Earticle

초록

한국어

늘어나는 해외 교통량과 세계화로 인해 국가 간 통행량이 증가하고 있다. 이는 전염병 또한 단기간 에 대륙 간 전파될 수 있게 하며 실제로 2020년대 초반 COVID-19 팬데믹이 널리 퍼지는데 이와 같 은 이유가 있다. 향후 발생가능한 신규 팬데믹을 방지하기 위해 사전에 병독성을 일으키는 미생물에 관한 연구와 가능한 치료제, 백신 개발이 이루어져야 한다. 그러나 한정된 예산과 인력으로는 in-vitro, in-vivo 미생물 실험을 하기 어렵다. 컴퓨터 기반 시뮬레이션인 in-silico 실험을 통해 in-vitro, in-vivo 실험 결과들을 모방할 수 있으며 양질의 학습데이터가 제공되면 딥러닝 기반 in-silico 모델 학습에 용이하다. 기존의 단백질 서열 분석 in-silico 모델들은 SWISS-PROT, HMP와 같은 검증된 단 백질 데이터로 학습되었으나 수집된 데이터의 수가 적은 관계로 신뢰도가 높은 결과를 얻기에는 다소 무리가 있다. 본 논문에는 컴퓨터로 라벨링된 TrEMBLE 데이터를 통해 학습시킨 in-silico 모델의 성 능을 시험하여 컴퓨터로 라벨링된 TrEMBLE 데이터의 향후 in-silico 모델 학습을 위한 학습 데이터 로서의 효용성을 확인하고자 한다.

목차

요약
1. 서론
2. 관련 연구
3. 실험방법
3.1. 데이터셋
3.2. 학습 파라미터와 학습 장치
4. 실험결과
5. 결과
Acknowledgement
참고문헌

저자

• 안성윤 [ AI‧소프트웨어학부 가천대학교 ]
• 이상웅 [ AI‧소프트웨어학부 가천대학교 ]

참고문헌