초창기 AI를 활용한 단백질-단백질 상호작용 예측의 방법론적 전환</wiki> <p>초기에는 경험적 데이터베이스 검색과 단순 필터링에 의존하던 단백질-단백질 상호작용(PPI) 예측 분야는, 현대의 강력한 [[생명과학 인공지능]] 기술 도입 이후 방법론적 혁명을 겪었습니다.</p> <h2>초기 PPI 예측의 시대</h2> <ul> <li>초기 접근법은 주로 실험적 데이터([인터랙톰])의 정량적 분류와 간단한 <strong>패턴 매칭</strong>에 집중되었습니다.</li> <li>이 시기의 예측 성능은 주로 알려진 상호작용 쌍에 대한 범주형 분류 수준에 머물렀습니다.</li> </ul> <h2>딥러닝 기반의 정량적 예측으로의 진화</h2> <p>최근에는 [[구조생물학]] 정보를 포함하여 다양한 특징 벡터를 입력받는 <strong>딥러닝 모델</strong>이 표준이 되었습니다. 이는 단순히 "있다/없다"를 넘어, 상호작용 강도(affinity)를 연속적으로 예측할 수 있게 했습니다.</p> <p>특히, [[AlphaFold]]와 같은 구조 예측의 성공은 PPI 예측의 기초를 제공하며, 이제는 전사체 및 대사체 데이터까지 통합하는 <strong>오믹스 통합 분석</strong> 시대로 나아가고 있습니다.</p> [[단백질체학]], [[분자도킹]], [[빅데이터]]