약물 발견과 후보물질 최적화는 약품 개발의 첫 번째 단계이다. 그리고 약물-단백질의 결합 친화도(drug target affinity, DTA)를 예측하는 것은 생화학과 구조 생물학, 인공지능 분야에서도 중요한 문제이다. 신약 개발에서 발생하는 약물과 단백질의 유사도 기반 상호작용 데이터는 정방 형태가 아닌 경우가 더 많아 합성곱 신경망(CNN)을 적용하면 예측률이 급격히 떨어질 수 있다.
본 연구에서는 이차계획법(quadratic programming)을 이용한 합성곱 신경망 앙상블 학습을 제안한다. 그리고 데이터 증대(augmentation)를 이용하는 자기지도학습(self-supervised learning)과 준지도학습(semi-supervised learning)을 제안한다. Davis 데이터를 이용해 실험한 결과 MSE를 포함한 4개의 지표 모두에서 제안된 자기지도학습 모델이 다른 학습 방법보다 결합 친화력 예측에 더 우수한 성능을 보였다.