임상수 교수 연구팀 학부연구생 한예원 학생, ISMB 2026 논문 게재 승인
등록일 2026-04-03
작성자 관리자
조회 35
컴퓨터공학전공 학부생 1저자 참여… 오는 7월 ISMB 2026에서 발표 및 Bioinformatics 저널 게재 예정
△ 왼쪽부터 동국대학교 컴퓨터·AI학부 임상수 교수, 동국대학교 AI소프트웨어공학부 컴퓨터공학전공 한예원 학사과정
동국대학교 컴퓨터AI학부 임상수 교수 연구팀이 인공지능 기반 약물 반응 예측 모델을 개발하고, 해당 연구 성과를 AI Bio 분야 세계 최고 권위의 국제학술대회인 ISMB (Intelligent Systems for Molecular Biology) Proceedings에발표할 예정이다. ISMB는 한국정보과학회 기준 우수국제학술대회 S등급에 해당하며, 이번 학회는 선정률 16%의 높은 경쟁률을 보였다. 또한 본 연구 결과는 생물정보학 분야 저명 국제학술지인 'Bioinformatics (JCR Rank상위 8.7%) 저널'에 게재될 예정이다.
이번 연구는 컴퓨터공학전공 한예원 학생이 제1저자로 참여하여 수행되었으며, 학부 연구생이 해당 분야 최고 수준의 국제학술대회 논문의 주저자로 참여했다는 점에서 주목된다.
최근 AI 기반 약물 반응 예측 연구는 화합물의 구조 정보와 세포의 유전자 발현 정보를 함께 활용하고 있으나, 두 정보를 독립적으로 처리하거나 단순 결합하는 방식이 주를 이루고 있다. 이로 인해 약물의 특정 화학 구조가 실제로 어떤 생물학적 경로에 영향을 미치는지에 대한 정밀한 이해에는 한계가 있었다.
연구팀은 이러한 한계를 극복하기 위해 'DiSPA (Differential Substructure–Pathway Attention)'모델을 제안하였다. 해당 모델은 약물의 화학적 부분구조(substructure)와 세포의 경로 수준 유전자 발현(pathway-level gene expression) 간의 상호작용을 직접적으로 학습하도록 설계되었다. 특히, 양방향 상호작용을 반영하는 차별적 어텐션 메커니즘을 통해 불필요한 신호를 억제하고, 의미 있는 구조–생물학적 관계를 효과적으로 포착할 수 있도록 하였다.
실험 결과, 제안된 모델은 다양한 평가 환경에서 기존 최신 기법 대비 우수한 예측 성능을 보였으며, 특히 새로운 약물이나 세포에 대한 예측이 요구되는 어려운 설정에서도 높은 일반화 성능을 확인하였다. 또한 모델이 학습한 어텐션을 통해 약물 구조와 생물학적 경로 간의 관계를 해석 가능한 형태로 제시할 수 있어, AI 기반 신약개발에서 중요한 '설명가능성(interpretability)'측면에서도 의미 있는 결과를 도출하였다.
더 나아가 본 모델은 별도의 추가 학습 없이 공간 전사체(spatial transcriptomics) 및 단일세포 데이터(single-cell RNA-seq)에 적용되어, 조직 및 세포 유형별 약물 반응 패턴을 탐색할 수 있는 가능성도 확인하였다. 이는 다양한 생물학적 스케일에서 약물 반응을 이해할 수 있는 새로운 접근법을 제시한다는 점에서 의의가 있다.
임상수 교수는 “이번 연구는 화학 구조와 생물학적 시스템 간의 상호작용을 직접 모델링함으로써 기존 약물 반응 예측 모델의 한계를 극복한 사례”라며, “AI 기반 정밀의학 및 신약개발 분야에서 보다 신뢰성과 해석 가능성을 갖춘 모델 개발에 기여할 것으로 기대된다”고 밝혔다.
본 연구는 우수신진연구사업, 바이오의료기술개발사업, AI융합혁신인재양성사업, 대학ICT연구센터육성지원사업(ITRC) 등의 지원을 받아 수행하였다.
