01. Link Prediction
BioPathNet을 이용한 생의학 지식 그래프 링크 예측 강화
BioPathNet은 NBFNet(Neural Bellman-Ford Network)을 기반으로 그래프 경로를 직접 추론하여 링크 예측의 정확도를 높입니다. 이 방법은 배경 규제 그래프를 추가하여 메시지 전달을 강화하고, 엄격한 네거티브 샘플링을 통해 정밀도를 향상합니다.
Scientific Overview
그래프 신경망(GNN) 기반의
생의학 지식 그래프 마이닝
2025년부터 2026년까지 그래프 신경망(GNN) 기반의 생의학 지식 그래프(BKG) 마이닝은 약물 개발 분야의 핵심 기술로 부상하였습니다. GNN은 생의학 지식 그래프 내에서 약물-질병, 약물-타겟 등 복잡한 관계를 효과적으로 학습하고 숨겨진 연결을 예측하며, 약물 재창출 및 신규 타겟 발굴의 정확도를 크게 높이는 데 기여합니다.
이는 기존 지식 그래프 임베딩 방식의 장거리 관계 포착 한계를 넘어 그래프 구조를 직접 학습함으로써 실용성을 입증하였습니다. 다음은 이 분야의 주요 연구 논문과 그 내용입니다.
02. Benchmarking
KG-Bench: 약물 재창출을 위한 그래프 신경망 알고리즘 벤치마킹
KG-Bench는 Open Targets 데이터를 활용하여 표준 지식 그래프(KG)를 구축하고, GCNConv, TransformerConv, SAGEConv 등 다양한 GNN 모델을 공정하게 비교 평가하는 프레임워크입니다. 이 프레임워크는 시간적 검증을 통해 데이터 누수를 효과적으로 방지합니다.
03. Expert Systems
전문가 지식 증강 그래프 신경망 기반의 약물 재창출
DReKGNN은 전문가 지식을 노드 임베딩에 주입하여 GNN의 해석 가능성을 높이고, 약물-질병 연관 예측의 정확도를 강화합니다.
04. LLM & Reasoning
K-Paths: 약물 재창출 및 약물 상호작용 예측을 위한 그래프 경로 추론
K-Paths는 그래프에서 생물학적으로 의미 있는 다중 홉 경로를 추출하고, 이를 GNN과 LLM(대규모 언어 모델)과 결합하여 약물 재창출 및 약물 상호작용 예측에 활용합니다.
05. AI-Aided Discovery
현대 AI 기반 약물 발견에서의 그래프 신경망
이 연구는 현대 인공지능 기반 약물 발견 분야에서 그래프 신경망의 활용과 중요성에 대해 포괄적으로 다룹니다.
06. Recent Trends
약물 발견을 위한 GNN의 최근 개발 동향
이 논문은 약물 발견을 위한 GNN의 최신 개발 동향과 기술적 발전에 초점을 맞춥니다.
07. Comparative Study
약물 재창출을 위한 지식 그래프 활용: 고전적 머신러닝부터 GNN까지
이 연구는 약물 재창출을 위한 지식 그래프 활용 방안을 고전적인 머신러닝 알고리즘부터 그래프 신경망에 이르기까지 폭넓게 탐구합니다.
Future Outlook
이처럼 GNN 기반의 생의학 지식 그래프 마이닝 연구는 약물 개발의 전 과정에서 중요한 역할을 하며, 특히 경로 기반 GNN과 벤치마킹 프레임워크가 실질적인 기여를 합니다.
동적 데이터 통합 및 확장성
Agentic AI와의 결합
해석 가능성 향상
글로벌 플랫폼 표준화