본 논문은 약물 발견을 위한 가상 스크리닝 방법 개발에 있어 점점 커지는 스크리닝 라이브러리의 크기라는 과제를 해결하기 위해 기존의 접근 방식을 재평가하는 연구입니다. 특히 3D 파마코포어 스크리닝의 계산 비용 문제를 해결하고자, 신경 하위 그래프 매칭 기반의 새로운 대조 학습 접근 방식인 PharmacoMatch를 제시합니다. PharmacoMatch는 파마코포어 스크리닝을 근사 하위 그래프 매칭 문제로 재해석하여, 쿼리-타겟 관계를 임베딩 공간에 인코딩함으로써 구조 데이터베이스의 효율적인 쿼리를 가능하게 합니다. 제로샷 설정에서 PharmacoMatch를 사전 스크리닝 도구로 평가하여 기존 솔루션과 비교했을 때, 실행 시간을 상당히 단축하면서 유사한 성능 지표를 달성함을 보여줍니다. 이는 매우 큰 데이터셋을 스크리닝하는 데 유망한 속도 향상을 제공합니다.
