본 논문은 약물 발견 분야에서 설명 가능한 인공지능(XAI)을 활용하여 화합물-단백질 결합 친화도 예측 모델을 개발하는 것을 목표로 한다. 특히, 특정 단백질 표적에 대한 화합물 활성도 예측을 위해, 활성도 절벽 쌍(activity cliff pairs)을 활용하는 그래프 신경망(GNN) 기반 프레임워크를 제안한다. 이 프레임워크는 활성도 절벽 쌍의 구조 및 특성 정보를 활용하고, group lasso와 sparse group lasso 정규화를 통해 모델의 성능과 설명 가능성을 향상시킨다. 연구는 Src 단백질을 표적으로 하는 분자 데이터에 적용되었으며, 예측 성능 향상과 함께 분자 내 핵심 구조 파악을 가능하게 했다.
