New Approach Methodologies-based Genotoxicity Prediction via Multi-task Deep Learning Approaches
이공학학술연구기반구축(R&D) · 석사과정생연구장려금지원
2026년
2340065797
교육부
한국연구재단
전남대학교산학협력단
김민건
1명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2027.08.31
1,200만원
1,200만원
개발연구
대학
광주광역시 북구
정보/통신 > 정보이론 > 인공지능
본 연구의 최종 목표는 전 세계적인 화학물질 규제 강화 흐름에 발맞추어, 인공지능 기술을 활용한 고정밀 유전독성 예측 모델을 구축하고 이를 통해 실질적인 규제 사각지대를 해소하는 지능형 안전 관리 플랫폼을 완성하는 것이다. 기존의 유전독성 평가는 데이터 확보가 용이한 Ames 시험(복귀돌연변이 시험)에 지나치게 의존해 왔으나, 이는 유전독성의 복합적인 기전...
... 빅데이터의 체계적 통합부터 멀티태스크 학습 기반의 고도화된 예측 알고리즘 설계, 그리고 규제 사각지대 해소를 위한 설명 가능한 AI(XAI) 기술의 적용까지를 포괄한다. 이는 단순한 소프트웨어 개발을 넘어, 화학물질 안전성 평가의 신뢰성을 인공지능 기술로 입증하는 종합적인 연구 공정을 포함한다.첫째, 신뢰도 높은 유전독성 통합 데이터베이스(DB)를 구축한다. 유럽 화학물질청(ECHA)의 ...
본 연구개발성과의 활용계획 및 기대효과는 기술적 고도화와 실질적인 규제 대응 역량 강화를 중심으로 상호 유기적인 선순환 체계를 구축하는 데 초점을 맞춘다.우선 연구를 통해 도출된 멀티태스크 기반 유전독성 예측 플랫폼은 REACH 규제 대응을 위한 선제적 스크리닝 도구로서 산업 현장에 즉각 투입된다. 연간 1~10톤의 저톤량 물질을 취급하는 기업들은 고비용의...