Deep Learning-Based Drug Classification Model Using Genetically Engineered Drosophila Videos

Abstract

Drug-related issues are a serious global concern. However, the means available for drug detection are limited in comparison. Drosophila's olfactory receptors, with their simple structure, have potential for new applications. Recent research has produced genetically engineered drosophila that specifically reactive to benzaldehyde, a main component of philopon. In this study, by utilizing the reactions of genetically engineered fly, we developed a new drug detection system. To compare the responses of OR7a-forward and while flies, FlySORT was developed to track flies in videos, revealing the differences in their reactions to specific odor. Furthermore, A drug classification model was developed using the C3D, a CNN-based architecture designed for video recognition tasks. This model was applied to video data that recorded the clustering behavior of flies in response to various odors, enabling the classification of different drug scents based on the observed behavioral patterns of the flies. Using video data capturing the Drosophila's olfactory reactions as an input to this model, we aimed to classify the three classes: Dipropylene glycol, which is odorless, isoamyl acetate, the main component of vinegar, and benzaldehyde. Since white flies exhibit a unique circling behavior in response to Benzaldehyde, videos of white flies and genetically engineered flies were concatenated and used as input to utilize this behavior. Our C3D-based approach achieved an accuracy rate of 0.9770, outperforming the machine learning model and Transformer-based model. This result demonstrates the potential of using combination of genetically modified flies and Deep Learning as a new means for drug detection.|최근 마약 문제는 전세계적으로 심각하게 대두되고 있고, 국내에서도 적발되는 마약양이 점점 증가하고 있다. 그러나 마약 탐지 수단은 여전히 제한적인데, 마약 탐지견은 훈련과 유지에 많은 비용이 필요하며 하루에 1시간 이하로만 탐지에 활용 가능하다. 따라서 본 연구에서는 최근 연구된 유전자 변형 초파리, 특히 마약 중 하나인 필로폰의 성분 벤잘데하이드에 반응하는 유전자 조작된 초파리인 OR7a-forward 초파리를 이용하여 새로운 약물 탐지 시스템을 개발하였다. OR7a-forward 초파리와 야생 초파리의 반응을 비교하고자 FlySORT를 개발하여 동영상에서 초파리를 추적해 두 초파리의 특정 냄새에 대한 반응 차이를 보였고, 다양한 냄새에 따른 초파리들의 군집행동을 녹화한 비디오 데이터를 비디오 인식 테스크를 위해 설계된 CNN 기반 모델인 Convolutional 3D(C3D)를 적용하였다. 이를 통해 무취인 디프로필렌 글리콜, 식초의 주성분인 아이소밀아세테이트, 그리고 벤잘데하이드의 세 가지 클래스를 분류하는 테스크를 수행하였다. 특히, 벤잘데하이드 냄새를 맡으면 원을 돌며 빙빙 도는 독특한 행동을 보이는 야생 초파리 비디오와 OR7a-forward 초파리 비디오를 함께 입력으로 사용하여 성능을 높였다.이 C3D 기반 모델은 0.9770의 정확도를 달성하여, 기계 학습 모델인 KNN과 트랜스포머 기반 모델도 능가하였다. 이 결과는 유전자 변형 초파리와 딥러닝의 결합을 이용한 새로운 약물 탐지 수단으로서의 잠재력을 입증하였다.