초록
이 연구에서는 두 가지 다른 방법으로 사전 훈련된 두 가지 버전의 대규모 언어 모델인 ChemBERTa-2를 사용하여 HIV 복제 억제 예측에 대해 미세조정(fine-tuning)을 수행하였다. 최적의 모델은 AUROC 0.793을 달성하였다. 미세조정 전후의 분자 임베딩 분포 변화를 분석한 결과, 모델이 활성 및 비활성 HIV 분자 간의 구분 능력이 향상되었음을 확인할 수 있었다.
이 연구에서는 두 가지 다른 방법으로 사전 훈련된 두 가지 버전의 대규모 언어 모델인 ChemBERTa-2를 사용하여 HIV 복제 억제 예측에 대해 미세조정(fine-tuning)을 수행하였다. 최적의 모델은 AUROC 0.793을 달성하였다. 미세조정 전후의 분자 임베딩 분포 변화를 분석한 결과, 모델이 활성 및 비활성 HIV 분자 간의 구분 능력이 향상되었음을 확인할 수 있었다.