이전 사이트 이동

이 프로젝트는 화합물 독성 예측을 위한 서로 다른 여섯 개의 딥러닝 아키텍처(SE-MTDNN, ToxKG-GPS, SSL-GCN, Chemprop, GROVER, FP-GNN)를 독립 실행 가능한 오프라인 Docker 소프트웨어로 패키징합니다. 각 모델은 공개된 구현체를 도입했거나 논문을 바탕으로 재현한 것으로, MoleculeNet의 Tox21·ClinTox·ToxCast 벤치마크로 학습 또는 파인튜닝되어 화합물의 SMILES 구조로부터 최대 631개 엔드포인트에 대한 독성 여부를 예측합니다. 여섯 모델 모두 동일한 인터페이스를 제공합니다. Docker 이미지를 로드하는 데 별도의 서버나 개발 환경이 필요 없고, CLI 명령 한 줄로 엔드포인트별 독성 확률·이진 예측·신뢰도를 반환합니다. 아키텍처가 서로 다른 여섯 개 모델을 하나의 일관된 배포 인터페이스로 통합함으로써, 독립적으로 개발된 여러 독성예측 기법을 직접 비교하고 상호교체하며 사용할 수 있습니다.