AI 모델 및 플랫폼
인공지능을 이용한 섬유화 질환 치료 약물 분자 개발
Unite.AI를 Google의 선호 소스에 추가
새로운 의약품을 개발하는 과정은 복잡하며 수년의 연구와 수십억 달러의 비용이 소요될 수 있습니다. 그러나 이것은 사람들의 건강을 위해 중요한 투자입니다. 인공지능은 최근의 인실리코 메디신(Insilico Medicine) 스타트업의 연구가 진행 중인 바와 같이, 새로운 약물의 발견을 더 쉽고 빠르게 만들 수 있습니다. SingularityHub에 따르면, 이 인공지능 스타트업은 최근에 인공지능을 이용하여 섬유화 질환을 치료할 수 있는 분자를 설계했습니다.
새로운 약물 분자를 발견하는 과정은 매우 복잡하고 시간이 많이 소요되므로, 과학자와 엔지니어들은 이 과정을 가속화하는 방법을 끊임없이 찾고 있습니다. 컴퓨터를 이용하여 새로운 약물을 발견하는 개념은 새로운 것이 아니며, 수십 년 전부터 존재해 왔습니다. 그러나 이 분야의 진보는 느렸으며, 엔지니어들은 약물 생성을 위한 적절한 알고리즘을 찾는 데 어려움을 겪었습니다.
딥 러닝(deep learning)은 인공지능 기반 약물 발견을 더 실현 가능하게 만들기 시작했습니다. 최근 몇 년 동안 제약 회사들은 인공지능 스타트업에大量으로 투자했습니다. 한 회사에서는 인공지능을 이용하여 섬유화 질환을 치료할 수 있는 분자를 설계했으며, 이는 46일 만에 이루어졌습니다. 인실리코 메디신은 이를 위해 두 가지의 딥 러닝 기술을 결합했습니다. 즉, 강화 학습(reinforcement learning)과 적대적 생성 네트워크(generative adversarial networks, GANs)입니다.
강화 학습은 기계 학습 방법 중 하나로, 기계 학습 모델이 특정 결정들을 내리도록 유도합니다. 모델은 원하는 반응을 유도하기 위해 네트워크에 피드백을 제공합니다. 모델은 원치 않는 선택을 하면 처벌을 받고, 원하는 선택을 하면 보상을 받습니다. 이러한 양의 강화와 음의 강화의 조합을 통해 모델은 원하는 결정들을 내리도록 유도됩니다.
한편, 적대적 생성 네트워크는 두 개의 서로 다른 신경 네트워크로 구성되며, 이들은 서로 경쟁합니다. 두 네트워크는 객체를 생성하고, 이를 실제 객체와 구별하기 어렵도록 만듭니다. 한 네트워크는 가짜 객체를 생성하며, 다른 네트워크는 가짜 객체를 감지합니다. 두 네트워크는 서로를超过하려고 노력하며, 이는 가짜 모델이 실제 객체와 거의 구별할 수 없도록 만듭니다.
강화 학습과 GANs 알고리즘을 결합함으로써, 연구자들은 이미 존재하는 치료 약물과 매우 유사한 새로운 약물 분자를 생성할 수 있었습니다.
인실리코 메디신의 인공지능 약물 발견 실험의 결과는 최근에 네이처 바이오테크놀로지 저널에 발표되었습니다. 연구자들은 딥 러닝 모델을 어떻게 훈련했는지에 대해 논의합니다. 연구자들은 이미 존재하는 약물의 분자 표현을 사용하여 단백질과 관련된 특발성 폐섬유화증(idiopathic pulmonary fibrosis, IPF)을 다루기 위해 훈련했습니다. 이러한 분자들은 훈련의 기초가 되며, 결합된 모델은 약 30,000개의 가능한 약물 분자를 생성할 수 있었습니다.
연구자들은 30,000개의 후보 약물 분자 중에서 6개의 가장 유망한 분자를 선정하여 실험실에서 테스트했습니다. 이러한 6개의 최종 후보는 IPF 단백질을 표적으로 하는 능력을 테스트하기 위해 일련의 실험에 사용되었습니다. 하나의 분자 특히는 약물의 결과가 바람직한 결과를 나타냅니다.
이것은 이미 섬유화 질환을 치료하는 효과적인 약물이 존재한다는 점을 주목할 필요가 있습니다. 연구자들은 이러한 약물에 대한 데이터를 참조할 수 있었으며, 이는 연구 팀에게 모델을 훈련시키는 데 큰 도움이 되었습니다. 그러나 많은 다른 질병은 이러한 데이터가 부족하여 치료를 개발하는 데 더 큰 격차를 초래합니다.
또한 중요한 사실은 bahwa 현재 약물 개발 모델은 초기 발견 과정만 다루며, 모델에 의해 생성된 분자는 임상 시험을 위해 사용되기 전에 많은 수정과 최적화가 필요하다는 것입니다.
와이어드에 따르면, 인실리코 메디신의 CEO 알렉스 자르보르노코프(Alex Zhavoronkov)는 인공지능 기반 약물이 아직 실전에서 사용할 수준은 아니며, 현재의 연구는 개념 증명에 불과하다고 말합니다. 이 실험의 목표는 인공지능 시스템의 도움으로 약물을 얼마나 빠르게 설계할 수 있는지 확인하는 것이었습니다. 그러나 자르보르노코프는 연구자들이 정상적인 약물 발견 방법을 사용하는 것보다 훨씬 더 빠르게 유용한 분자를 설계할 수 있었다고 말합니다.
이러한 제한에도 불구하고, 인실리코 메디신의 연구는 새로운 약물 개발을 위한 인공지능 사용에서 주목할 만한 발전을 나타냅니다. 연구에서 사용된 기술의 개선은 새로운 약물 개발에 필요한 시간을 크게 단축할 수 있습니다. 이는 항생제 내성 세균이 증가하고 이전에 효과적인 많은 약물이 효과를 잃는 시대에 특히 유용할 수 있습니다.
