earticle

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.