FAQ

A: 주요 평가 지표로 정확도(Accuracy), 민감도(Sensitivity), 특이도(Specificity), F1-score를 사용했습니다.

A: 12 개월마다  필요시 새로운 독성 데이터를 수집하여 모델을 재학습할 예정입니다. 증분 학습(Incremental Learning) 방식을 적용하여 기존 모델의 성능을 유지하면서 새로운 정보를 효과적으로 반영할 계획입니다.

A: S9 fraction의 존재 여부에 따라 화학물질의 대사 활성화가 달라질 수 있어 독성 프로파일이 다르게 나타날 수 있습니다. 따라서 두 조건을 분리하여 예측함으로써 더 정확한 유전독성 평가가 가능합니다.

A: PubChem, ISSTOX, ECHA를 선택한 이유는 각각 광범위한 화학물질 정보, 독성 특화 데이터, 규제 관련 데이터를 제공하기 때문입니다. 이를 통해 다양한 관점의 데이터를 확보하여 모델의 신뢰성을 높였습니다.

A: in vitro CA(염색체이상시험)와 in vivo MN(소핵시험)은 서로 다른 유전독성 메커니즘을 평가합니다. 두 테스트를 모두 포함함으로써 염색체 수준과 유전자 수준의 손상을 종합적으로 예측할 수 있습니다.