본 논문은 항원의 항체 결합 부위(에피토프) 예측의 정확성을 높이기 위해, 1,080개의 항원-항체 복합체에서 유래한 항원 서열을 이용하여 컨볼루션 신경망(CNN)과 트랜스포머를 결합한 새로운 모델을 제안합니다. CNN은 국소적 특징을, 트랜스포머는 장거리 의존성을 포착하여 선형 에피토프와 입체구조 에피토프 예측 성능을 향상시킵니다. 실험 결과, 제안된 모델은 기존 모델들보다 PCC, ROC-AUC, PR-AUC, F1 점수에서 모두 우수한 성능을 보였습니다. 특히, 기존 모델들이 부족했던 입체구조 에피토프 예측 성능 향상에 중점을 두고 있습니다.
시사점, 한계점
•
시사점:
◦
CNN과 트랜스포머를 결합한 새로운 모델을 통해 선형 및 입체구조 에피토프 예측 정확도 향상.
