 문제를 부분적으로 해결하기 위해 상동 단백질을 활용하여 데이터를 확장(증강)할 수 있는, 타깃 단백질과 연관된 데이터 증강(Data Augmentation) 방법을 제공할 수 있다.
한편, 본 개시의 효과는 이상에서 언급한 효과들로 제한되지 않으며, 이하에서 설명할 내용으로부터 통상의 기술자에게 자명한 범위 내에서 다양한 효과들이 포함될 수 있다.
도 1은 본 개시의 일 실시예에 따른 타깃 단백질과 연관된 데이터 증강(Data Augmentation)하기 위한 컴퓨팅 장치의 블록 구성도이다.
도 2는 본 개시의 일 실시예에 따른 타깃 단백질과 연관된 데이터 증강(Data Augmentation) 방법을 개략적으로 나타낸 도면이다.
도 3은 본 개시의 일 실시예에 따른 약물-타깃(target) 친화도 예측을 위한 데이터 증강(Data Augmentation)방법의 효과를 보여주는 제 1 실험 결과이다.
도 4는 본 개시의 일 실시예에 따른 약물-타깃(target) 친화도 예측을 위한 데이터 증강(Data Augmentation)방법의 효과를 보여주는 제 2 실험 결과이다.
도 5는 본 개시의 일 실시예에 따른 타깃 단백질과 연관된 데이터 증강(Data Augmentation)방법을 나타낸 순서도이다.
도 6은 본 개시의 일 실시예에 따른 신경망을 나타낸 개념도이다.
도 7은 본 개시의 일 실시예에 따른 컴퓨팅 장치의 블록 구성도이다.
도 2는 본 개시의 일 실시예에 따른 타깃 단백질과 연관된 데이터 증강(Data Augmentation) 방법을 개략적으로 나타낸 도면이다.
도 3은 본 개시의 일 실시예에 따른 약물-타깃(target) 친화도 예측을 위한 데이터 증강(Data Augmentation)방법의 효과를 보여주는 제 1 실험 결과이다.
도 4는 본 개시의 일 실시예에 따른 약물-타깃(target) 친화도 예측을 위한 데이터 증강(Data Augmentation)방법의 효과를 보여주는 제 2 실험 결과이다.
도 5는 본 개시의 일 실시예에 따른 타깃 단백질과 연관된 데이터 증강(Data Augmentation)방법을 나타낸 순서도이다.
도 6은 본 개시의 일 실시예에 따른 신경망을 나타낸 개념도이다.
도 7은 본 개시의 일 실시예에 따른 컴퓨팅 장치의 블록 구성도이다.
다양한 실시예들이 이제 도면을 참조하여 설명된다. 본 명세서에서, 다양한 설명들이 본 개시의 이해를 제공하기 위해서 제시된다. 그러나, 이러한 실시예들은 이러한 구체적인 설명 없이도 실행될 수 있음이 명백하다.
본 명세서에서 사용되는 용어 "컴포넌트", "모듈", "시스템" 등은 컴퓨터-관련 엔티티, 하드웨어, 펌웨어, 소프트웨어, 소프트웨어 및 하드웨어의 조합, 또는 소프트웨어의 실행을 지칭한다. 예를 들어, 컴포넌트는 프로세서상에서 실행되는 처리과정(procedure), 프로세서, 객체, 실행 스레드, 프로그램, 및/또는 컴퓨터일 수 있지만, 이들로 제한되는 것은 아니다. 예를 들어, 컴퓨팅 장치에서 실행되는 애플리케이션 및 컴퓨팅 장치 모두 컴포넌트일 수 있다. 하나 이상의 컴포넌트는 프로세서 및/또는 실행 스레드 내에 상주할 수 있다. 일 컴포넌트는 하나의 컴퓨터 내에 로컬화 될 수 있다. 일 컴포넌트는 2개 이상의 컴퓨터들 사이에 분배될 수 있다. 또한, 이러한 컴포넌트들은 그 내부에 저장된 다양한 데이터 구조들을 갖는 다양한 컴퓨터 판독가능한 매체로부터 실행할 수 있다. 컴포넌트들은 예를 들어 하나 이상의 데이터 패킷들을 갖는 신호(예를 들면, 로컬 시스템, 분산 시스템에서 다른 컴포넌트와 상호작용하는 하나의 컴포넌트로부터의 데이터 및/또는 신호를 통해 다른 시스템과 인터넷과 같은 네트워크를 통해 전송되는 데이터)에 따라 로컬 및/또는 원격 처리들을 통해 통신할 수 있다.
더불어, 용어 "또는"은 배타적 "또는"이 아니라 내포적 "또는"을 의미하는 것으로 의도된다. 즉, 달리 특정되지 않거나 문맥상 명확하지 않은 경우에, "X는 A 또는 B를 이용한다"는 자연적인 내포적 치환 중 하나를 의미하는 것으로 의도된다. 즉, X가 A를 이용하거나; X가 B를 이용하거나; 또는 X가 A 및 B 모두를 이용하는 경우, "X는 A 또는 B를 이용한다"가 이들 경우들 어느 것으로도 적용될 수 있다. 또한, 본 명세서에 사용된 "및/또는"이라는 용어는 열거된 관련 아이템들 중 하나 이상의 아이템의 가능한 모든 조합을 지칭하고 포함하는 것으로 이해되어야 한다.
또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하는 것으로 이해되어야 한다. 다만, "포함한다" 및/또는 "포함하는"이라는 용어는, 하나 이상의 다른 특징, 구성요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다. 또한, 달리 특정되지 않거나 단수 형태를 지시하는 것으로 문맥상 명확하지 않은 경우에, 본 명세서와 청구범위에서 단수는 일반적으로 "하나 또는 그 이상"을 의미하는 것으로 해석되어야 한다.
그리고, "A 또는 B 중 적어도 하나"이라는 용어는, "A만을 포함하는 경우", "B 만을 포함하는 경우", "A와 B의 구성으로 조합된 경우"를 의미하는 것으로 해석되어야 한다.
당업자들은 추가적으로 여기서 개시된 실시예들과 관련되어 설명된 다양한 예시적 논리적 블록들, 구성들, 모듈들, 회로들, 수단들, 로직들, 및 알고리즘 단계들이 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양쪽 모두의 조합들로 구현될 수 있음을 인식해야 한다. 하드웨어 및 소프트웨어의 상호교환성을 명백하게 예시하기 위해, 다양한 예시적 컴포넌트들, 블록들, 구성들, 수단들, 로직들, 모듈들, 회로들, 및 단계들은 그들의 기능성 측면에서 일반적으로 위에서 설명되었다. 그러한 기능성이 하드웨어로 또는 소프트웨어로서 구현되는지 여부는 전반적인 시스템에 부과된 특정 어플리케이션(application) 및 설계 제한들에 달려있다. 숙련된 기술자들은 각각의 특정 어플리케이션들을 위해 다양한 방법들로 설명된 기능성을 구현할 수 있다. 다만, 그러한 구현의 결정들이 본 개시내용의 영역을 벗어나게 하는 것으로 해석되어서는 안 된다.
제시된 실시예들에 대한 설명은 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이다. 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예 들로 한정되는 것이 아니다. 본 발명은 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.
본 개시에서 네트워크 함수와 인공 신경망 및 뉴럴 네트워크(neural network)는 상호교환 가능하게 사용될 수 있다.
본 개시에서 타깃 단백질과 연관된 "지표(indicator)"는, 타깃 단백질의 특성과 관련된 다양한 정보를 나타내는 개념이다. 이러한 타깃 단백질과 연관된 지표는, 타깃 단백질 자체의 특성에 관한 정보, 타깃 단백질과 다른 물질 사이의 특성에 관한 정보, 타깃 단백질과 밀접한 관련성이 있는 물질에 관한 정보 등을 포함하는 다양한 정보를 나타낼 수 있으며, 지수(index), 척도(scale), 측정치(measured value) 등을 포함하는 다양한 방식으로 표현될 수 있다. 일 예로서, 상기 타깃 단백질과 연관된 지표는, 상기 타깃 단백질과 화합물 사이의 "친화도(affinity)"를 포함할 수 있다.
또한, 본 개시에서 "친화도"는 생물학적 목표물과 화합물 간의 다양한 연관성(예컨대, 결합 가능성, 관련성, 상관성, 반응성, 상호작용 등)을 나타내는 개념이며, 다양한 지수, 척도, 또는 측정치에 기초하여 결정될 수 있다. 예를 들어, 친화도는, 결합 친화도(binding affinity), IC50(half maximal inhibitory concentration), EC50(half maximal effective concentration), AC50(half activity concentration) 등의 다양한 지수, 척도, 또는 측정치에 기초하여 결정될 수 있다.
또한, 본 개시에서 친화도에 포함될 수 있는 결합 친화도(binding affinity)는 생물학적 목표물과 화합물간의 반응정도 척도의 일종인, 가역적으로 결합하는 복수개의 분자간의 결합 강도를 의미할 수 있다. 일반적으로 결합 친화도가 높은 화합물일수록 생물학적 목표물과 관련하여 특이적이고 선택적으로 결합할 확률이 높다고 알려져 있다. 또한, 결합 친화도는 단백질 또는 DNA와 약물 또는 억제제의 결합 작용의 강도일 수 있다. 또한, 결합 친화도는, 예를 들어, 평형 해리 상수(KD)를 기초로 측정될 수 있다. 이때, 상기 KD 값이 작을수록 생물학적 목표물에 대한 약물 혹은 억제제의 결합 친화도가 높다고 표현되고, 반대로 KD 값이 클수록 생물학적 목표물에 대한 약물 혹은 억제제의 결합 친화도가 낮다고 표현될 수 있다. 또한, 결합 친화도는 수소 결합, 정전기 상호작용 및 소수성 등 두 분자 사이의 비공유 결합한 분자간 상호작용에 의해 영향을 받을 수 있다. 또한, 결합 친화도는 물리적인 샘플을 실험 및 측정 기기를 통해 측정하여 사용할 수도 있지만, 측정된 값이 저장된 데이터베이스를 활용하여 사용될 수 있다. 한편, 결합 친화도를 측정하는 방식은, 평형 해리 상수(KD)에 기초하는 방식 이외에도 다양한 방식이 활용될 수 있으며, 본 개시는 결합 친화를 측정하는 다양한 방식을 포괄한다.
한편, 좀 더 구체적인 예시로서, 본 개시에서의 "친화도"는 약물과 타깃 물질 간에 작용하는 결합력, 촉매 속도, 기질 특이성, 화학 선택성, 수용체 효능 작용 또는 수용체 길항 작용 등을 나타낼 수 있다. 또한, 여기서 상기 타깃 물질은 수용체(receptor)와 같은 단백질일 수 있고, 상기 약물은 상기 타깃 물질의 결합 부위와 상호작용하여 약물-타깃 물질 간 안정적인 복합체를 형성할 수 있는 리간드로 작용할 수 있고, 상기 복합체는 약물-타깃 물질 외에도 금속 이온 등과 같은 조효소 내지 보조 인자들을 포함할 수 있다. 또한, 상기 리간드는 약리학적 목적으로 표적 생체분자와 비공유적으로 결합할 수 있는 소분자(small molecule)일 수 있고, 뉴클레오타이드 중합체, 펩타이드, 항체 등과 같은 생체 분자일 수도 있다. 이하, 도 1 내지 도 7을 통해 본 개시에 따른 컴퓨팅 장치가 약물-타깃(target) 친화도 예측을 위한 데이터 증강(Data Augmentation)하는 방법에 대해 설명한다.
도 1은 본 개시의 일 실시예에 따른 타깃 단백질과 연관된 데이터 증강(Data Augmentation)을 위한 컴퓨팅 장치의 블록 구성도이다.
도 1에 도시된 컴퓨팅 장치(100)의 구성은 간략화하여 나타낸 예시일 뿐이다. 본 개시의 일 실시예에서 컴퓨팅 장치(100)는 컴퓨팅 장치(100)의 컴퓨팅 환경을 수행하기 위한 다른 구성들이 포함될 수 있고, 개시된 구성들 중 일부만이 컴퓨팅 장치(100)를 구성할 수도 있다.
컴퓨팅 장치(100)는 프로세서(110), 메모리(130), 네트워크부(150)를 포함할 수 있다.
프로세서(110)는 하나 이상의 코어로 구성될 수 있으며, 컴퓨팅 장치의 중앙 처리 장치(CPU: central processing unit), 범용 그래픽 처리 장치 (GPGPU: general purpose graphics processing unit), 텐서 처리 장치(TPU: tensor processing unit) 등의 데이터 분석, 딥러닝을 위한 프로세서를 포함할 수 있다. 프로세서(110)는 메모리(130)에 저장된 컴퓨터 프로그램을 판독하여 본 개시의 일 실시예에 따른 기계 학습을 위한 데이터 처리를 수행할 수 있다. 본 개시의 일실시예에 따라 프로세서(110)는 신경망의 학습을 위한 연산을 수행할 수 있다. 프로세서(110)는 딥러닝(DL: deep learning)에서 학습을 위한 입력 데이터의 처리, 입력 데이터에서의 피처 추출, 오차 계산, 역전파(backpropagation)를 이용한 신경망의 가중치 업데이트 등의 신경망의 학습을 위한 계산을 수행할 수 있다. 프로세서(110)의 CPU, GPGPU, 및 TPU 중 적어도 하나가 네트워크 함수의 학습을 처리할 수 있다. 예를 들어, CPU 와 GPGPU가 함께 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 개시의 일 실시예에서 복수의 컴퓨팅 장치의 프로세서를 함께 사용하여 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 개시의 일 실시예에 따른 컴퓨팅 장치에서 수행되는 컴퓨터 프로그램은 CPU, GPGPU 또는 TPU 실행가능 프로그램일 수 있다.
본 개시의 일 실시예에 따르면, 프로세서(110)에서 수행되는 타깃 단백질과 연관된 데이터 증강(Data Augmentation) 방법은 약지도 학습(weakly supervised learning)의 일종으로 이해될 수 있다. 약지도 학습이란, 기계학습 모델을 학습시킬 때 어떤 의미로든 정확하지 않은 라벨을 활용하는 것이다. 일 예로, 크라우드 소싱을 통해 얻은 라벨을 사용하는 사례 등이 존재한다. 본 개시의 일 실시예에 따르면, 프로세서(110)는, 주어진 약물에 대한 "타깃 단백질"의 친화도 정보를 상기 타깃 단백질의 "상동 단백질"에 대응시켜서 학습 데이터를 증강시키므로, (상동 단백질의 입장에서 자신의 정확한 친화도 정보가 아니라 상대적으로 정확하지 않은 다른 단백질의 친화도 정보가 대신 매칭되는 관점에서) 이러한 학습 데이터의 증강은 약지도 학습의 일종으로 이해될 수 있다.
또한, 프로세서(110)는 학습 데이터에 포함된 타깃 단백질 및 타깃 단백질과 연관된 지표 정보를 획득하고, 상기 타깃 단백질의 상동(homologous) 단백질을 식별할 수 있다. 이후, 프로세서(110)는 타깃 단백질과 연관된 지표 정보 및 상기 상동 단백질을 서로 대응시켜서, 학습 데이터를 증강시킬 수 있다. 이때, 타깃 단백질과 연관된 지표 정보는, 타깃 단백질의 약물에 대한 친화도 정보를 포함할 수 있다. 참고로, 프로세서(110)는 단백질 구조가 유사할 때 해당 값도 유사할 것이라고 추측될 수 있는 어떠한 지표라도 활용하여 학습 데이터를 증강시킬 수 있다.
한편, 프로세서(110)는 학습 데이터로 쓸 수 있는 단백질의 종류가 많지 않다는 문제를 부분적으로 해결하기 위해 상동 단백질을 이용한다. 일예로, 학습 데이터에 있는 타깃 단백질 A가 약물 X와 친화도가 높다면, 타깃 단백질 A와 시퀀스 패턴(서열 패턴)이 비슷한 단백질 B도 약물 X와 친화도가 높을 가능성이 크다. 타깃 단백질 A가 가지고 있는 약물 X와 결합하는 입체 구조를 단백질 B 역시 가지고 있을 가능성이 크기 때문이다. 그러므로 프로세서(110)는 사전 학습된 딥러닝 모델(예컨대, DTI 딥러닝 모델)을 학습시킬 때 사용되는 학습 데이터 셋에 상동 단백질을 포함하여 데이터를 확장(증강, Augmentation)할 수 있다. 구체적으로, 프로세서(110)는 (A, X)의 친화도 값이 a라면, (B,X)의 친화도 값도 a라고 상정하고 학습을 할 수 있다.
추가로, 상동 단백질을 활용하여 데이터를 확장하는 것과 관련하여, 타깃 단백질 A가 약물 X와 결합하는 부위가 상동 단백질 B에서는 생략되거나 변형된 형태로 나타날 수 있는 문제점이 발생할 수도 있다. 그럴 경우, 상동 단백질 B와 약물 X의 지표(예컨대, 친화도)는 타깃 단백질 A와 약물 X의 지표(예컨대, 친화도)를 통해 어림잡을 수 없게 될 것이다. 따라서, 앞서 설명된 방법으로 확장(증강, Augmentation)한 학습 데이터 셋을 그대로 사용하는 것이 아니라 적절히 필터링하는 것이 필요하다. 본 개시의 일 실시예에 따른 프로세서는, 이러한 문제점을 해결하기 위해, 상동 단백질을 활용하여 증강되는 데이터들 중 일부를 필터링할 수 있으며, 이러한 필터링 동작을 통해, (상대적으로 높은 정확성을 담보할 수 없는) 데이터들이 학습 데이터에 포함되는 것을 방지하여 데이터 증강의 성능을 추가로 개선할 수 있다.
본 개시의 일 실시예에 따르면, 메모리(130)는 프로세서(110)가 생성하거나 결정한 임의의 형태의 정보 및 네트워크부(150)가 수신한 임의의 형태의 정보를 저장할 수 있다.
본 개시의 일 실시예에 따르면, 메모리(130)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 컴퓨팅 장치(100)는 인터넷(internet) 상에서 상기 메모리(130)의 저장 기능을 수행하는 웹 스토리지(web storage)와 관련되어 동작할 수도 있다. 전술한 메모리에 대한 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.
본 개시의 일 실시예에 따른 네트워크부(150)는 공중전화 교환망(PSTN: Public Switched Telephone Network), xDSL(x Digital Subscriber Line), RADSL(Rate Adaptive DSL), MDSL(Multi Rate DSL), VDSL(Very High Speed DSL), UADSL(Universal Asymmetric DSL), HDSL(High Bit Rate DSL) 및 근거리 통신망(LAN) 등과 같은 다양한 유선 통신 시스템들을 사용할 수 있다.
또한, 본 명세서에서 제시되는 네트워크부(150)는 CDMA(Code Division Multi Access), TDMA(Time Division Multi Access), FDMA(Frequency Division Multi Access), OFDMA(Orthogonal Frequency Division Multi Access), SC-FDMA(Single Carrier-FDMA) 및 다른 시스템들과 같은 다양한 무선 통신 시스템들을 사용할 수 있다.
본 개시에서 네트워크부(150)는 유선 및 무선 등과 같은 그 통신 양태를 가리지 않고 구성될 수 있으며, 단거리 통신망(LAN: Local Area Network), 개인 통신망(PAN: Personal Area Network), 광역 통신망(WAN: Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 또한, 상기 네트워크는 공지의 월드와이드웹(WWW: World Wide Web)일 수 있으며, 적외선(IrDA: Infrared Data Association) 또는 블루투스(Bluetooth)와 같이 단거리 통신에 이용되는 무선 전송 기술을 이용할 수도 있다.
본 명세서에서 설명된 기술들은 위에서 언급된 네트워크들뿐만 아니라, 다른 네트워크들에서도 사용될 수 있다.
도 2는 본 개시의 일 실시예에 따른 타깃 단백질과 연관된 데이터 증강(Data Augmentation) 방법을 개략적으로 나타낸 도면이다.
본 개시의 일 실시예에 따르면, 프로세서(110)는 학습 데이터에 포함된 타깃 단백질 및 타깃 단백질과 연관된 지표 정보를 획득할 수 있다. 이때, 타깃 단백질과 연관된 지표 정보는, 타깃 단백질 구조와 단백질 구조가 유사할 때 해당 값도 유사할 것이라고 추측될 수 있는 다양한 지표를 포함할 수 있다. 일 예로, 타깃 단백질과 연관된 지표 정보는, 타깃 단백질의 약물에 대한 친화도 정보를 포함할 수 있다. 또한, 프로세서(110)는 타깃 단백질과 상동(homologous) 단백질을 식별하고, 타깃 단백질과 연관된 지표 정보 및 상동 단백질을 서로 대응시켜 학습 데이터를 증강할 수 있다. 즉, 프로세서(110)는 타깃 단백질과 연관된 다양한 지표 정보, 및 타깃 단백질의 상동 단백질을 서로 대응시켜서 학습 데이터를 증강시킬 수 있다.
예시적으로, 도 2를 참조하면, 타깃 단백질(A)과 약물(X)은 서로 알려진 상호작용(known interactions, ①) 관계이다. 참고로, 타깃 단백질(A)과 약물(X)이 서로 알려진 상호작용(known interactions, ①) 관계이므로, 타깃 단백질(A) 및 타깃 단백질과 연관된 지표(예컨대, 타깃 단백질의 약물(X)에 대한 친화도 정보(a))는 기존에 알고 있는 정보이다. 또한, 타깃 단백질(A)과 상동 단백질(B)은 시퀀스 패턴(또는 서열 패턴)이 비슷한(유사한) 단백질로 서로 상동(homology, ③) 관계이다. 참고로, 본 개시에서의 "비슷한(유사한)"은 미리 설정된 비율 이상의 서열 일치도를 가지는 것을 의미할 수 있다. 달리 말해, 단백질(A)과 상동 단백질(B)은 시퀀스 패턴(또는 서열 패턴)이 미리 설정된 비율 이상의 서열 일치도를 가지는 단백질로 서로 상동 관계이다. 또한, 타깃 단백질(A)과 상동 단백질(B)이 시퀀스 패턴(서열 패턴)이 비슷한(유사한) 단백질이기 때문에, 상동 단백질(B)과 약물(X)에 대한 친화도 값을 친화도 정보(a)로 상정(가정)할 수 있으므로, 상동 단백질(B)과 약물(X)은 서로 가능성이 있는 상호작용(potential interaction, ②) 관계이다.
본 개시의 일 실시예에 따르면, 프로세서(110)는 학습 데이터에 포함된 타깃 단백질(A) 및 타깃 단백질의 약물(X)에 대한 친화도 정보를 획득할 수 있다. 친화도 정보는 타깃 단백질(A)과 약물(X) 간에 작용하는 결합력 또는 힘(세기)에 대한 정보를 포함할 수 있으며, 이러한 정보 이외에도 다양한 유형의 정보를 포함할 수 있다. 예를 들어, 친화도 정보는, KD(평형 해리 상수), Ki, IC50(half maximal inhibitory concentration), EC50(half maximal effective concentration), AC50(half activity concentration) 등을 포함하는 다양한 유형의 정보를 포함할 수 있다.
본 개시의 일 실시예에 따르면, 프로세서(110)는 타깃 단백질(A)의 상동(homologous) 단백질(B)을 식별할 수 있다. 또한, 프로세서(110)는 타깃 단백질과 복수의 상동 단백질에 대하여 다중서열정렬(MSA, Multiple Sequence alignment)을 수행할 수 있다. 예를 들어, 프로세서(110)는 타깃 단백질(A)과 상동(homologous)인 단백질을 데이터베이스에 검색하여 다중서열정렬(MSA, Multiple Sequence alignment)를 수행할 수 있다. 다중서열정렬은 단백질 구조 예측 문제의 접근 방법 중 진화적 상관관계를 이용하는 방법, 템플릿 기반 방법 등에서 이용되어 왔다. 또한, 이런 상동 단백질을 이용한 구조 예측 방법이 약물-타깃(target) 상호작용 예측 문제에도 적용되어 왔다. 프로세서(110)는 이러한 다중서열정렬을 복수의 단백질 중 타깃 단백질(A)과 상동인 단백질을 식별하기 위해 사용할 수 있다. 예시적으로, 프로세서(110)는 상동 구조 검색 및 다중서열정렬(MSA, Multiple Sequence alignment)을 은닉 Markov 모델을 기반으로 하는 HHBlits 알고리즘을 이용하여 수행할 수 있으나, 이에 한정되는 것은 아니며, 기 개발되었거나 향후 개발되는 알고리즘이 적용될 수 있다. 또한, 프로세서(110)는 미리 설정된 일치도 비율을 만족하는 타깃 단백질과 복수의 상동 단백질에 대하여 검색을 수행할 수 있다. 일예로, 프로세서(110)는 상동 단백질 검색에 대하여 HHBlits 알고리즘의 최소 대응 비율을 70%로 세팅하여 이용할 수 있다. 프로세서(110)는 데이터 확장의 다양성과 정확성의 균형을 찾아 미리 설정된 비율을 결정할 수 있다. 미리 설정된 비율은 사전 학습된 딥러닝 모델의 예측 성능을 통해 결정된 수치일 수 있다. 다만, 미리 설정된 비율은 일 실시예일 뿐 이에 한정되는 것은 아니다.
본 개시의 일 실시예에 따르면, 프로세서(110)는 타깃 단백질의 친화도 정보와 상동 단백질을 대응시켜서, 학습 데이터를 증강(확장)시킬 수 있다. 프로세서(110)는 학습 데이터로 쓸 수 있는 단백질의 종류가 많지 않다는 문제를 부분적으로 해결하기 위해 상동 단백질을 이용하여, 학습 데이터를 증강(확장)시킬 수 있다. 일예로, 학습 데이터에 있는 타깃 단백질 A가 약물 X와 친화도가 높다면, 타깃 단백질 A와 시퀀스 패턴(서열 패턴)이 비슷한 단백질 B도 약물 X와 친화도가 높을 가능성이 크다. 타깃 단백질 A가 가지고 있는 약물 X와 결합하는 입체 구조를 단백질 B 역시 가지고 있을 가능성이 크기 때문이다. 그러므로 프로세서(110)는 사전 학습된 딥러닝 모델(예컨대, DTI 딥러닝 모델)을 학습시킬 때 사용되는 학습 데이터 셋에 상동 단백질을 포함하여 데이터를 확장(증강, Augmentation)할 수 있다. 일예로, 프로세서(110)는 (A, X)의 친화도 값이 a라면, (B, X)의 친화도 값도 a라고 상정하고 학습할 수 있다.
본 개시의 일 실시예에 따르면, 프로세서(110)는 증강시킨 학습 데이터를 타깃 단백질의 약물에 대한 친화도 정보와 상동 단백질의 약물에 대한 친화도 정보를 고려하여 필터링할 수 있다. 프로세서(110)는 앞서 증강시킨 학습 데이터의 문제점을 해결하기 위해서 필터링을 수행할 수 있다. 타깃 단백질(A)이 약물(X)과 결합하는 부위가 상동 단백질(B)에서는 생략되거나 변형된 형태로 나타날 수 있는 문제점이 발생할 수 있다. 그럴 경우, 상동 단백질(B)과 약물(X)의 친화도는 타깃 단백질(A)과 약물(X)의 친화도를 통해 어림잡을 수 없게 될 것이다. 따라서, 앞서 설명된 방법으로 확장(증강, Augmentation)한 학습 데이터 셋을 그대로 사용하는 것이 아니라 적절히 필터링하는 것이 필요하다. 한편, 프로세서(110)는 학습 중인 딥러닝 모델이 상동 단백질(B)과 약물(X)의 친화도를 데이터 셋에서 주어진 타깃 단백질(A)과 약물(X)의 친화도 a와 비교적 가깝게 예측할 때만 (B, X, a)를 학습에 이용할 수 있다.
본 개시의 일 실시예에 따르면, 프로세서(110)는 현재 학습 중인 배치(batch) 안에서 "딥러닝 모델에 의해 예측되는 타깃 단백질의 약물에 대한 친화도 정보"와 "딥러닝 모델에 의해 예측되는 상동 단백질의 약물에 대한 친화도 정보"를 비교할 수 있다. 대안적으로, 프로세서(110)는, 타깃 단백질의 약물에 대한 친화도 정보가 이미 학습 데이터에 포함되어 있는 경우에는, 현재 학습 중인 배치(batch) 안에서"(학습 데이터에 포함되어 있는) 타깃 단백질의 약물에 대한 친화도 정보"와 "딥러닝 모델에 의해 예측되는 상동 단백질의 약물에 대한 친화도 정보"를 비교할 수도 있다. 또한, 프로세서(110)는 배치(batch) 안의 상동 단백질들이 가지고 있는 정확도 수치들 중 특정 순위 이상(예컨대, 중간값 이상)의 정확도를 가지고 있는 상동 단백질에 관한 데이터를 필터링할 수 있다. 프로세서(110)는 특정 순위 이상의 정확도를 가지고 있는 상동 단백질에 관한 데이터를 필터링함으로써, 학습의 정확도를 향상시킬 수 있다. 여기서, 정확도 수치들은, 딥러닝 모델에 의해 예측되는 상동 단백질의 약물에 대한 친화도 정보들 및 딥러닝 모델에 의해 예측되는 타깃 단백질의 약물에 대한 친화도 정보 사이의 비교에 기초하여 생성될 수 있다.
본 개시의 일 실시예에 따르면, 프로세서(110)는, 증강된 학습 데이터에 대하여 필터링을 수행하되, 현재 학습 중인 딥러닝 모델의 학습 과정의 중간부터 필터링을 수행할 수 있다. 다시 말해, 프로세서(110)는, 증강시킨 학습 데이터와 관련하여, 상기 딥러닝 모델에 대한 학습의 시작부터 필터링 동작을 수행하지 않고, 학습이 시작된 이후의 어느 시점(즉, 학습이 어느 정도 진행된 이후의 어느 시점)부터 필터링 동작을 수행할 수 있다. 학습 초기에는 상기 딥러닝 모델의 예측의 정확성이 충분히 담보될 수 없으므로, 학습 시작부터 일정 시점까지는 상기 딥러닝 모델을 활용하여 필터링 동작을 수행하지 않는 것이 바람직하고, 상기 일정 시점(즉, 학습이 어느 정도 진행되어 상기 딥러닝 모델의 예측의 정확성이 어느 정도 담보될 수 있는 시점) 이후에 상기 딥러닝 모델을 활용하여 필터링 동작을 수행하는 것이 바람직하기 때문이다. 일례로, 프로세서(110)는, 현재 학습 중인 딥러닝 모델의 학습 과정에서, 학습의 시작부터 미리 설정된 에포크(epoch)까지(예컨대, 850 epoch까지)는 증강된 학습 데이터에 대하여 필터링 동작을 수행하지 않을 수 있으며, 상기 미리 설정된 에포크 이후에 상기 필터링 동작을 수행할 수 있다. 한편, 이러한 필터링 동작을 통해, 상기 증강된 학습 데이터 중에서 예측의 정확성을 감소시킬 수 있는 데이터들이 제거될 수 있으므로, 딥러닝 모델의 최종적인 학습 성능이 더욱 개선될 수 있다.
도 3은 본 개시의 일 실시예에 따른 약물-타깃(target) 친화도 예측을 위한 데이터 증강(Data Augmentation) 방법의 효과를 보여주는 제 1 실험 결과이고, 도 4는 본 개시의 일 실시예에 따른 약물-타깃(target) 친화도 예측을 위한 데이터 증강(Data Augmentation)방법의 효과를 보여주는 제 2 실험 결과이다. 도 3 및 도 4는 서로 다른 데이터 셋을 기반으로 모든 성능 측도 항목(예컨대, MSE, CI, AUPR)에 대하여 수행된 성능 평과 결과이다. 성능 평가 지표로는, 평균제곱오차(MSE), CI(Consistency Index, 일관성 지수), AUPR(Area Under Precision-Recall)을 사용하였다.
예시적으로 도 3을 참조하면, 제 1 곡선(original split)은 기존의 KIBA 데이터 셋에서의 MT-DIT(Molecule Transformer Drug Target Interaction) 모델의 학습 곡선이다. 제 2 곡선(New split)은 KIBA 데이터 셋을 테스트 시에 새로운 단백질만 등장하도록 나눈 것(이하 "새 데이터셋")에서의 MT-DTI의 학습 곡선이다. original split의 학습 곡선을 통해 제한된 데이터를 통해 학습된 딥러닝 모델의 새로운 타깃으로의 일반화 능력이 상당히 제한적이라는 것을 확인할 수 있다.
예시적으로 도 4를 참조하면, 제 3 곡선(original MT-DTI)은 새 데이터셋에서의 MT-DTI 학습 곡선이다. 제 3 곡선(original MT-DTI)은 도 3의 제 2 곡선(New split)과 동일하다. 제 4 곡선(MT-DTI with MSA)은 새 데이터셋에서 다중서열정렬(MSA, Multiple Sequence alignment) 정보를 추가로 이용하였을 때의 학습 곡선이다. 달리 말해, 제 4 곡선(MT-DTI with MSA)는 본 개시의 일 실시예에 따라 약물-타깃(target) 친화도 예측을 위한 데이터 증강(Data Augmentation) 방법에서 상동 단백질을 이용하여 학습 데이터를 증강하였을 때(필터링 이용 전)의 학습 곡선이다. 제 5 곡선(MT-DTI with MSA filtered from 850 epochs)은 새 데이터셋에서 다중서열정렬(MSA, Multiple Sequence alignment) 정보를 추가로 이용하고, 필터링을 수행하였을 때의 학습 곡선이다. 다시 말해, 제 5 곡선(MT-DTI with MSA filtered from 850 epochs)은, 본 개시의 일 실시예에 따라, 상동 단백질을 이용하여 학습 데이터를 증강하고, 추가로 필터링 동작을 적용한 학습 곡선이다. 참고로, 850 epochs부터 필터링이 적용되었다. 제 5 곡선(MT-DTI with MSA filtered from 850 epochs)의 학습 곡선을 보면 모든 성능 측도 항목(예컨대, MSE, CI, AUPR)에서 우수한 성능을 나타내는 것을 확인할 수 있다. 도 4의 학습 곡선은, 5개의 학습 폴드(fold)의 서로 다른 4개씩의 합집합을 이용해 학습해서 낸 5개 결과의 평균으로, MSE는 작을수록, CI와 AUPR은 클수록 성능이 좋은 것을 의미한다. 즉, 도 4에 도시된 바와 같이, "상동 단백질에 기초하여 증강시킨 학습 데이터를 활용"함으로써, 또한 추가로, "타깃 단백질의 약물에 대한 친화도 정보와 상동 단백질의 약물에 대한 친화도 정보를 고려하여 필터링을 수행"함으로써, 학습의 성능이 향상되는 효과가 있었다.
본 개시의 일 실시예에 따르면, 기존의 KIBA 데이터 셋(예컨대, binding affinity 관련 데이터 셋)을 이용하여, 동일한 딥러닝 모델을 이용해서 다음 세가지 방법으로 학습을 진행하여 테스트 셋에서 학습된 모델의 성능을 MSE, CI, AUPR 등 이용하여 비교할 수 있다. 세가지 방법은, ① 기존의 KIBA 데이터 셋에서의 학습 방법, ② 요소 1(예컨대, MSA를 이용한 데이터 셋 확장)을 적용한 학습 방법, ③ 요소 1(예컨대, MSA를 이용한 데이터 셋 확장) 및 요소 2(예컨대, 확장된 데이터 셋의 필터링)를 적용한 학습 방법을 포함할 수 있다. 이때, 검증을 위해 홀드-아웃 교차 검증(hold-out cross validation) 방법을 이용할 수 있으나, 이에 한정되는 것은 아니다. 예를 들어, 홀드-아웃 교차 검증을 활용하는 경우, 전체 데이터 셋을 1개의 테스트 셋(test set)과 k개의 훈련 셋(train set)으로 나눌 수 있다. 보다 구체적으로, k=3인 경우, (1) "train set 2, train set 3로 학습 => test set으로 평가", (2) "train set 1, train set 3로 학습 => test set으로 평가", (3) "train set 1, train set 2로 학습 => test set으로 평가"를 수행할 수 있다. 이 경우, 각각의 평가((1), (2), ..., (k))에서 나온 점수들의 평균을 이용하여 인공지능 모델(딥러닝 모델) 또는 학습 방법을 평가할 수 있다 (참고로, 도 4의 경우에는 k=5인 방식이 활용됨). 한편, 교차 검증(cross-validation) 결과로써 "(2)의 성능이 (1)의 성능보다 낫다"라고 보여지면 요소 1이 효과가 있다고 판단할 수 있다. 또한, "(3)의 성능이 (2)의 성능보다 낫다"라고 보여지면 요소 2가 효과가 있다고 판단할 수 있다.
이하에서는 상기에 자세히 설명된 내용을 기반으로, 본원의 동작 흐름을 간단히 살펴보기로 한다.
도 5는 본 개시의 일 실시예에 따른 타깃 단백질과 연관된 데이터 증강(Data Augmentation) 방법을 나타낸 순서도이다.
도 5에 도시된 타깃 단백질과 연관된 데이터 증강(Data Augmentation) 방법은 앞서 설명된 컴퓨팅 장치(100)에 의하여 수행될 수 있다. 따라서, 이하 생략된 내용이라고 하더라도 컴퓨팅 장치(100)에 대하여 설명된 내용은 타깃 단백질과 연관된 데이터 증강(Data Augmentation) 방법에 대한 설명에도 동일하게 적용될 수 있다.
본 개시의 일 실시예에 따른 컴퓨팅 장치(100)는 학습 데이터에 포함된 타깃 단백질 및 타깃 단백질과 연관된 지표 정보를 획득할 수 있다(S110). 일 예로, 타깃 단백질과 연관된 지표는, 타깃 단백질과 단백질 구조가 유사할 때 해당 값도 유사할 것이라고 추측될 수 있는 다양한 정보를 포함할 수 있다. 또한, 타깃 단백질과 연관된 지표 정보는, 타깃 단백질의 약물에 대한 친화도 정보를 포함할 수 있다.
본 개시의 일 실시예에 따른 컴퓨팅 장치(100)는 타깃 단백질의 상동(homologous) 단백질을 식별할 수 있다(S120). 여기서 컴퓨팅 장치(100)는 타깃 단백질과 복수의 상동 단백질에 대하여 다중서열정렬(MSA, Multiple Sequence alignment)을 수행할 수 있다. 또한, 다중서열정렬은, 미리 설정된 일치도 비율을 만족하는 타깃 단백질과 복수의 상동 단백질에 대하여 검색에 의해 수행될 수 있다.
또한, 본 개시의 일 실시예에 따른 컴퓨팅 장치(100)는 타깃 단백질과 연관된 지표 정보 및 상동 단백질을 서로 대응시켜서, 학습 데이터를 증강시킬 수 있다(S130). 즉, 컴퓨팅 장치(100)는 타깃 단백질과 연관된 지표 정보와 상동 단백질을 서로 대응시켜 해당 지표의 데이터를 증강시킬 수 있다.
한편, 컴퓨팅 장치(100)는 증강시킨 학습 데이터를 상기 타깃 단백질의 약물에 대한 친화도 정보와 상기 상동 단백질의 약물에 대한 친화도 정보를 고려하여 필터링할 수 있다. 이때, 컴퓨팅 장치(100)는 현재 학습 중인 배치(batch) 안에서, 학습 데이터로부터 주어지거나 딥러닝 모델에 의해 예측되는 타깃 단백질의 약물에 대한 친화도 정보와 딥러닝 모델에 의해 예측되는 상기 상동 단백질의 약물에 대한 친화도 정보를 비교하여 정확도 정보를 산출할 수 있으며, 산출된 정확도 정보를 필터링에 활용할 수 있다. 또한, 컴퓨팅 장치(100)는 배치 안의 상동 단백질들이 가지고 있는 정확도 수치들 중 특정 순위 이상의 정확도를 가지고 있는 상동 단백질에 관한 데이터를 필터링할 수 있다. 또한, 컴퓨팅 장치(100)는 현재 학습 중인 딥러닝 모델의 학습 과정의 중간부터 증강시킨 학습 데이터에 대하여 필터링을 수행할 수 있다.
상술한 설명에서, 단계 S110 내지 S130은 본원의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
한편, 이상에 살핀 본 개시는, 주어진 약물에 대한 타깃 단백질의 친화도 정보를 상기 타깃 단백질에 대한 상동 단백질에 대응시키는 데이터 증강을 기초로 약지도 학습 방식을 활용하되, 필터링 동작을 처음부터 수행하는 것이 아닌, 학습의 중간 이후(예컨대, 800 epoch 이후)의 단계부터 증강된 데이터에 대한 필터링 동작을 수행함으로써, 약물-타깃(target) 친화도 예측을 위한 신경망 모델의 학습 성능을 개선할 수 있다.
또한, 이상에서 살핀 본 개시는, 상동 단백질들의 구조들을 상호 비교하거나 상호 투영(projection)할 필요 없이, 학습 데이터를 증강시키고 신경망 모델의 학습 성능을 개선할 수 있다. 따라서, 본 개시는, 학습 데이터의 증강 과정에서 상동 단백질들의 구조를 분석하거나, 구조를 상호 투영하거나, 유령 구조 등을 분석하는 과정에서 유발될 수 있는 학습 자원의 과도한 소모를 방지하면서, 신경 모델의 학습 성능을 개선할 수 있다.
도 6은 본 개시의 일 실시예에 따라 네트워크 함수를 나타낸 개략도이다.
본 명세서에 걸쳐, 연산 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. 신경망은 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드들은 뉴런(neuron)들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다. 신경망들을 구성하는 노드(또는 뉴런)들은 하나 이상의 링크에 의해 상호 연결될 수 있다.
신경망 내에서, 링크를 통해 연결된 하나 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 상술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드의 데이터는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서 입력 노드와 출력 노드를 상호 연결하는 링크는 가중치(weight)를 가질 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변 될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.
상술한 바와 같이, 신경망은 하나 이상의 노드들이 하나 이상의 링크를 통해 상호 연결되어 신경망 내에서 입력 노드 및 출력 노드 관계를 형성한다. 신경망 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들의 가중치 값이 상이한 두 신경망이 존재하는 경우, 두 개의 신경망들은 서로 상이한 것으로 인식될 수 있다.
신경망은 하나 이상의 노드들의 집합으로 구성될 수 있다. 신경망을 구성하는 노드들의 부분 집합은 레이어(layer)를 구성할 수 있다. 신경망을 구성하는 노드들 중 일부는, 최초 입력 노드로부터의 거리들에 기초하여, 하나의 레이어(layer)를 구성할 수 있다. 예를 들어, 최초 입력 노드로부터 거리가 n인 노드들의 집합은, n 레이어를 구성할 수 있다. 최초 입력 노드로부터 거리는, 최초 입력 노드로부터 해당 노드까지 도달하기 위해 거쳐야 하는 링크들의 최소 개수에 의해 정의될 수 있다. 그러나, 이러한 레이어의 정의는 설명을 위한 임의적인 것으로서, 신경망 내에서 레이어의 차수는 상술한 것과 상이한 방법으로 정의될 수 있다. 예를 들어, 노드들의 레이어는 최종 출력 노드로부터 거리에 의해 정의될 수도 있다.
최초 입력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서 링크를 거치지 않고 데이터가 직접 입력되는 하나 이상의 노드들을 의미할 수 있다. 또는, 신경망 네트워크 내에서, 링크를 기준으로 한 노드 간의 관계에 있어서, 링크로 연결된 다른 입력 노드들을 가지지 않는 노드들을 의미할 수 있다. 이와 유사하게, 최종 출력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서, 출력 노드를 가지지 않는 하나 이상의 노드들을 의미할 수 있다. 또한, 히든 노드는 최초 입력 노드 및 최후 출력 노드가 아닌 신경망을 구성하는 노드들을 의미할 수 있다.
본 개시의 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수와 동일할 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하다가 다시 증가하는 형태의 신경망일 수 있다. 또한, 본 개시의 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수 보다 적을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하는 형태의 신경망일 수 있다. 또한, 본 개시의 또 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수보다 많을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 증가하는 형태의 신경망일 수 있다. 본 개시의 또 다른 일 실시예에 따른 신경망은 상술한 신경망들의 조합된 형태의 신경망일 수 있다.
딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 신경망을 의미할 수 있다. 딥 뉴럴 네트워크를 이용하면 데이터의 잠재적인 구조(latent structures)를 파악할 수 있다. 즉, 사진, 글, 비디오, 음성, 음악의 잠재적인 구조(예를 들어, 어떤 물체가 사진에 있는지, 글의 내용과 감정이 무엇인지, 음성의 내용과 감정이 무엇인지 등)를 파악할 수 있다. 딥 뉴럴 네트워크는 컨볼루션 뉴럴 네트워크(CNN: convolutional neural network), 리커런트 뉴럴 네트워크(RNN: recurrent neural network), 오토 인코더(auto encoder), GAN(Generative Adversarial Networks), 제한 볼츠만 머신(RBM: restricted boltzmann machine), 심층 신뢰 네트워크(DBN: deep belief network), Q 네트워크, U 네트워크, 샴 네트워크, 적대적 생성 네트워크(GAN: Generative Adversarial Network) 등을 포함할 수 있다. 전술한 딥 뉴럴 네트워크의 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.
본 개시의 일 실시예에서 네트워크 함수는 오토 인코더(autoencoder)를 포함할 수도 있다. 오토 인코더는 입력 데이터와 유사한 출력 데이터를 출력하기 위한 인공 신경망의 일종일 수 있다. 오토 인코더는 적어도 하나의 히든 레이어를 포함할 수 있으며, 홀수 개의 히든 레이어가 입출력 레이어 사이에 배치될 수 있다. 각각의 레이어의 노드의 수는 입력 레이어의 노드의 수에서 병목 레이어(인코딩)라는 중간 레이어로 축소되었다가, 병목 레이어에서 출력 레이어(입력 레이어와 대칭)로 축소와 대칭되어 확장될 수도 있다. 오토 인코더는 비선형 차원 감소를 수행할 수 있다. 입력 레이어 및 출력 레이어의 수는 입력 데이터의 전처리 이후에 차원과 대응될 수 있다. 오토 인코더 구조에서 인코더에 포함된 히든 레이어의 노드의 수는 입력 레이어에서 멀어질수록 감소하는 구조를 가질 수 있다. 병목 레이어(인코더와 디코더 사이에 위치하는 가장 적은 노드를 가진 레이어)의 노드의 수는 너무 작은 경우 충분한 양의 정보가 전달되지 않을 수 있으므로, 특정 수 이상(예를 들어, 입력 레이어의 절반 이상 등)으로 유지될 수도 있다.
뉴럴 네트워크는 지도 학습(supervised learning), 비지도 학습(unsupervised learning), 반지도학습(semi supervised learning), 또는 강화학습(reinforcement learning) 중 적어도 하나의 방식으로 학습될 수 있다. 뉴럴 네트워크의 학습은 뉴럴 네트워크가 특정한 동작을 수행하기 위한 지식을 뉴럴 네트워크에 적용하는 과정일 수 있다.
뉴럴 네트워크는 출력의 오류를 최소화하는 방향으로 학습될 수 있다. 뉴럴 네트워크의 학습에서 반복적으로 학습 데이터를 뉴럴 네트워크에 입력시키고 학습 데이터에 대한 뉴럴 네트워크의 출력과 타깃의 에러를 계산하고, 에러를 줄이기 위한 방향으로 뉴럴 네트워크의 에러를 뉴럴 네트워크의 출력 레이어에서부터 입력 레이어 방향으로 역전파(backpropagation)하여 뉴럴 네트워크의 각 노드의 가중치를 업데이트 하는 과정이다. 지도 학습의 경우 각각의 학습 데이터에 정답이 라벨링 되어있는 학습 데이터를 사용하며(즉, 라벨링된 학습 데이터), 비지도 학습의 경우는 각각의 학습 데이터에 정답이 라벨링되어 있지 않을 수 있다. 즉, 예를 들어 데이터 분류에 관한 지도 학습의 경우의 학습 데이터는 학습 데이터 각각에 카테고리가 라벨링 된 데이터 일 수 있다. 라벨링된 학습 데이터가 뉴럴 네트워크에 입력되고, 뉴럴 네트워크의 출력(카테고리)과 학습 데이터의 라벨을 비교함으로써 오류(error)가 계산될 수 있다. 다른 예로, 데이터 분류에 관한 비지도 학습의 경우 입력인 학습 데이터가 뉴럴 네트워크 출력과 비교됨으로써 오류가 계산될 수 있다. 계산된 오류는 뉴럴 네트워크에서 역방향(즉, 출력 레이어에서 입력 레이어 방향)으로 역전파 되며, 역전파에 따라 뉴럴 네트워크의 각 레이어의 각 노드들의 연결 가중치가 업데이트 될 수 있다. 업데이트 되는 각 노드의 연결 가중치는 학습률(learning rate)에 따라 변화량이 결정될 수 있다. 입력 데이터에 대한 뉴럴 네트워크의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다. 학습률은 뉴럴 네트워크의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 예를 들어, 뉴럴 네트워크의 학습 초기에는 높은 학습률을 사용하여 뉴럴 네트워크가 빠르게 일정 수준의 성능을 확보하도록 하여 효율성을 높이고, 학습 후기에는 낮은 학습률을 사용하여 정확도를 높일 수 있다.
뉴럴 네트워크의 학습에서 일반적으로 학습 데이터는 실제 데이터(즉, 학습된 뉴럴 네트워크를 이용하여 처리하고자 하는 데이터)의 부분집합일 수 있으며, 따라서, 학습 데이터에 대한 오류는 감소하나 실제 데이터에 대해서는 오류가 증가하는 학습 사이클이 존재할 수 있다. 과적합(overfitting)은 이와 같이 학습 데이터에 과하게 학습하여 실제 데이터에 대한 오류가 증가하는 현상이다. 예를 들어, 노란색 고양이를 보여 고양이를 학습한 뉴럴 네트워크가 노란색 이외의 고양이를 보고는 고양이임을 인식하지 못하는 현상이 과적합의 일종일 수 있다. 과적합은 머신러닝 알고리즘의 오류를 증가시키는 원인으로 작용할 수 있다. 이러한 과적합을 막기 위하여 다양한 최적화 방법이 사용될 수 있다. 과적합을 막기 위해서는 학습 데이터를 증가시키거나, 레귤라이제이션(regularization), 학습의 과정에서 네트워크의 노드 일부를 비활성화하는 드롭아웃(dropout), 배치 정규화 레이어(batch normalization layer)의 활용 등의 방법이 적용될 수 있다.
한편, 본 개시의 일 실시예에 따라 데이터 구조를 저장한 컴퓨터 판독가능 매체가 개시된다.
데이터 구조는 데이터에 효율적인 접근 및 수정을 가능하게 하는 데이터의 조직, 관리, 저장을 의미할 수 있다. 데이터 구조는 특정 문제(예를 들어, 최단 시간으로 데이터 검색, 데이터 저장, 데이터 수정) 해결을 위한 데이터의 조직을 의미할 수 있다. 데이터 구조는 특정한 데이터 처리 기능을 지원하도록 설계된, 데이터 요소들 간의 물리적이거나 논리적인 관계로 정의될 수도 있다. 데이터 요소들 간의 논리적인 관계는 사용자 정의 데이터 요소들 간의 연결관계를 포함할 수 있다. 데이터 요소들 간의 물리적인 관계는 컴퓨터 판독가능 저장매체(예를 들어, 영구 저장 장치)에 물리적으로 저장되어 있는 데이터 요소들 간의 실제 관계를 포함할 수 있다. 데이터 구조는 구체적으로 데이터의 집합, 데이터 간의 관계, 데이터에 적용할 수 있는 함수 또는 명령어를 포함할 수 있다. 효과적으로 설계된 데이터 구조를 통해 컴퓨팅 장치는 컴퓨팅 장치의 자원을 최소한으로 사용하면서 연산을 수행할 수 있다. 구체적으로 컴퓨팅 장치는 효과적으로 설계된 데이터 구조를 통해 연산, 읽기, 삽입, 삭제, 비교, 교환, 검색의 효율성을 높일 수 있다.
데이터 구조는 데이터 구조의 형태에 따라 선형 데이터 구조와 비선형 데이터 구조로 구분될 수 있다. 선형 데이터 구조는 하나의 데이터 뒤에 하나의 데이터만이 연결되는 구조일 수 있다. 선형 데이터 구조는 리스트(List), 스택(Stack), 큐(Queue), 데크(Deque)를 포함할 수 있다. 리스트는 내부적으로 순서가 존재하는 일련의 데이터 집합을 의미할 수 있다. 리스트는 연결 리스트(Linked List)를 포함할 수 있다. 연결 리스트는 각각의 데이터가 포인터를 가지고 한 줄로 연결되어 있는 방식으로 데이터가 연결된 데이터 구조일 수 있다. 연결 리스트에서 포인터는 다음이나 이전 데이터와의 연결 정보를 포함할 수 있다. 연결 리스트는 형태에 따라 단일 연결 리스트, 이중 연결 리스트, 원형 연결 리스트로 표현될 수 있다. 스택은 제한적으로 데이터에 접근할 수 있는 데이터 나열 구조일 수 있다. 스택은 데이터 구조의 한 쪽 끝에서만 데이터를 처리(예를 들어, 삽입 또는 삭제)할 수 있는 선형 데이터 구조일 수 있다. 스택에 저장된 데이터는 늦게 들어갈수록 빨리 나오는 데이터 구조(LIFO-Last in First Out)일 수 있다. 큐는 제한적으로 데이터에 접근할 수 있는 데이터 나열 구조로서, 스택과 달리 늦게 저장된 데이터일수록 늦게 나오는 데이터 구조(FIFO-First in First Out)일 수 있다. 데크는 데이터 구조의 양 쪽 끝에서 데이터를 처리할 수 있는 데이터 구조일 수 있다.
비선형 데이터 구조는 하나의 데이터 뒤에 복수개의 데이터가 연결되는 구조일 수 있다. 비선형 데이터 구조는 그래프(Graph) 데이터 구조를 포함할 수 있다. 그래프 데이터 구조는 정점(Vertex)과 간선(Edge)으로 정의될 수 있으며 간선은 서로 다른 두개의 정점을 연결하는 선을 포함할 수 있다. 그래프 데이터 구조 트리(Tree) 데이터 구조를 포함할 수 있다. 트리 데이터 구조는 트리에 포함된 복수개의 정점 중에서 서로 다른 두개의 정점을 연결시키는 경로가 하나인 데이터 구조일 수 있다. 즉 그래프 데이터 구조에서 루프(loop)를 형성하지 않는 데이터 구조일 수 있다.
데이터 구조는 신경망을 포함할 수 있다. 그리고 신경망을 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망을 포함한 데이터 구조는 또한 신경망에 의한 처리를 위하여 전처리된 데이터, 신경망에 입력되는 데이터, 신경망의 가중치, 신경망의 하이퍼 파라미터, 신경망으로부터 획득한 데이터, 신경망의 각 노드 또는 레이어와 연관된 활성 함수, 신경망의 학습을 위한 손실함수 등을 포함할 수 있다. 신경망을 포함한 데이터 구조는 상기 개시된 구성들 중 임의의 구성 요소들을 포함할 수 있다. 즉 신경망을 포함한 데이터 구조는 신경망에 의한 처리를 위하여 전처리된 데이터, 신경망에 입력되는 데이터, 신경망의 가중치, 신경망의 하이퍼 파라미터, 신경망으로부터 획득한 데이터, 신경망의 각 노드 또는 레이어와 연관된 활성 함수, 신경망의 학습을 위한 손실함수 등 전부 또는 이들의 임의의 조합을 포함하여 구성될 수 있다. 전술한 구성들 이외에도, 신경망을 포함한 데이터 구조는 신경망의 특성을 결정하는 임의의 다른 정보를 포함할 수 있다. 또한, 데이터 구조는 신경망의 연산 과정에 사용되거나 발생되는 모든 형태의 데이터를 포함할 수 있으며 전술한 사항에 제한되는 것은 아니다. 컴퓨터 판독가능 매체는 컴퓨터 판독가능 기록 매체 및/또는 컴퓨터 판독가능 전송 매체를 포함할 수 있다. 신경망은 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드들은 뉴런(neuron)들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다.
데이터 구조는 신경망에 입력되는 데이터를 포함할 수 있다. 신경망에 입력되는 데이터를 포함하는 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망에 입력되는 데이터는 신경망 학습 과정에서 입력되는 학습 데이터 및/또는 학습이 완료된 신경망에 입력되는 입력 데이터를 포함할 수 있다. 신경망에 입력되는 데이터는 전처리(pre-processing)를 거친 데이터 및/또는 전처리 대상이 되는 데이터를 포함할 수 있다. 전처리는 데이터를 신경망에 입력시키기 위한 데이터 처리 과정을 포함할 수 있다. 따라서 데이터 구조는 전처리 대상이 되는 데이터 및 전처리로 발생되는 데이터를 포함할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.
데이터 구조는 신경망의 가중치를 포함할 수 있다. (본 명세서에서 가중치, 파라미터는 동일한 의미로 사용될 수 있다.) 그리고 신경망의 가중치를 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망은 복수개의 가중치를 포함할 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변 될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드에서 출력되는 데이터 값을 결정할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.
제한이 아닌 예로서, 가중치는 신경망 학습 과정에서 가변되는 가중치 및/또는 신경망 학습이 완료된 가중치를 포함할 수 있다. 신경망 학습 과정에서 가변되는 가중치는 학습 사이클이 시작되는 시점의 가중치 및/또는 학습 사이클 동안 가변되는 가중치를 포함할 수 있다. 신경망 학습이 완료된 가중치는 학습 사이클이 완료된 가중치를 포함할 수 있다. 따라서 신경망의 가중치를 포함한 데이터 구조는 신경망 학습 과정에서 가변되는 가중치 및/또는 신경망 학습이 완료된 가중치를 포함한 데이터 구조를 포함할 수 있다. 그러므로 상술한 가중치 및/또는 각 가중치의 조합은 신경망의 가중치를 포함한 데이터 구조에 포함되는 것으로 한다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.
신경망의 가중치를 포함한 데이터 구조는 직렬화(serialization) 과정을 거친 후 컴퓨터 판독가능 저장 매체(예를 들어, 메모리, 하드 디스크)에 저장될 수 있다. 직렬화는 데이터 구조를 동일하거나 다른 컴퓨팅 장치에 저장하고 나중에 다시 재구성하여 사용할 수 있는 형태로 변환하는 과정일 수 있다. 컴퓨팅 장치는 데이터 구조를 직렬화하여 네트워크를 통해 데이터를 송수신할 수 있다. 직렬화된 신경망의 가중치를 포함한 데이터 구조는 역직렬화(deserialization)를 통해 동일한 컴퓨팅 장치 또는 다른 컴퓨팅 장치에서 재구성될 수 있다. 신경망의 가중치를 포함한 데이터 구조는 직렬화에 한정되는 것은 아니다. 나아가 신경망의 가중치를 포함한 데이터 구조는 컴퓨팅 장치의 자원을 최소한으로 사용하면서 연산의 효율을 높이기 위한 데이터 구조(예를 들어, 비선형 데이터 구조에서 B-Tree, Trie, m-way search tree, AVL tree, Red-Black Tree)를 포함할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.
데이터 구조는 신경망의 하이퍼 파라미터(Hyper-parameter)를 포함할 수 있다. 그리고 신경망의 하이퍼 파라미터를 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 하이퍼 파라미터는 사용자에 의해 가변되는 변수일 수 있다. 하이퍼 파라미터는 예를 들어, 학습률(learning rate), 비용 함수(cost function), 학습 사이클 반복 횟수, 가중치 초기화(Weight initialization)(예를 들어, 가중치 초기화 대상이 되는 가중치 값의 범위 설정), Hidden Unit 개수(예를 들어, 히든 레이어의 개수, 히든 레이어의 노드 수)를 포함할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.
도 7은 본 개시의 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개념도다.
본 개시가 일반적으로 컴퓨팅 장치에 의해 구현될 수 있는 것으로 전술되었지만, 당업자라면 본 개시가 하나 이상의 컴퓨터 상에서 실행될 수 있는 컴퓨터 실행가능 명령어 및/또는 기타 프로그램 모듈들과 결합되어 및/또는 하드웨어와 소프트웨어의 조합으로써 구현될 수 있다는 것을 잘 알 것이다.
일반적으로, 프로그램 모듈은 특정의 태스크를 수행하거나 특정의 추상 데이터 유형을 구현하는 루틴, 프로그램, 컴포넌트, 데이터 구조, 기타 등등을 포함한다. 또한, 당업자라면 본 개시의 방법이 단일-프로세서 또는 멀티프로세서 컴퓨터 시스템, 미니컴퓨터, 메인프레임 컴퓨터는 물론 퍼스널 컴퓨터, 핸드헬드(handheld) 컴퓨팅 장치, 마이크로프로세서-기반 또는 프로그램가능 가전 제품, 기타 등등(이들 각각은 하나 이상의 연관된 장치와 연결되어 동작할 수 있음)을 비롯한 다른 컴퓨터 시스템 구성으로 실시될 수 있다는 것을 잘 알 것이다.
본 개시의 설명된 실시예들은 또한 어떤 태스크들이 통신 네트워크를 통해 연결되어 있는 원격 처리 장치들에 의해 수행되는 분산 컴퓨팅 환경에서 실시될 수 있다. 분산 컴퓨팅 환경에서, 프로그램 모듈은 로컬 및 원격 메모리 저장 장치 둘 다에 위치할 수 있다.
컴퓨터는 통상적으로 다양한 컴퓨터 판독가능 매체를 포함한다. 컴퓨터에 의해 액세스 가능한 매체는 그 어떤 것이든지 컴퓨터 판독가능 매체가 될 수 있고, 이러한 컴퓨터 판독가능 매체는 휘발성 및 비휘발성 매체, 일시적(transitory) 및 비일시적(non-transitory) 매체, 이동식 및 비-이동식 매체를 포함한다. 제한이 아닌 예로서, 컴퓨터 판독가능 매체는 컴퓨터 판독가능 저장 매체 및 컴퓨터 판독가능 전송 매체를 포함할 수 있다. 컴퓨터 판독가능 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보를 저장하는 임의의 방법 또는 기술로 구현되는 휘발성 및 비휘발성 매체, 일시적 및 비-일시적 매체, 이동식 및 비이동식 매체를 포함한다. 컴퓨터 판독가능 저장 매체는 RAM, ROM, EEPROM, 플래시 메모리 또는 기타 메모리 기술, CD-ROM, DVD(digital video disk) 또는 기타 광 디스크 저장 장치, 자기 카세트, 자기 테이프, 자기 디스크 저장 장치 또는 기타 자기 저장 장치, 또는 컴퓨터에 의해 액세스될 수 있고 원하는 정보를 저장하는 데 사용될 수 있는 임의의 기타 매체를 포함하지만, 이에 한정되지 않는다.
컴퓨터 판독가능 전송 매체는 통상적으로 반송파(carrier wave) 또는 기타 전송 메커니즘(transport mechanism)과 같은 피변조 데이터 신호(modulated data signal)에 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터 등을 구현하고 모든 정보 전달 매체를 포함한다. 피변조 데이터 신호라는 용어는 신호 내에 정보를 인코딩하도록 그 신호의 특성들 중 하나 이상을 설정 또는 변경시킨 신호를 의미한다. 제한이 아닌 예로서, 컴퓨터 판독가능 전송 매체는 유선 네트워크 또는 직접 배선 접속(direct-wired connection)과 같은 유선 매체, 그리고 음향, RF, 적외선, 기타 무선 매체와 같은 무선 매체를 포함한다. 상술된 매체들 중 임의의 것의 조합도 역시 컴퓨터 판독가능 전송 매체의 범위 안에 포함되는 것으로 한다.
컴퓨터(1102)를 포함하는 본 개시의 여러가지 측면들을 구현하는 예시적인 환경(1100)이 나타내어져 있으며, 컴퓨터(1102)는 처리 장치(1104), 시스템 메모리(1106) 및 시스템 버스(1108)를 포함한다. 시스템 버스(1108)는 시스템 메모리(1106)(이에 한정되지 않음)를 비롯한 시스템 컴포넌트들을 처리 장치(1104)에 연결시킨다. 처리 장치(1104)는 다양한 상용 프로세서들 중 임의의 프로세서일 수 있다. 듀얼 프로세서 및 기타 멀티프로세서 아키텍처도 역시 처리 장치(1104)로서 이용될 수 있다.
시스템 버스(1108)는 메모리 버스, 주변장치 버스, 및 다양한 상용 버스 아키텍처 중 임의의 것을 사용하는 로컬 버스에 추가적으로 상호 연결될 수 있는 몇 가지 유형의 버스 구조 중 임의의 것일 수 있다. 시스템 메모리(1106)는 판독 전용 메모리(ROM)(1110) 및 랜덤 액세스 메모리(RAM)(1112)를 포함한다. 기본 입/출력 시스템(BIOS)은 ROM, EPROM, EEPROM 등의 비휘발성 메모리(1110)에 저장되며, 이 BIOS는 시동 중과 같은 때에 컴퓨터(1102) 내의 구성요소들 간에 정보를 전송하는 일을 돕는 기본적인 루틴을 포함한다. RAM(1112)은 또한 데이터를 캐싱하기 위한 정적 RAM 등의 고속 RAM을 포함할 수 있다.
컴퓨터(1102)는 또한 내장형 하드 디스크 드라이브(HDD)(1114)(예를 들어, EIDE, SATA)-이 내장형 하드 디스크 드라이브(1114)는 또한 적당한 섀시(도시 생략) 내에서 외장형 용도로 구성될 수 있음-, 자기 플로피 디스크 드라이브(FDD)(1116)(예를 들어, 이동식 디스켓(1118)으로부터 판독을 하거나 그에 기록을 하기 위한 것임), 및 광 디스크 드라이브(1120)(예를 들어, CD-ROM 디스크(1122)를 판독하거나 DVD 등의 기타 고용량 광 매체로부터 판독을 하거나 그에 기록을 하기 위한 것임)를 포함한다. 하드 디스크 드라이브(1114), 자기 디스크 드라이브(1116) 및 광 디스크 드라이브(1120)는 각각 하드 디스크 드라이브 인터페이스(1124), 자기 디스크 드라이브 인터페이스(1126) 및 광 드라이브 인터페이스(1128)에 의해 시스템 버스(1108)에 연결될 수 있다. 외장형 드라이브 구현을 위한 인터페이스(1124)는 USB(Universal Serial Bus) 및 IEEE 1394 인터페이스 기술 중 적어도 하나 또는 그 둘 다를 포함한다.
이들 드라이브 및 그와 연관된 컴퓨터 판독가능 매체는 데이터, 데이터 구조, 컴퓨터 실행가능 명령어, 기타 등등의 비휘발성 저장을 제공한다. 컴퓨터(1102)의 경우, 드라이브 및 매체는 임의의 데이터를 적당한 디지털 형식으로 저장하는 것에 대응한다. 상기에서의 컴퓨터 판독가능 매체에 대한 설명이 HDD, 이동식 자기 디스크, 및 CD 또는 DVD 등의 이동식 광 매체를 언급하고 있지만, 당업자라면 집 드라이브(zip drive), 자기 카세트, 플래쉬 메모리 카드, 카트리지, 기타 등등의 컴퓨터에 의해 판독가능한 다른 유형의 매체도 역시 예시적인 운영 환경에서 사용될 수 있으며 또 임의의 이러한 매체가 본 개시의 방법들을 수행하기 위한 컴퓨터 실행가능 명령어를 포함할 수 있다는 것을 잘 알 것이다.
운영 체제(1130), 하나 이상의 애플리케이션 프로그램(1132), 기타 프로그램 모듈(1134) 및 프로그램 데이터(1136)를 비롯한 다수의 프로그램 모듈이 드라이브 및 RAM(1112)에 저장될 수 있다. 운영 체제, 애플리케이션, 모듈 및/또는 데이터의 전부 또는 그 일부분이 또한 RAM(1112)에 캐싱될 수 있다. 본 개시가 여러가지 상업적으로 이용가능한 운영 체제 또는 운영 체제들의 조합에서 구현될 수 있다는 것을 잘 알 것이다.
사용자는 하나 이상의 유선/무선 입력 장치, 예를 들어, 키보드(1138) 및 마우스(1140) 등의 포인팅 장치를 통해 컴퓨터(1102)에 명령 및 정보를 입력할 수 있다. 기타 입력 장치(도시 생략)로는 마이크, IR 리모콘, 조이스틱, 게임 패드, 스타일러스 펜, 터치 스크린, 기타 등등이 있을 수 있다. 이들 및 기타 입력 장치가 종종 시스템 버스(1108)에 연결되어 있는 입력 장치 인터페이스(1142)를 통해 처리 장치(1104)에 연결되지만, 병렬 포트, IEEE 1394 직렬 포트, 게임 포트, USB 포트, IR 인터페이스, 기타 등등의 기타 인터페이스에 의해 연결될 수 있다.
모니터(1144) 또는 다른 유형의 디스플레이 장치도 역시 비디오 어댑터(1146) 등의 인터페이스를 통해 시스템 버스(1108)에 연결된다. 모니터(1144)에 부가하여, 컴퓨터는 일반적으로 스피커, 프린터, 기타 등등의 기타 주변 출력 장치(도시 생략)를 포함한다.
컴퓨터(1102)는 유선 및/또는 무선 통신을 통한 원격 컴퓨터(들)(1148) 등의 하나 이상의 원격 컴퓨터로의 논리적 연결을 사용하여 네트워크화된 환경에서 동작할 수 있다. 원격 컴퓨터(들)(1148)는 워크스테이션, 컴퓨팅 디바이스 컴퓨터, 라우터, 퍼스널 컴퓨터, 휴대용 컴퓨터, 마이크로프로세서-기반 오락 기기, 피어 장치 또는 기타 통상의 네트워크 노드일 수 있으며, 일반적으로 컴퓨터(1102)에 대해 기술된 구성요소들 중 다수 또는 그 전부를 포함하지만, 간략함을 위해, 메모리 저장 장치(1150)만이 도시되어 있다. 도시되어 있는 논리적 연결은 근거리 통신망(LAN)(1152) 및/또는 더 큰 네트워크, 예를 들어, 원거리 통신망(WAN)(1154)에의 유선/무선 연결을 포함한다. 이러한 LAN 및 WAN 네트워킹 환경은 사무실 및 회사에서 일반적인 것이며, 인트라넷 등의 전사적 컴퓨터 네트워크(enterprise-wide computer network)를 용이하게 해주며, 이들 모두는 전세계 컴퓨터 네트워크, 예를 들어, 인터넷에 연결될 수 있다.
LAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 유선 및/또는 무선 통신 네트워크 인터페이스 또는 어댑터(1156)를 통해 로컬 네트워크(1152)에 연결된다. 어댑터(1156)는 LAN(1152)에의 유선 또는 무선 통신을 용이하게 해줄 수 있으며, 이 LAN(1152)은 또한 무선 어댑터(1156)와 통신하기 위해 그에 설치되어 있는 무선 액세스 포인트를 포함하고 있다. WAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 모뎀(1158)을 포함할 수 있거나, WAN(1154) 상의 통신 컴퓨팅 디바이스에 연결되거나, 또는 인터넷을 통하는 등, WAN(1154)을 통해 통신을 설정하는 기타 수단을 갖는다. 내장형 또는 외장형 및 유선 또는 무선 장치일 수 있는 모뎀(1158)은 직렬 포트 인터페이스(1142)를 통해 시스템 버스(1108)에 연결된다. 네트워크화된 환경에서, 컴퓨터(1102)에 대해 설명된 프로그램 모듈들 또는 그의 일부분이 원격 메모리/저장 장치(1150)에 저장될 수 있다. 도시된 네트워크 연결이 예시적인 것이며 컴퓨터들 사이에 통신 링크를 설정하는 기타 수단이 사용될 수 있다는 것을 잘 알 것이다.
컴퓨터(1102)는 무선 통신으로 배치되어 동작하는 임의의 무선 장치 또는 개체, 예를 들어, 프린터, 스캐너, 데스크톱 및/또는 휴대용 컴퓨터, PDA(portable data assistant), 통신 위성, 무선 검출가능 태그와 연관된 임의의 장비 또는 장소, 및 전화와 통신을 하는 동작을 한다. 이것은 적어도 Wi-Fi 및 블루투스 무선 기술을 포함한다. 따라서, 통신은 종래의 네트워크에서와 같이 미리 정의된 구조이거나 단순하게 적어도 2개의 장치 사이의 애드혹 통신(ad hoc communication)일 수 있다.
Wi-Fi(Wireless Fidelity)는 유선 없이도 인터넷 등으로의 연결을 가능하게 해준다. Wi-Fi는 이러한 장치, 예를 들어, 컴퓨터가 실내에서 및 실외에서, 즉 기지국의 통화권 내의 아무 곳에서나 데이터를 전송 및 수신할 수 있게 해주는 셀 전화와 같은 무선 기술이다. Wi-Fi 네트워크는 안전하고 신뢰성 있으며 고속인 무선 연결을 제공하기 위해 IEEE 802.11(a, b, g, 기타)이라고 하는 무선 기술을 사용한다. 컴퓨터를 서로에, 인터넷에 및 유선 네트워크(IEEE 802.3 또는 이더넷을 사용함)에 연결시키기 위해 Wi-Fi가 사용될 수 있다. Wi-Fi 네트워크는 비인가 2.4 및 5GHz 무선 대역에서, 예를 들어, 11Mbps(802.11a) 또는 54 Mbps(802.11b) 데이터 레이트로 동작하거나, 양 대역(듀얼 대역)을 포함하는 제품에서 동작할 수 있다.
본 개시의 기술 분야에서 통상의 지식을 가진 자는 정보 및 신호들이 임의의 다양한 상이한 기술들 및 기법들을 이용하여 표현될 수 있다는 것을 이해할 것이다. 예를 들어, 위의 설명에서 참조될 수 있는 데이터, 지시들, 명령들, 정보, 신호들, 비트들, 심볼들 및 칩들은 전압들, 전류들, 전자기파들, 자기장들 또는 입자들, 광학장들 또는 입자들, 또는 이들의 임의의 결합에 의해 표현될 수 있다.
본 개시의 기술 분야에서 통상의 지식을 가진 자는 여기에 개시된 실시예들과 관련하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 프로세서들, 수단들, 회로들 및 알고리즘 단계들이 전자 하드웨어, (편의를 위해, 여기에서 소프트웨어로 지칭되는) 다양한 형태들의 프로그램 또는 설계 코드 또는 이들 모두의 결합에 의해 구현될 수 있다는 것을 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 호환성을 명확하게 설명하기 위해, 다양한 예시적인 컴포넌트들, 블록들, 모듈들, 회로들 및 단계들이 이들의 기능과 관련하여 위에서 일반적으로 설명되었다. 이러한 기능이 하드웨어 또는 소프트웨어로서 구현되는지 여부는 특정한 애플리케이션 및 전체 시스템에 대하여 부과되는 설계 제약들에 따라 좌우된다. 본 개시의 기술 분야에서 통상의 지식을 가진 자는 각각의 특정한 애플리케이션에 대하여 다양한 방식들로 설명된 기능을 구현할 수 있으나, 이러한 구현 결정들은 본 개시의 범위를 벗어나는 것으로 해석되어서는 안 될 것이다.
여기서 제시된 다양한 실시예들은 방법, 장치, 또는 표준 프로그래밍 및/또는 엔지니어링 기술을 사용한 제조 물품(article)으로 구현될 수 있다. 용어 제조 물품은 임의의 컴퓨터-판독가능 저장장치로부터 액세스 가능한 컴퓨터 프로그램, 캐리어, 또는 매체(media)를 포함한다. 예를 들어, 컴퓨터-판독가능 저장매체는 자기 저장 장치(예를 들면, 하드 디스크, 플로피 디스크, 자기 스트립, 등), 광학 디스크(예를 들면, CD, DVD, 등), 스마트 카드, 및 플래쉬 메모리 장치(예를 들면, EEPROM, 카드, 스틱, 키 드라이브, 등)를 포함하지만, 이들로 제한되는 것은 아니다. 또한, 여기서 제시되는 다양한 저장 매체는 정보를 저장하기 위한 하나 이상의 장치 및/또는 다른 기계-판독 가능한 매체를 포함한다.
제시된 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조는 예시적인 접근들의 일례임을 이해하도록 한다. 설계 우선순위들에 기반하여, 본 개시의 범위 내에서 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조가 재배열될 수 있다는 것을 이해하도록 한다. 첨부된 방법 청구항들은 샘플 순서로 다양한 단계들의 엘리먼트들을 제공하지만 제시된 특정한 순서 또는 계층 구조에 한정되는 것을 의미하지는 않는다.
제시된 실시예들에 대한 설명은 임의의 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 개시를 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 개시는 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.
Claims (10)
- 컴퓨팅 장치에 의해 수행되는, 타깃 단백질과 연관된 데이터 증강(Data Augmentation) 방법으로서,
학습 데이터에 포함된 타깃 단백질 및 상기 타깃 단백질과 연관된 지표 정보를 획득하는 단계;
상기 타깃 단백질과 복수의 상동(homologous) 단백질에 대하여 다중서열정렬(Multiple Sequence Alignment)을 수행하여, 상기 타깃 단백질의 상동 단백질을 식별하는 단계;
상기 타깃 단백질과 연관된 지표 정보를 상기 상동 단백질에 대응시켜서, 상기 지표 정보에 대한 데이터를 증강시켜 상기 학습 데이터를 증강시키는 단계;
미리 설정된 에포크(epoch)까지 학습을 수행한 이후에 현재 학습 중인 배치(batch) 안에서, 학습 데이터로부터 주어지거나 딥러닝 모델에 의해 예측되는 상기 타깃 단백질의 지표 정보와, 상기 딥러닝 모델에 의해 예측되는 상기 상동 단백질의 지표 정보를 비교하는 단계; 및
상기 비교의 결과에 기초한 예측의 정확도가 미리 설정된 값 이상인지 여부에 기초하여 상기 증강시킨 학습 데이터를 필터링하는 단계;
를 포함하고,
상기 타깃 단백질의 지표 정보는 상기 타깃 단백질과 물질 사이의 특성에 관한 정보이고,
상기 상동 단백질의 지표 정보는 상기 상동 단백질과 상기 물질 사이의 특성에 관한 정보인,
방법.
- 제 1 항에 있어서,
상기 타깃 단백질과 연관된 지표 정보는, 상기 타깃 단백질의 약물에 대한 친화도 정보를 포함하는,
방법.
- 제 1 항에 있어서,
학습의 시작부터 상기 미리 설정된 에포크까지는 상기 증강시킨 학습 데이터에 대하여 상기 필터링하는 동작을 수행하지 않는,
방법.
- 제 1 항에 있어서,
상기 비교하는 단계는,
현재 학습 중인 배치(batch) 안에서, 학습 데이터로부터 주어지거나 딥러닝 모델에 의해 예측되는 상기 타깃 단백질의 약물에 대한 친화도 정보와, 상기 딥러닝 모델에 의해 예측되는 상기 상동 단백질의 약물에 대한 친화도 정보를 비교하는 단계
를 포함하는,
방법.
- 제 4 항에 있어서,
상기 필터링하는 단계는,
상기 배치 안의 상동 단백질들이 가지고 있는 정확도 수치들 중 특정 순위 이상의 정확도를 가지고 있는 상동 단백질에 관한 데이터를 필터링하는 단계
를 포함하고,
상기 정확도 수치들은, 상기 학습 데이터로부터 주어지거나 딥러닝 모델에 의해 예측되는 상기 상동 단백질들의 약물에 대한 친화도 정보들, 및 상기 딥러닝 모델에 의해 예측되는 상기 타깃 단백질의 약물에 대한 친화도 정보 사이의 비교에 기초하여 생성되는,
방법.
- 제 3 항에 있어서,
상기 필터링하는 단계는,
현재 학습 중인 딥러닝 모델의 학습 과정의 중간부터 상기 증강시킨 학습 데이터에 대하여 필터링을 수행하는 단계를 포함하는,
방법.
- 제 1 항에 있어서,
상기 다중서열정렬은 은닉 마르코프 모델(Hidden Markov Model, HMM)을 기반으로 하는 HHBlits 알고리즘을 이용하여 수행되는,
방법.
- 제 7 항에 있어서,
상기 다중서열정렬은 미리 설정된 일치도 비율을 만족하는 상기 타깃 단백질과 상기 복수의 상동 단백질에 대하여 검색을 수행하는,
방법.
- 컴퓨터 판독가능 저장 매체 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 하나 이상의 프로세서에서 실행되는 경우, 타깃 단백질과 연관된 데이터 증강(Data Augmentation)을 위한 이하의 동작들을 수행하도록 하며, 상기 동작들은:
학습 데이터에 포함된 타깃 단백질 및 상기 타깃 단백질과 연관된 지표 정보를 획득하는 동작;
상기 타깃 단백질과 복수의 상동(homologous) 단백질에 대하여 다중서열정렬(Multiple Sequence Alignment)을 수행하여, 상기 타깃 단백질의 상동(homologous) 단백질을 식별하는 동작;
상기 타깃 단백질과 연관된 지표 정보 및 상기 상동 단백질을 대응시켜서, 상기 학습 데이터를 증강시키는 동작;
미리 설정된 에포크(epoch)까지 학습을 수행한 이후에 현재 학습 중인 배치(batch) 안에서, 학습 데이터로부터 주어지거나 딥러닝 모델에 의해 예측되는 상기 타깃 단백질의 지표 정보와, 상기 딥러닝 모델에 의해 예측되는 상기 상동 단백질의 지표 정보를 비교하는 동작; 및
상기 비교의 결과에 기초한 예측의 정확도가 미리 설정된 값 이상인지 여부에 기초하여 상기 증강시킨 학습 데이터를 필터링하는 동작;
을 포함하고,
상기 타깃 단백질의 지표 정보는 상기 타깃 단백질과 물질 사이의 특성에 관한 정보이고,
상기 상동 단백질의 지표 정보는 상기 상동 단백질과 상기 물질 사이의 특성에 관한 정보인,
컴퓨터 판독가능 저장매체에 저장된 컴퓨터 프로그램.
- 타깃 단백질과 연관된 데이터 증강(Data Augmentation)하기 위한 컴퓨팅 장치로서,
적어도 하나의 프로세서; 및
메모리;
를 포함하고,
상기 적어도 하나의 프로세서는,
학습 데이터에 포함된 타깃 단백질 및 상기 타깃 단백질과 연관된 지표 정보를 획득하고;
상기 타깃 단백질과 복수의 상동(homologous) 단백질에 대하여 다중서열정렬(Multiple Sequence Alignment)을 수행하여, 상기 타깃 단백질의 상동(homologous) 단백질을 식별하고;
상기 타깃 단백질과 연관된 지표 정보 및 상기 상동 단백질을 대응시켜서, 상기 학습 데이터를 증강시키고;
미리 설정된 에포크(epoch)까지 학습을 수행한 이후에 현재 학습 중인 배치(batch) 안에서, 학습 데이터로부터 주어지거나 딥러닝 모델에 의해 예측되는 상기 타깃 단백질의 지표 정보와, 상기 딥러닝 모델에 의해 예측되는 상기 상동 단백질의 지표 정보를 비교하고, 그리고,
상기 비교의 결과에 기초한 예측의 정확도가 미리 설정된 값 이상인지 여부에 기초하여 상기 증강시킨 학습 데이터를 필터링하도록 구성되고,
상기 타깃 단백질의 지표 정보는 상기 타깃 단백질과 물질 사이의 특성에 관한 정보이고,
상기 상동 단백질의 지표 정보는 상기 상동 단백질과 상기 물질 사이의 특성에 관한 정보인,
장치.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/973,918 US20240145028A1 (en) | 2022-10-26 | 2022-10-26 | Method For Data Augmentation Related To Target Protein |
US17/973,918 | 2022-10-26 | ||
KR1020230022973 | 2023-02-21 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020230022973 Division | 2022-10-26 | 2023-02-21 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20240063817A true KR20240063817A (ko) | 2024-05-10 |
Family
ID=90831174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020240046672A KR20240063817A (ko) | 2022-10-26 | 2024-04-05 | 타깃 단백질과 연관된 데이터 증강 방법 |
Country Status (2)
Country | Link |
---|---|
KR (1) | KR20240063817A (ko) |
WO (1) | WO2024090848A1 (ko) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113728390A (zh) * | 2019-01-04 | 2021-11-30 | 思科利康有限公司 | 使用合成数据预测药物结合的方法和系统 |
KR102473613B1 (ko) * | 2019-12-23 | 2022-12-02 | 주식회사 제로원에이아이 | 인공지능 모델의 분산 학습 기법 |
-
2023
- 2023-10-11 WO PCT/KR2023/015594 patent/WO2024090848A1/ko unknown
-
2024
- 2024-04-05 KR KR1020240046672A patent/KR20240063817A/ko active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2024090848A1 (ko) | 2024-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102583582B1 (ko) | 어노말리 데이터 생성 방법 | |
KR102517968B1 (ko) | 신경망 모델을 이용한 이미지 특징 추출 방법 | |
KR102478076B1 (ko) | 음성 인식 오류 검출을 위해 학습 데이터를 생성하기 위한 방법 | |
KR102362678B1 (ko) | 생체신호 분석 방법 | |
KR102458457B1 (ko) | 문서 데이터 검색 기법 | |
KR102647511B1 (ko) | 대규모 언어 모델의 강화 학습 방법 | |
KR102576241B1 (ko) | 단백질과 리간드의 결합 구조 예측 방법 | |
KR20240063817A (ko) | 타깃 단백질과 연관된 데이터 증강 방법 | |
KR102653642B1 (ko) | 상품 추천을 위한 방법, 컴퓨터 프로그램 및 서버 | |
KR20230031761A (ko) | 유전자 정보 분석 방법 | |
US20240145028A1 (en) | Method For Data Augmentation Related To Target Protein | |
KR20230031419A (ko) | 신경망 모델의 다양성을 위한 학습 방법 | |
KR102671142B1 (ko) | 전세시장 이원화에 따른 실거래가를 예측하기 위한 방법 | |
KR102494966B1 (ko) | 바이러스의 숙주 진입을 제어하기 위한 약물의 예측 방법 | |
KR102687022B1 (ko) | 입력 변수가 제한된 환경에서 인공 신경망을 활용한 예측 방법 | |
KR102689466B1 (ko) | 패혈증을 진단하기 위한 중증도 예측 방법 | |
KR102547001B1 (ko) | 하향식 방식을 이용한 오류 검출 방법 | |
KR102554278B1 (ko) | 꺾임 기반의 구조 업데이트를 활용하여 단백질의 구조를 예측하는 방법 | |
KR102479218B1 (ko) | 오토 인코더 모델의 선택 및 최적화 방법 | |
KR20230031762A (ko) | 파마코포어 특징을 이용한 유효물질 후보 검색 방법 | |
KR102597550B1 (ko) | 상품 추천 시기를 결정하기 위한 방법, 컴퓨터 프로그램 및 서버 | |
KR102662645B1 (ko) | 커리큘럼 기반의 능동적 학습 방법 | |
KR102508654B1 (ko) | 이미지 기반 테이블 경계선 생성 방법 | |
KR20230031760A (ko) | 항원 결정기 후보 도출 방법 | |
KR20240091408A (ko) | 약물 및 타겟 물질 간의 친화도를 예측하기 위한 학습방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A107 | Divisional application of patent |