1

독성 예측 인공지능 모델 활용 분야

1. 현재 활용되고 있는 독성 예측 인공지능 모델 현황

-기계 학습 모델 사례 딥러닝 모델 사례

독성 예측 모델 활용과 연관된 규제 소개

2. 사용 가능한 독성 예측 소프트웨어 웹 프로그램 Danish QSAR Database, ProTox-ll ToxSTAR. (약물 대사 예측

Xenosite, SmartCYP) GUE VEGA, OECD (SAR Toolbox. 미국 환경청 (EPI suite & test)

2

데이터 전처리 (python 코드 제공)

1. Pandas를 이용한 데이터 분석

데이터 분석 및 모델 개발을 위해서 pandas에서 자주 사용하는 함수 정리.

2. CHEMBL 데이터 전처리 방법

-ChEMBL 데이터 활용 방법

동일한 구조에서 실험값이 다른 경우 처리 방법

실험 값 단위 환산의 중요성

3. Binding DB 데이터 전처리 방법

Binding DB 활용 방법

sdr 파일에서 원하는 구조만 선별하기

3

데이터 구조 준비 자동화 (python 코드 제공)

1. Pubchempy를 이용한 구조 다운로드

- DILUrank 데이터에서 약물 이름으로 구조 다운 받기

-Pubchempy에서 다운받은 데이터 이해하기

2. Python에서 구조 파일 형식 변환하기 (OpenBabel)

-다양한 분자 구조 파일 형태로 전환하기 3. MOPAC을 이용한 양자 descriptor 계산

4

양자 재산을 위한 input 준비 자동화

-양자 계산 결과 output parsing 방법 구조 분포 시각화 (python 코드 제공)

1. Matplotlib을 이용한 구조 분포 시각화

- scatter plot, bar plot 그려보기

2. PCA를 활용한 구조 분포 시각화 -다차원 데이터를 이용한 구조 분포 비교 분석

5

개발된 예측 모델 활용 방법 (python 코드 제공)

1. 개발된 예측 모델 저장 방법

scilat-leam을 이용한 모델 개발 과정 -개발한 모델 저장하기 (joblib)

2 개발된 모델 활용하기 (classification model)

3. 개발된 모델 활용하기 (Regression model)

-input을 준비할 때 조심해야 하는 부분 모델 파일 불러와서 예측하기

6

의미 있는 독성 예측

1. 의미 있는 데이터

2 의미 있는 descriptor

3. OECD QSAR validation guideline 4. 적용 범위 분석

5. 독성 예측 소프트웨어 개발 필요성 (model deployment)