순서가 있습니다. 포털 넷(연구방·지식센터·커뮤니티·아카데미)을 먼저 담고,
SSRA 는 맨 나중에 담아 주세요. SSRA 를 먼저 담으면 나머지가 그 안에 포함된 것으로
잡혀 따로 담기지 않습니다. 아이콘도 담을 차례대로 놓았습니다 — 왼쪽부터 차례로 누르시면 됩니다.
실험실 조건을 반영한 하이브리드 그래프 신경망 앙상블을 활용한 크로마토그래피 유지시간 예측
Hybrid Graph Neural Network Ensemble with Stacked Meta-Learning for Laboratory-Conditioned Chromatographic Retention-Time Prediction
Shengnan Wang, Qi Zhang, Xucheng Liu 외 · The Journal of Physical Chemistry B · 2026년 · 조회 32
왜 이 논문인가 — 선정 기준
NEW PAPER · 최근 발표된 참신한 논문 — 게재일 기준 최신 + 정상 등재 저널
2026-10 발표 · 게재 1일차 · The Journal of Physical Chemistry B
NEW 슬롯: 2026년 최신 논문으로 실험실 조건을 고려한 새로운 하이브리드 앙상블과 메타‑학습 접근법이 독창성을 인정받아 선정되었다.
논문 요약
본 연구는 메타볼로믹스와 법과학 독성학에서 화합물 식별에 중요한 크로마토그래픽 유지시간(RT) 예측의 정확도를 높이고자 했다. 그래프 Attention Network, Graph Convolutional Network, 그리고 지문 신경망을 결합한 하이브리드 앙상블에 ExtraTrees 메타‑학습기와 실험실 별 임베딩을 추가하였다. 23개 실험실에서 수집한 3,776개의 구조‑실험실 관측치(1,357개의 InChIKey 그룹)를 활용해 3회 반복된 분자‑동일성 그룹 외부 검증에서 R²=0.977±0.002, MAE=0.360±0.016 분을 달성했으며, scaffold‑aware 검증에서도 R²=0.928±0.004를 기록하였다.
후속 연구설계에 활용하기
후속 연구에서는 실험실 임베딩을 다른 분석 예측(예: 질량 스펙트럼)에 적용하거나, 제시된 그룹별 검증 방식을 활용해 모델 일반화를 평가할 수 있다.
핵심어
그래프 신경망앙상블 학습유지시간 예측실험실 임베딩
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.