AI-Hub

○ 임무 정의
  - 임무 : 분자-세포 독성 추론 및 예측
  - 개념 : SMILES와 RDKit Feature를 입력으로 받아, 세포 독성 여부와 독성에 기여하는 주요 분자 특성을 예측하는 것을 목표로 함

○ 임무 선정 사유
  - 구축된 데이터와 유사한 구조의 질의를 입력 데이터로 제공했을 때 모델이 제공하는 답변을 검토함으로써 분자 독성 여부에 대한 추론 데이터의 정확성과 일관성을 평가할 수 있음. 예를 들어, 독성 여부 및 세포에 작용하는 기전이 밝혀진 단백질 구조에 대해 입력하고, 모델이 해당 질문에 올바른 답변을 제공하는지 확인하여 데이터의 정확성을 검증할 수 있음
  - 모델이 주어진 분자 정보에 대한 적절한 추론 결과를 생성하는지 확인함으로써 분자독성 추론 데이터셋 내 모순 등 품질을 확인 가능. 모델이 모순된 답변을 생성하는 경우, 관련 데이터를 재검수 진행하여 데이터 품질을 향상시킬 수 있음
  - 세포 독성은 신약 개발 초기 후보물질 탈락의 주요 원인으로, 사전 AI 평가 수요가 가장 높은 독성 항목임. 세포 독성 추론 및 예측 임부를 통해 독성 여부뿐 아니라 기여 Feature 근거를 함께 제시해 모델의 설명 가능성을 확보하고 데이터 품질을 정량적으로 입증할 수 있음. 해당 임무는 동물 및 세포 실험 대체·규제 대응에 직결되는 성과 지표를 제공해 산업적 파급력이 큼

○ 학습 모델 개발 환경
  - 학습 환경: Linux, Python, CUDA 12.4, Pytorch 2.1.1
  - 모델리소스 및 자원 활용: 고성능 GPU 서버를 사용하여 모델 학습을 진행
  - 모델 개발: 1-Cycle 자가 점검 계획에 맞춰 모델 개발
  - 성능 지표 결과를 통해 가장 성능이 우수한 모델로 최종 선정

○ 최종 선정 모델
  - Qwen3-32B -qwen
    • 알리바바클라우드 QWEN 개발팀이 개발 및 2025년 3월 오픈소스 공개
    • Supervised Fine-Tuning 및 강화학습을 통해 학습됐으며, 32.5B 규모 파라미터와 132K토큰의 컨텍스트 처리를 지원함 

[ Qwen3-32B-qwen 모델 ]

○ 학습 데이터 생성
  - 입력 : 단일 분자의 SMILES 표현식(텍스트) 및 분자 특성 관련 정보(텍스트)
  - 출력 : 세포가 분자에 노출되었을 때 유해성의 발현 여부(True or False) 및 독성 발현 시 작용하는 주요 분자 특성(Feature, 텍스트)

[ 원천데이터 예시 ]

[ 라벨링데이터 예시 ]

○ AI 모델 성능

○ 데이터 구성 

○ 어노테이션 포맷

○ 어노테이션 예시
{
  "data_meta_info": {
    "assay_file_name": "tox21-ahr-p1",
    "endpoint_category": "AhR",
    "data_source": "Tox21 BioAssay"
  },
  "compound_info": {
    "version": "v1.0",
    "toxicity": {
      "activity": "InActive",
      "cell_line": "HepG2 (Liver)"
    },
    "feature_schema": "RDKit_2025.03_Desc103",
    "smiles_code": "CC2=CN(c1ccccc1)C(=O)C=C2",
    "top_features": [
      "BertzCT",
      "FP_Morgan_1400",
      "SMR_VSA3"
    ],
    "descriptor_values": {
      "BertzCT": 485.1749579,
      "FP_Morgan_1400": 1,
      "SMR_VSA3": 4.567099648
    },
    "feature_descript": {
      "BertzCT": {
        "Chi1": "The SHAP effect of 'BertzCT' is positively correlated with 'Chi1' (r = 0.543), suggesting they influence predictions in similar ways. When 'BertzCT' contributes strongly to toxicity prediction, 'Chi1' tends to behave similarly due to their positively SHAP relationship. SHAP values indicate that 'BertzCT' and 'Chi1' may share functional roles, reflected in their positively correlation of 0.543. The aligned SHAP behavior of 'BertzCT' and 'Chi1' hints at potential structural or chemical overlap between the features. This positively SHAP correlation between 'BertzCT' and 'Chi1' could point to joint involvement in toxicity-relevant mechanisms.",
        "Chi1v": "The SHAP effect of 'BertzCT' is positively correlated with 'Chi1v' (r = 0.513), suggesting they influence predictions in similar ways. When 'BertzCT' contributes strongly to toxicity prediction, 'Chi1v' tends to behave similarly due to their positively SHAP relationship. SHAP values indicate that 'BertzCT' and 'Chi1v' may share functional roles, reflected in their positively correlation of 0.513. The aligned SHAP behavior of 'BertzCT' and 'Chi1v' hints at potential structural or chemical overlap between the features. This positively SHAP correlation between 'BertzCT' and 'Chi1v' could point to joint involvement in toxicity-relevant mechanisms.",
        "HeavyAtomMolWt": "The SHAP effect of 'BertzCT' is positively correlated with 'HeavyAtomMolWt' (r = 0.514), suggesting they influence predictions in similar ways. When 'BertzCT' contributes strongly to toxicity prediction, 'HeavyAtomMolWt' tends to behave similarly due to their positively SHAP relationship. SHAP values indicate that 'BertzCT' and 'HeavyAtomMolWt' may share functional roles, reflected in their positively correlation of 0.514. The aligned SHAP behavior of 'BertzCT' and 'HeavyAtomMolWt' hints at potential structural or chemical overlap between the features. This positively SHAP correlation between 'BertzCT' and 'HeavyAtomMolWt' could point to joint involvement in toxicity-relevant mechanisms."
      },
      "FP_Morgan_1400": {
        "FP_Morgan_1805": "The SHAP effect of 'FP_Morgan_1400' is positively correlated with 'FP_Morgan_1805' (r = 0.084), suggesting they influence predictions in similar ways. When 'FP_Morgan_1400' contributes strongly to toxicity prediction, 'FP_Morgan_1805' tends to behave similarly due to their positively SHAP relationship. SHAP values indicate that 'FP_Morgan_1400' and 'FP_Morgan_1805' may share functional roles, reflected in their positively correlation of 0.084. The aligned SHAP behavior of 'FP_Morgan_1400' and 'FP_Morgan_1805' hints at potential structural or chemical overlap between the features. This positively SHAP correlation between 'FP_Morgan_1400' and 'FP_Morgan_1805' could point to joint involvement in toxicity-relevant mechanisms.",
        "fr_SH": "The SHAP effect of 'FP_Morgan_1400' is positively correlated with 'fr_SH' (r = 0.108), suggesting they influence predictions in similar ways. When 'FP_Morgan_1400' contributes strongly to toxicity prediction, 'fr_SH' tends to behave similarly due to their positively SHAP relationship. SHAP values indicate that 'FP_Morgan_1400' and 'fr_SH' may share functional roles, reflected in their positively correlation of 0.108. The aligned SHAP behavior of 'FP_Morgan_1400' and 'fr_SH' hints at potential structural or chemical overlap between the features. This positively SHAP correlation between 'FP_Morgan_1400' and 'fr_SH' could point to joint involvement in toxicity-relevant mechanisms.",
        "fr_hdrzone": "The SHAP effect of 'FP_Morgan_1400' is positively correlated with 'fr_hdrzone' (r = 0.082), suggesting they influence predictions in similar ways. When 'FP_Morgan_1400' contributes strongly to toxicity prediction, 'fr_hdrzone' tends to behave similarly due to their positively SHAP relationship. SHAP values indicate that 'FP_Morgan_1400' and 'fr_hdrzone' may share functional roles, reflected in their positively correlation of 0.082. The aligned SHAP behavior of 'FP_Morgan_1400' and 'fr_hdrzone' hints at potential structural or chemical overlap between the features. This positively SHAP correlation between 'FP_Morgan_1400' and 'fr_hdrzone' could point to joint involvement in toxicity-relevant mechanisms."
      },
      "SMR_VSA3": {
        "FP_MACCS_156": "The SHAP effect of 'SMR_VSA3' is negatively correlated with 'FP_MACCS_156' (r = -0.272), suggesting they influence predictions in similar ways. When 'SMR_VSA3' contributes strongly to toxicity prediction, 'FP_MACCS_156' tends to behave similarly due to their negatively SHAP relationship. SHAP values indicate that 'SMR_VSA3' and 'FP_MACCS_156' may share functional roles, reflected in their negatively correlation of -0.272. The aligned SHAP behavior of 'SMR_VSA3' and 'FP_MACCS_156' hints at potential structural or chemical overlap between the features. This negatively SHAP correlation between 'SMR_VSA3' and 'FP_MACCS_156' could point to joint involvement in toxicity-relevant mechanisms.",
        "FP_MACCS_97": "The SHAP effect of 'SMR_VSA3' is positively correlated with 'FP_MACCS_97' (r = 0.282), suggesting they influence predictions in similar ways. When 'SMR_VSA3' contributes strongly to toxicity prediction, 'FP_MACCS_97' tends to behave similarly due to their positively SHAP relationship. SHAP values indicate that 'SMR_VSA3' and 'FP_MACCS_97' may share functional roles, reflected in their positively correlation of 0.282. The aligned SHAP behavior of 'SMR_VSA3' and 'FP_MACCS_97' hints at potential structural or chemical overlap between the features. This positively SHAP correlation between 'SMR_VSA3' and 'FP_MACCS_97' could point to joint involvement in toxicity-relevant mechanisms.",
        "SlogP_VSA2": "The SHAP effect of 'SMR_VSA3' is positively correlated with 'SlogP_VSA2' (r = 0.284), suggesting they influence predictions in similar ways. When 'SMR_VSA3' contributes strongly to toxicity prediction, 'SlogP_VSA2' tends to behave similarly due to their positively SHAP relationship. SHAP values indicate that 'SMR_VSA3' and 'SlogP_VSA2' may share functional roles, reflected in their positively correlation of 0.284. The aligned SHAP behavior of 'SMR_VSA3' and 'SlogP_VSA2' hints at potential structural or chemical overlap between the features. This positively SHAP correlation between 'SMR_VSA3' and 'SlogP_VSA2' could point to joint involvement in toxicity-relevant mechanisms."
      }
    },
    "feature_NL": {
      "BertzCT": "BertzCT is a topological descriptor that quantifies the molecular complexity based on the graph structure of a molecule, taking into account atom types, connectivity, and branching. It is derived from information-theoretic principles and reflects the degree of molecular branching and heterogeneity, with higher values indicating greater structural complexity.",
      "FP_Morgan_1400": "FP_Morgan_1400 refers to a specific bit in the Morgan fingerprint (also known as Extended Connectivity Fingerprints, ECFP), which encodes the presence of a particular circular substructure environment around atoms in the molecule. Each bit corresponds to a unique structural motif detected through iterative atom neighborhoods.",
      "SMR_VSA3": "SMR_VSA3 is a descriptor from the SMR (Solvent Accessible Surface Area) VSA (Variable Surface Area) class, specifically representing the surface area of fragments with a specific atomic contribution to molar refractivity within a given range (typically binned by molar refractivity values)."
    }
  },
  "cot_info": {
    "cot_instruction": "화합물 CC2=CN(c1ccccc1)C(=O)C=C2의 독성/비독성 여부를 판단하시오.",
    "cot_think": {
      "cot_step1_intention": "좋습니다, 이 문제를 단계별로 해결해 봅시다. 사용자가 SMILES 문자열, 세포주, 생물학적 검사명 및 일부 특징 설명을 제공했습니다. 제 임무는 이러한 입력들을 바탕으로 해당 분자가 독성이 있는지 여부를 판단하는 것입니다.",
      "cot_step2_reasoning": "먼저, SMILES인 CC2=CN(c1ccccc1)C(=O)C=C2를 분석해야 합니다. 이를 해석해 보면, 구조는 벤젠 고리(c1ccccc1)가 피리딘 유사 고리(C2=CN...C=C2)에 연결된 형태입니다. 카보닐 그룹(C(=O))과 일부 질소 원자가 존재합니다. 독성을 유발할 수 있는 독성기(Toxicophores)가 있는지 확인해 보겠습니다. 이 분자는 질소를 포함한 방향족 고리를 가지고 있으며, 니트릴 그룹일 수도 있겠다고 생각했지만, 아닙니다—이것은 아민입니다. C(=O)는 케톤이나 에스터일 수 있지만, 여기서는 고리의 일부입니다. 에폭사이드, 아지리딘, 마이클 수용체, 질소산화물, 알데히드 또는 아실 할라이드와 같은 독성과 관련된 전형적인 반응성 기능기는 보이지 않습니다. 따라서 구조적 관점에서 이 분자는 독성과 관련된 고전적인 반응성 기능기를 가지고 있지 않습니다. 다음으로, 세포주는 HepG2이며, 이는 간 세포주입니다. 검사법은 AhR(Aryl Hydrocarbon Receptor, 방향족 탄화수소 수용체)입니다. AhR은 이물질의 대사와 관련이 있으며, 특히 다환 방향족 탄화수소와 같은 물질에 의해 활성화될 경우 독성을 유발할 수 있습니다. 이 분자는 방향족 시스템을 가지고 있으므로 AhR과 상호작용할 가능성이 있습니다. 벤젠 고리와 피리딘 고리의 존재가 관련이 있을 수 있습니다. AhR 작용제(agonists)는 일반적으로 평면 구조의 방향족 화합물인 경우가 많습니다. 그러나 주어진 SMILES에는 다수의 융합 고리가 나타나지 않으므로, AhR과의 결합력이 약할 수도 있습니다. 제공된 특징들을 살펴보면, BertzCT, FP_Morgan_1400, 그리고 SMR_VSA3가 있습니다. BertzCT는 분자의 구조적 복잡성을 나타내는 위상 지표입니다. 높은 값은 분기가 많거나 복잡한 구조를 의미하며, 경우에 따라 독성과 상관관계를 가질 수 있습니다. FP_Morgan_1400은 ECFP에서 특정 부분구조를 나타냅니다. SMR_VSA3는 몰 굴절률에 기여하는 표면적과 관련이 있습니다. SHAP 상관관계 분석에 따르면, BertzCT는 Chi1, Chi1v, 그리고 HeavyAtomMolWt와 양의 상관관계를 가지며, 이는 모두 분자량과 분기 구조를 나타내는 특징으로, 어떤 경우에는 독성을 증가시킬 수 있습니다. FP_Morgan_1400은 다른 지문들과 약한 양의 상관관계를 보이며, 특정하지만 지배적이지 않은 부분구조를 나타낼 가능성이 있습니다. SMR_VSA3는 FP_MACCS_156과 음의 상관관계를 가지며, 이는 보호적 특징일 수 있지만, 다른 지표들과의 양의 상관관계는 독성을 강화할 수도 있습니다.",
      "cot_step3_conclusion": "모든 요소를 종합해 보면, 이 분자는 방향족 고리를 가지고 있지만 반응성 기능기를 포함하지는 않습니다. 세포주 및 검정법(assay)을 고려할 때 AhR 활성화가 타겟으로 보입니다. AhR 독성은 보통 수용체에 결합하고 이를 활성화하는 능력과 연관되어 대사 스트레스를 유발합니다. 단일 방향족 고리만 존재하는 것은 강한 AhR 활성화에 충분하지 않을 수 있습니다. 그러나 BertzCT(복잡성 지표) 및 SMR_VSA3(표면적)과 같은 상위 특성들이 상호작용에 영향을 미칠 수 있습니다. SHAP 값에 따르면 이러한 특성들은 독성을 증가시키거나 감소시키는 다른 기술자(descriptors)들과 연관되어 있습니다. BertzCT의 경우 분자량과 분지 구조(branching)와 양의 상관관계가 있으며, 이는 어떤 맥락에서는 독성에 기여할 수 있지만, 분자 자체에는 명확한 반응성 기능기가 없으므로 다소 모호한 상태입니다. 하지만 검정법이 AhR을 대상으로 하고 있으며, 방향족 구조가 AhR 리간드에서 일반적으로 나타나는 점을 고려하면, 강력한 독성 유발 구조(toxicophores)가 부족하다는 점이 중요합니다. 사용자에 따르면 상위 세 가지 특성은 SHAP 값이 높은 특성이지만, 그 방향성이 제공되지 않아 직접적인 영향을 평가하기 어렵습니다. 다만 BertzCT가 독성과 관련된 특성들과 양의 상관관계를 가지며, 상위 특성으로 나타난 점에서 분자가 독성을 가질 가능성을 시사할 수 있습니다. 하지만 구조상 알려진 AhR 활성 물질이 존재하는지를 확인해야 합니다. 이 분자는 단일 방향족 고리와 피리딘을 가지고 있는데, 이는 AhR 리간드에서 흔히 발견되지만, 다이옥신이나 다환성 방향족 화합물만큼 강력한 활성화를 유도하기에는 충분하지 않을 수 있습니다. 따라서 전반적인 독성 위험은 낮을 가능성이 있습니다. 이러한 모든 요소들을 종합적으로 고려할 때, 이 분자는 해당 검정법에서 독성이 낮을 것으로 판단됩니다."
    },
    "cot_response": "SMILES 문자열 CC2=CN(c1ccccc1)C(=O)C=C2**는 치환된 방향족 고리 구조를 나타냅니다. 주요 구조적 특징은 다음과 같습니다. 첫 번째로 벤젠 고리(c1ccccc1)와 융합된 피리딘 유사 고리(C2=CN...C=C2)가 있습니다. 두 번째로 카보닐기(C(=O))와 아민 기능기(N)가 포함되어 있습니다. 세 번째로. 에폭사이드, 마이클 수용체, 질소산화물 등의 명시적인 반응성 작용기를 포함하지 않으며, 할로젠화 아실 유도체도 없습니다.
HepG2(간 세포) 세포에서의 AhR(아릴 탄화수소 수용체) 분석은 외부 물질과의 상호작용에서 독성과 관련된 대사 경로를 유도하는 방향족 리간드를 타겟으로 합니다. 해당 분자는 방향족 고리를 포함하고 있지만, 강력한 AhR 작용제와 일반적으로 관련된 다환 방향족 또는 할로젠화 구조와 같은 다환 고리 구조는 없습니다.
상위 특징들(BertzCT, FP_Morgan_1400, SMR_VSA3)은 분자 복잡성(BertzCT), 부분구조 다양성(FP_Morgan_1400), 표면적 특성(SMR_VSA3)과 관련이 있습니다. 이러한 SHAP 관계는 분자량 및 가지치기와 같은 기술적 설명자들과의 상호작용을 나타내지만, 고위험 독성 지표와의 명확한 일치는 보이지 않습니다. 반응성 모티프가 없고, 일반적인 AhR 활성제(예: 다이옥신)와의 구조적 유사성이 낮다는 점도 이 맥락에서 비독성이라는 분류를 뒷받침합니다."
  }
}