모기 매개 감염병은 전 세계적으로 매년 700,000명 이상의 사망자를 발생시킵니다. 기존 화학 살충제의 장기적인 사용은 심각한 저항성 문제를 유발하였으며, 이에 따라 새롭고 매우 효과적이며 생태학적으로 지속 가능한 대안을 개발해야 할 시급한 필요성이 생겨났습니다. 이 분야의 기존 인공지능 (AI) 접근 방식은 주로 활성 예측 (activity prediction) 및 분류 (classification)에 집중해 왔으나, 새로운 분자 골격 (molecular scaffolds)을 생성하는 데노보 (de novo) 생성 측면에서는 중요한 공백을 남겨두고 있습니다. 본 연구에서는 모기 살충제로서 이황화 결합 (disulfide)을 포함하는 알리신 (allicin) 유도체 설계를 위해 특화된, 사전 학습된 분자 표현 모델인 Uni-Mol과 변이형 오토인코더 (VAE)를 결합한 모티프 인식 생성 협업 프레임워크인 Mos-Gen을 제안합니다. 생성된 후보 물질 중 9개의 예측 양성 (predicted positives) 및 5개의 예측 음성 (predicted negatives)을 포함한 총 14개의 화합물이 화학적 합성 및 실험적 검증을 위해 선정되었습니다. 예측 양성 물질 중 적중률 (hit rate)은 78%에 달했으며, 반면 예측 음성 물질 중에서는 모기 살충 활성을 보이는 물질이 없었습니다. 이러한 실험 결과는 Mos-Gen 프레임워크의 고정밀 스크리닝 (screening) 능력을 완벽하게 입증하였습니다.