Plants synthesize antioxidant compounds as a defense mechanism against reactive oxygen species. Recently, plant-derived antioxidant compounds have attracted attention due to the increasing consumer awareness in the heath industry. However, traditional methods for measuring the antioxidant activity of these compounds are time-consuming and costly. Therefore, our study constructed a quantitative structure-activity relationship (QSAR) model that can predict antioxidant activity using graph convolutional networks (GCN) from plant structural data. The accuracy (Acc) of the model reached 0.6 and the loss reached 0.03. Although with lower accuracy than previously reported QSAR models, our model showed the possibility of predicting DPPH antioxidant activity in a wide range of plant compounds (phenolics, polyphenols, vitamins, etc.) based on their graph structure.

Imidazolium group을 도입한 Poly (ether ether ketone)(PEEK)를 합성하였다. 합성된 고분자를 필름으로 제조해 기체 특성평가를 진행하였다. 결과로 Diffusivity, Solubility, Permeability를 구하였다. 실험을 통해 얻은 결과 값들을 이론상의 결과와 비교하기 위하여 Molecular Dynamics simulation을 다루어 비교 분석을 하였다. 본 실험에서는 MD simulation을 이용해 이미다졸 그룹이 도 입된 3가지 다른 구조의 PEEK cell을 modeling하는 작업을 중심적으로 나타내었다.

Imidazolium group을 도입한 Poly (ether ether ketone)(PEEK)를 합성하였다. 합성된 고분자를 필름으로 제조해 기체 특성평가를 진행하였다. 결과로 Diffusivity, Solubility, Permeability를 구하였다. 실험을 통해 얻은 결과 값들을 이론상의 결과와 비교하기 위하여 Molecular Dynamics simulation을 다루어 비교 분석을 하였다. 본 실험에서는 MD simulation을 이용해 cell을 modeling하는 작업을 중심적으로 나타내었다.