최종 프로젝트 24일차: [14] Verified Hotspot 심층 분석

프로젝트 5주차 타임라인 (Fri Jan 30 2026)

---

[14] Verified Hotspot 심층 분석

Verified Hotsphot 조건: 

1. 해당 잔기를 바꾸면 예측 점수가 크게 감소는 위치로 AI Mutation Sensitivity가 높음

2. 물리적으로 표면 노출 가능성이 커 Hydrophobicity가 낮음

#1 AI Mutation Sensitivity

     원리: 일종의 in silico alanine scanning으로 모델 내부를 직접 들여다보지 않고도 어떤 잔기가 예측에 민감한지 추정

     방법: Epitope 서열의 각 잔기를 하나씩 변이 (e.g. Alanine 또는 Glycine으로 치환) → 변이 전후의 Final Score 차이 계산

     해석: Δscore가 클수록 해당 잔기가 epitope 예측에 크게 기여했다고 해석하지만 실제 결합에 유리한 잔기인지 알 수 없음

#2 Hydrophobicity

     방법: 잔기별 hydrophobicity를 간접 지표로 사용해 물리화학적 성질 예측

     해석: 친수성 잔기 (낮은 hydrophobicity)→ 단백질 표면에 노출될 가능성이 큼

             소수성 잔기 (높은 hydrophobicity)→ 내부에 묻혀 있을 가능성이 높음

ProtT5 기반 실험 결과 분석 대시보드 (Verified Hotspot 심층 분석)

Note
모델 점수를 잔기 단위로 분해하고 물리적 성질과 결합해 해석함으로써 AI 예측 결과를 실험적으로 설명 가능한 형태로 바꿈
기존 데이터와 신규 항원 예측에 동일한 분석 방법을 사용해 모델이 다르고 데이터가 달라도 epitope의 hotspot 패턴을 비교할 수 있음

 

---

문제 설명

solution.py

#131 가로, 세로 길이가 n인 정사각형으로된 체스판이 있습니다. 체스판 위의 n개의 퀸이 서로를 공격할 수 없도록 배치하고 싶습니다. 예를 들어서 n이 4인경우 다음과 같이 퀸을 배치하면 n개의 퀸은 서로를 한번에 공격 할 수 없습니다. 체스판의 가로 세로의 세로의 길이 n이 매개변수로 주어질 때, n개의 퀸이 조건에 만족 하도록 배치할 수 있는 방법의 수를 return하는 solution함수를 완성해주세요.

ans, num = 0, 0 chkX = [False for i in range(32)] chkCross1 = [False for i in range(32)] chkCross2 = [False for i in range(32)] def nq(y, n):      global ans      x = 0      if y > n:           ans+=1      for x in range(1, n+1):           if chkX[x] or chkCross1[y + x] or chkCross2[(y - x) + n]:                continue           chkX[x] = True           chkCross1[y + x] = True           chkCross2[(y - x) + n] = True           nq(y + 1, n)           chkX[x] = False           chkCross1[y + x] = False           chkCross2[(y - x) + n] = False def solution(n):      nq(1, n)      return ans