METHOD FOR PREDICTING PHARMACOLOGICAL PROPERTIES OF NOVEL DRUG CANDIDATES BY USING NATURAL LANGUAGE PROCESSING MODEL

The present invention relates to a method for predicting pharmacological properties of novel drug candidates. According to the present invention, a natural language processing model pre-trained with big data is used so that a complex pattern of pharmacological properties of a compound can be learned, and the pharmacological properties of the compound can be predicted before being identified through experiments and simulations. Therefore, it can be quickly determined whether basic pharmacological properties of the candidates are suitable. In addition, according to the present invention, the pharmacological properties of the candidates can be more precisely identified by predicting individual pharmacological property test results and complex pharmacological properties of the candidates at a multi-dimensional probability. Thus, the candidates can be much more quickly and accurately screened, and novel drug development can be efficiently accelerated. La présente invention concerne un procédé de prédiction de propriétés pharmacologiques de nouveaux médicaments candidats. Selon la présente invention, un modèle de traitement de langage naturel pré-entraîné avec des mégadonnées est utilisé de sorte qu'un motif complexe de propriétés pharmacologiques d'un composé puisse être appris, et les propriétés pharmacologiques du composé peuvent être prédites avant d'être identifiées par l'intermédiaire d'expériences et de simulations. Par conséquent, on peut rapidement déterminer si des propriétés pharmacologiques de base des candidats sont appropriées. De plus, selon la présente invention, les propriétés pharmacologiques des candidats peuvent être identifiées plus précisément par prédiction de résultats de tests de propriétés pharmacologiques individuelles et de propriétés pharmacologiques complexes des candidats à une probabilité multidimensionnelle. Ainsi, les candidats peuvent être sélectionnés beaucoup plus rapidement et avec précision, et le développement d'un nouveau médicament peut être accéléré efficacement. 본 발명은 신약 후보물질의 약리학적 성질을 예측하는 방법에 관한 것이다. 본 발명은 방대한 데이터로 사전 학습된 자연어 처리 모델을 이용하여 화합물의 약리학적 성질에 대한 복합적인 패턴을 학습할 수 있고, 실험이나 시뮬레이션으로 파악하기 전에 화합물의 약리학적 성질을 예측할 수 있다. 이에 후보물질의 기초 약리학 성질의 적합 여부를 빠르게 판정할 수 있다. 또한, 본 발명은 개별적인 약리학 성질 시험 결과 뿐만 아니라, 후보물질의 복합적인 약리학적 성질을 다차원의 확률로 예측하여 보다 정밀하게 후보물질의 약리학적 성질 파악이 가능하다. 이에 후보물질에 대한 스크리닝 과정을 훨씬 빠르고 정확하게 진행할 수 있고, 효율적으로 신약 개발을 가속화할 수 있다.