분자 설명자를 이용한 기계학습 기반의 농약 물성 예측 모델 개발

Abstract

본 연구는 분자 설명자를 이용하여 888개 농약에 대한 물성을 예측할 수 있는 6개의 기계학습 모델의 성능을 평가하였다. 농약 물성 데이터베이스로부터 확보한 로그 변환된 토양 유기탄소 분배계수와 분자 설명자 계산기로부터 산정된 690개의 분자 설명자는 기계학습 모델의 각각 종속 및 독립 변수로 사용되었다. 구축된 데이터 셋은 8:2의 비율로 계층적 샘플링을 통해 훈련 및 테스트 셋으로 분리되었다. 기계학습 모델의 성공에 중요한 역할을 하는 중요 변수는 필터 및 임베디드 방식의 조합을 통해 선정되었다. 또한, 기계학습 모델의 초매개변수 최적화는 무작위 검색을 통해 수행되었다. 평가 결과, 비록 변수 중요도는 개별 알고리즘별로 각각 상이하지만, 변수 중요도를 통해 결정된 SLogP, ZMIC1, FilterltLogS 등과 같은 상위에 도출된 변수들은 모델의 성능 향상에 중요하게 기여하는 것으로 평가되었다. 6개의 모델 중 랜덤 포레스트(RF) 모델은 R2와 같은 모든 평가 지표에서 가장 높은 예측 성능을 갖는 것으로 평가되었다. 또한, 초매개변수 조정을 통해서 동일한 모델 성능 평가 결과가 관측되었다. 개발된 RF 모델은 대략 5%에서 27%의 오차율을 갖는 EPI Suite의 KOCWIN 모델에 비해, 5개 평가 농약에 대해 약 1%에 이르는 낮은 오차율을 갖는 것으로 조사되었다. 분자 설명자를 기반으로 한 예측 모델 개발을 제안한 방법은 사용자가 기존 모델의 정확도를 향상하고 자체 알고리즘을 조정하는데 도움을 줄 수 있을 것으로 기대된다.