BAAR3-drug-dti

🌐 Official Website: https://baar.uk/model/
📄 License: Proprietary Paid License (Paid License Required for Both Research & Commercial Use)

---

📌 Model Overview (모델 개요)

BAAR3-drug-dti is an ultra-high-throughput, edge-deployable AI drug discovery engine engineered for real-time Drug-Target Interaction (DTI) and binding affinity ($pK_d$) prediction. Validated rigorously on the official Harvard Dataverse / TDC Davis Kinome Benchmark (30,000+ experimental pairs), it integrates Multi-Scale BioInception, Gated Attention Units (GAU), and Pocket Cross-Attention Fusion into a sub-million parameter architecture (~0.90M params). It delivers industry-leading screening speeds (>3,300 molecules/sec) on standard hardware and browsers with zero-copy binary execution.

BAAR3-drug-dti는 하버드 대학교 TDC Davis Kinome 공식 벤치마크(30,000+ 실제 실험쌍)로 검증된 초고속 엣지 구동형 약물-표적 상호작용(DTI) 및 결합 친화도($pK_d$) 예측 AI 엔진입니다. 거대 Bio-LLM 수준의 장거리 결합 상호작용 포착 능력을 0.9M 초경량 파라미터에 집약하여, 기존 딥러닝 기반 신약 모델 대비 **최대 300배 빠른 속도(초당 3,300개 이상 분자 스크리닝)**로 유효 결합 후보 물질을 실시간 선별합니다.

🧬 Core Screening Capabilities (주요 핵심 역량)

• 정밀 결합 친화도 예측 ($pK_d$): 저분자 화합물(SMILES)과 표적 키나아제(Amino Acid) 서열 간 결합력($pK_d = -\log_{10} K_d$)을 소수점 단위로 정밀 회귀 추론
• 유효 바인더 이진 선별 ($K_d \le 100\text{nM}$): 활성 약물 기준치($pK_d \ge 7.0$)를 충족하는 유효 결합 선도물질(Lead Compound)을 높은 신뢰도(AUC 0.90+)로 분류
• 서열 순위 보존 랭킹 (Concordance Index): 화합물 라이브러리 내 우선순위 랭킹을 정확하게 보존(CI 0.89+)하여 실험실 합성(Wet-lab) 검증 비용 대폭 절감
• 무서버(Serverless) 브라우저 스크리닝: ONNX 및 .baar3 Direct-mmap 엔진을 통해 고가 GPU 인프라 없이 일반 랩톱 브라우저(WebGPU/WASM)에서 즉시 가상 스크리닝 수행

---

📊 Live Kinome Benchmark & Throughput (실전 벤치마크 및 속도 비교)

하버드 TDC Davis Kinome 벤치마크 테스트셋 및 공인 베이스라인 모델과의 정량적 실측 비교 결과입니다.

Model	Architecture Type	Parameters	Concordance Index (CI) ↑	Affinity RMSE ↓	Screening Speed (Throughput)	BAAR-Drug Speed Advantage
Bio-LLM (ESM-2 + Chem)	Pretrained Bio-LLM	~150M+	0.905	0.435	~11 mol/s	300.0배 빠름
GraphDTA (Nguyen et al.)	Molecular GNN + CNN	~1.5M	0.892	0.478	~80 mol/s	41.3배 빠름
MolTrans (Huang et al.)	Substructure Transformer	~5.0M	0.890	0.473	~125 mol/s	26.4배 빠름
DeepDTA (Öztürk et al.)	Standard 1D-CNN	~0.8M	0.878	0.511	~280 mol/s	11.8배 빠름
BAAR3-drug-dti (Ours)	BioInception + GAU + Cross-Attn	~0.90M	0.889 ~ 0.894	0.462 ~ 0.485	> 3,300 mol/s	기준 엔진 (1.0x)

※ 실측 처리량(Throughput)은 단일 워크스테이션 환경에서 동일 배치 크기로 측정한 초당 분자-표적 결합 평가 건수입니다.

---

📦 Deployment Artifacts (배포 아티팩트 규격)

1. model_dti_fp16.baar3: Zero-Copy 메모리 매핑 기반 고속 추론 커널 (1.8 MiB)
2. model_dti_q8.baar3: 모바일/엣지 초저용량 8비트 대칭 양자화 바이너리 (0.86 MiB)
3. model_dti.onnx: 웹 브라우저(WASM/WebGPU) 및 백엔드 통합용 ONNX 런타임 그래프
4. model.safetensors: PyTorch 표준 가중치 파일
5. vocab.json: 20개 아미노산 및 분자 SMILES 토큰 인덱스 사전
6. dti_test_evaluation_report.png: Parity Plot, Residuals, ROC-PR Curve, Throughput 4패널 종합 학술 검증 리포트

---

📄 License & Commercial Terms (엄격한 전면 유료 라이선스 정책)

⚠️ 본 모델은 학술 연구와 상업적 이용 모두 유료 라이선스 계약 체결이 필수적인 전면 유료(Proprietary Paid) 모델입니다.

1. Mandatory Paid License (연구·학술 목적을 포함한 전면 유료 계약 필수)

• No Free Usage (무료 이용 불가):
  This model is proprietary technology. Free use is strictly NOT permitted for any purpose, including non-commercial academic research, university studies, educational evaluations, or non-profit projects.
  본 모델은 독점 기술 자산으로, 비영리 학술 연구, 대학 및 교육 기관의 시험 평가, 논문 작성, 연구소 프로젝트를 포함한 일체의 무료 이용이 엄격히 금지됩니다.
• Academic Research License (연구용 유료 라이선스):
  Academic institutions, laboratories, and researchers must purchase an official Academic Research License prior to downloading, reproducing, fine-tuning, or executing this model.
  대학 연구소, 학술 단체 및 개인 연구자가 본 모델을 다운로드, 재현, 파인튜닝, 가상 스크리닝 연구에 사용하고자 하는 경우에도 반드시 사전에 연구용 유료 라이선스를 발급받으셔야 합니다.

2. Commercial Enterprise Licensing (기업 상용화 및 신약 파이프라인 도입)

• Biotech & Pharma Deployment (제약·바이오 기업 도입):
  Any pharmaceutical company, biotech startup, CRO, or commercial entity integrating this model into virtual screening pipelines, drug candidate discovery, or commercial APIs must acquire an Enterprise Commercial License.
  신약 개발 파이프라인, 가상 스크리닝 솔루션, 유료 API 서비스 및 플랫폼에 본 엔진을 탑재하고자 하는 기업은 기업용 상용 라이선스를 체결해야 합니다.
  • 라이선스 견적 및 라이선스 발급 문의 (License Inquiries): admin@099.kr
  • 공식 웹사이트 (Official Website): https://baar.uk/model/

---

⚠️ Operational Notes (가상 스크리닝 파이프라인 가이드)

• Hierarchical Screening Cascade (단계적 스크리닝 권장):
  수백만 개 이상의 대규모 화합물 라이브러리(ZINC, Enamine 등) 탐색 시, 1차로 본 초고속 엔진(BAAR3-drug-dti)을 통해 상위 1%의 유효 결합 후보(pKd ≥ 7.0)를 초단시간에 필터링한 후, 2차 정밀 분자 도킹(AutoDock/Schrödinger)으로 연계하는 계층적 파이프라인 구성을 적극 권장합니다.
• Sequence Length Truncation (입력 규격):
  단백질 서열 최대 600 아미노산, 약물 SMILES 최대 120자로 사전 토크나이징되어 연산 효율을 극대화합니다.
• Client-Side Screening (보안 강화):
  동봉된 ONNX 및 .baar3 포맷을 활용하면, 비공개 후보 물질 SMILES 데이터를 외부 클라우드로 전송하지 않고 사내 로컬 브라우저나 독립된 보안 엣지 환경에서 안전하게 스크리닝할 수 있습니다.

---

💼 Opportunities & Contact (채용 제안 및 기술 협력)

This project demonstrates practical competency in designing ultra-lightweight bioinformatics neural architectures, high-throughput in silico virtual screening pipelines, and hardware-optimized zero-copy deployment formats (.baar3, ONNX).

I am actively seeking AI Engineering / Computational Biology Research opportunities, senior recruitment offers, and technical partnerships.

• 공식 웹사이트 (Official Website): https://baar.uk/model/
• 연구 및 기업 유료 라이선스 문의 (Paid Licensing): admin@099.kr
• 채용 및 포지션 제안 (Recruitment & Hiring): admin@099.kr
• 신약 AI 공동 연구 및 기술 제휴 (Partnerships): admin@099.kr

수억 원대의 클라우드 GPU 인프라 없이도 일반 엣지 및 브라우저에서 초당 수천 개의 약물-단백질 결합을 실시간 판별하는 초경량·고효율 바이오 AI 아키텍처를 직접 설계하고 최적화 배포하는 AI 엔지니어입니다. 정규직 포지션 제안 및 라이선스 도입 논의를 환영합니다.