본 논문은 암 화학 저항성을 극복하기 위한 핵심 표적인 Tyrosyl-DNA Phosphodiesterase 1 (TDP1)에 대한 소분자 억제 활성을 예측하기 위해, 사전 훈련된 화학 언어 모델인 ChemBERTa를 fine-tuning하여 분자 SMILES 문자열로부터 pIC50 값을 정량적으로 회귀하는 딥러닝 프레임워크를 제시한다. 177,092개 화합물의 대규모 데이터셋을 활용하여, MLM(Masked Language Modeling) 및 MTR(Masked Token Regression)의 두 가지 사전 훈련 전략을 평가하고, 활성 화합물이 2.1%에 불과한 심각한 활성 불균형 문제를 해결하기 위해 계층적 데이터 분할 및 샘플 가중치를 적용했다. 제안하는 모델은 회귀 정확도와 가상 스크리닝 유틸리티 측면에서 고전적인 baseline을 능가하며, Random Forest와 경쟁적인 성능을 보였다. 실험 테스트를 위한 TDP1 억제제 우선순위 지정을 위한 강력하고 즉시 사용할 수 있는 도구를 제공하며, SMILES로부터 직접적인 3D 구조 없이 pIC50 예측을 가능하게 함으로써, 표적 특이적 약물 발견을 가속화하는 화학 변환기의 잠재력을 보여준다.
