인공지능 기반 의학 혁신: 새로운 약물 발견을 위한 인공지능 활용

약물 발견은 긴 기간과 높은 비용으로 인해 “벤치에서 침대까지”라고 알려져 있습니다. 약물을 시장에 출시하는 데 약 11년에서 16년이 걸리고, 약 10억 달러에서 20억 달러의 비용이 듭니다. 그러나现在 인공지능은 약물 개발을 혁신시키고 있으며, 더 빠른 속도와 수익성을 제공하고 있습니다.

의료 분야에서 인공지능은 우리의 접근 방식과 전략을 변革시키고 있습니다. 연구자들은 질병 경로의 복잡성을 줄이고 생물학적 표적을 식별하는 데 도움을 받았습니다.

인공지능이 약물 발견에 미치는 잠재적인 영향을 더 깊이 살펴보겠습니다.

인공지능의 역할 이해: 약물 발견을 위한 인공지능 활용

인공지능은大量의 데이터를 분석하고 복잡한 예측을 수행하는 능력으로 약물 발견 과정을 다양한 단계에서 강화했습니다. 다음과 같이 인공지능은 약물 발견에 활용되고 있습니다:

1. 표적 식별

표적 식별은 약물 발견의 첫 번째 단계로, 질병에 대항하여 치료 효과를 나타낼 수 있는 단백질, 효소, 수용체 등과 같은 분자实体를 식별하는 과정입니다.

인공지능은 임상 데이터베이스를 활용하여 표적 식별에 필요한 정보를 제공할 수 있습니다. 이러한 데이터 소스는 생물의학 연구, 생물 분자 정보, 임상 시험 데이터, 단백질 구조 등 다양한 정보를 포함합니다.

인공지능 모델과 생물학적 기법을 결합하여 연구자들은 복잡한 생물학적 질병을 이해하고 약물 후보의 생물학적 표적을 식별할 수 있습니다. 예를 들어, 연구자들은 새로운 항암 표적을 식별하기 위한 다양한 인공지능 기법을 개발했습니다.

2. 표적 선택

인공지능은 연구자들이 질병과의 상관관계와 예측된 치료 효능에 따라 약물 표적을 선택하는 데 도움을 줄 수 있습니다. 강력한 패턴 인식 능력으로 인공지능은 이전에 발표된 특허에 언급되지 않은 완전히 새로운 표적을 선택할 수 있습니다.

3. 약물 우선순위

이 단계에서 인공지능은 리드 약물 후보를 평가하고 평가하여 개발을 진행하기 위한 우선순위를 정합니다. 이전의 순위 지정 기법에 비해 인공지능 기반 접근 방식은 가장 유망한 후보를 식별하는 데 더 효과적입니다. 예를 들어, 연구자들은 알츠하이머병에 대한 새로운 약물 개발을 위한 Deep Learning 기반 계산 프레임워크를 개발했습니다.

4. 화합물 스크리닝

인공지능 모델은 화합물의 화학적 특성과 생물학적 활성을 예측하고 부작용에 대한 정보를 제공할 수 있습니다. 이전 연구와 데이터베이스에서 데이터를 분석하여 특정 화합물과 관련된 잠재적인 위험 또는 부작용을 식별할 수 있습니다. 예를 들어, 연구자들은 대규모 화합물 탐색을 가속화하기 위해 화학 라이브러리에서 수십억 개의 분子的 스크리닝을 위한 Deep Learning 도구를 개발했습니다.

5. De Novo 약물 설계

대규모 화합물 컬렉션의 수동 스크리닝은 약물 발견에서 전통적인 관행입니다. 인공지능을 사용하면 연구자들은 이전 정보가 있는 경우나 없는 경우에 새로운 화합물을 스크리닝할 수 있으며, 발견된 약물의 최종 3D 구조를 예측할 수 있습니다. 예를 들어, DeepMind에서 개발한 AlphaFold는 단백질 구조를 예측할 수 있는 인공지능 시스템입니다. 이는 약물 설계 과정을 가속화하는 데 도움이 됩니다.

5개의 성공적인 인공지능 기반 약물 발견 사례

1) Abaucin

항생제는 세균을 죽입니다. 그러나 새로운 약물의 부족과 세균의 빠른 진화로 인해 세균은 점점 더 어려워지게 됩니다. Abaucin은 인공지능으로 개발된 강력한 실험용 항생제로, 가장 위험한 슈퍼박테리아 중 하나인 Acinetobacter baumannii를 죽이는 데 설계되었습니다.

연구자들은 먼저 수천 가지 약물을 테스트하여 세균에 대한 효과를 확인했습니다. 그런 다음 이 정보를 사용하여 인공지능을 훈련시켜 효과적으로 치료할 수 있는 약물을 개발했습니다.

2) Insilico Medicine의 Target X

Insilico Medicine는 생성적 인공지능 플랫폼을 사용하여 Target X라는 약물을 개발했습니다. 이는 현재 1상 임상 시험을 진행 중입니다. Target X는 노인에서 치료하지 않으면 폐가 경직되는 질병인 특발성 폐섬유증을 치료하기 위한 것입니다.

3) Verge Genomics의 VRG50635

Verge Genomics는 인공지능 약물 발견 회사로, CONVERGE 플랫폼을 사용하여 ALS 치료를 위한 새로운 화합물 VRG-50635를 발견했습니다. 이를 위해 인간 데이터 포인트를 분석하여 뇌와 척수 조직의 정보를 포함한 신경 퇴행성 질환에 대한 정보를 수집했습니다.

플랫폼은 먼저 PIKfyve 효소를 ALS의 가능한 표적으로 식별했습니다. 그런 다음 VRG50635를 PIKfyve의 유망한 억제제로 제안하여 ALS 치료를 위한 잠재적인 약물 후보가 되었습니다. 이 과정은 약 4년이 걸렸으며, 현재 후보자는 1상 임상 시험을 진행 중입니다.

4) Exscientia-A2a 수용체

Exscientia는 의료 기술 회사로, 면역 암 치료를 위한 최초의 인공지능 설계 분자를 개발했습니다. 이는 인체 임상 시험을 진행 중입니다. 이는 A2a 수용체를 타겟으로 하여 항종양 활성을 촉진하는 동시에 신체와 뇌에 대한 부작용을 최소화하는 능력이 있습니다.

생성적 인공지능을 사용하여 다양한 질병을 타겟으로 하는 다른 화합물을 개발했습니다.

• 전사적으로 중독된 암을 CDK7 억제제를 타겟으로 하여
• PKC-세타 효소를 타겟으로 하여 염증성 질환
• LSD1 조절자를 타겟으로 하여 혈액학 및 종양학 질환

5) Absci의 제로샷 생성적 인공지능을 사용한 De Novo 항체

Absci는 생성적 인공지능 약물 발견 회사로, 컴퓨터 시뮬레이션을 통해 제로샷 생성적 인공지능을 사용하여 De Novo 항체를 개발했습니다. 제로샷 학습은 인공지능 모델이 훈련 단계에서 현재 입력 정보에 대해 명시적으로 테스트되지 않았음을 의미합니다. 따라서 이 과정은 독창적인 항체 설계를 생성할 수 있습니다.

인공지능을 사용한 De Novo 치료 항체는 새로운 약물 리드를 개발하는 시간을 6년에서 18~24개월로 단축하고, 임상에서 성공할 가능성을 높입니다. 회사의 기술은 매주 300만 개의 AI 생성 디자인을 테스트하고 검증할 수 있습니다. 이는 모든 환자에게 즉시 새로운 치료법을 제공할 수 있는 중요한 산업적 변화를 의미합니다.

인공지능과 약물 발견의 미래는 무엇을 담고 있을까요?

의료 분야의 다른 응용 분야 외에 인공지능은 약물 발견 과정을 더 빠르고 지능적으로 만들고 있으며,大量의 데이터를 분석하고 약물 표적과 후보를 예측하는 데 도움을 주고 있습니다. 생성적 인공지능을 사용하여 바이오 기술 회사들은 환자 반응 마커를 식별하고 빠르게 개인화된 치료 계획을 개발할 수 있습니다.

보고서에 따르면, 곧 더 많은 의료 기술 회사가 초기 약물 발견에 인공지능과 기계 학습을 통합할 것입니다. 이는 10년 내에 500억 달러의 시장을 창출하여 약물 발견에 인공지능의 성장 잠재력을 크게 높일 것입니다. 인공지능은 약물 발견의 전체 비용을 줄이고, 더 많은 새로운 약물을 더 빠르게 환자에게 제공하는 데 도움이 될 것입니다.

인공지능에 대해 더 알고 싶으시면, unite.ai를 방문하세요.