새로운 기계 학습 접근법, 약물 설계를 가속화할 수 있다

剑桥 대학교의 연구팀이 개발한 새로운 기계 학습 접근법은 새로운 질병 치료법을 찾는 것을 가속화할 수 있다. 이 접근법은 “학습을 학습하는” 방식으로 현재의 기계 학습 방법보다 약물 설계에서 더 나은 성능을 보인다.

새로운 연구는 국립 과학 아카데미 회보에 발표되었다.

변형 기계 학습(Transformational Machine Learning, TML)이라고 불리는 이 접근법은 영국, 스웨덴, 인도, 네덜란드의 연구자들이 개발하였다.

TML vs. 전통적인 ML

TML 방법은 학습하면서 성능을 개선하고 여러 문제에서 학습할 수 있다. 또한 약물 설계에서 사용되는 기계 학습 시스템을 개선하여 새로운 약물의 식별과 생산을 가속화할 수 있다.

현재의 기계 학습 모델은 일반적으로 레이블이 붙은 예제를 사용하며, 이는 컴퓨터에서 내부 특성으로 표현된다. 이를 통해 컴퓨터는 특성과 레이블 사이의 일반적인 규칙을 형성할 수 있다.

로스 킹 교수는 케임브리지 대학교의 화학 공학과 생물 기술학과 교수이며, 이 연구를 주도하였다.

“이것은 아이에게 다른 동물을 가르치는 것과 같다: 이것은 토끼이고, 이것은 당나귀이다. 기계 학습 알고리즘에 토끼가 어떤 모습인지 가르친다면, 그것은 어떤 동물이 토끼인지 아닌지 구별할 수 있다. 이것이 대부분의 기계 학습이 작동하는 방식이다 – 한 번에 하나의 문제만 다룬다.”

人間의 학습은 다르다. 우리는 이전의 학습 경험으로 인해 학습 능력이 향상된다. 우리는 한 번에 하나의 문제만 다루지 않는다.

킹은 또한 앨런 튜링 연구소의 연구원이다.

“TML을 개발하기 위해, 우리는 이 접근법을 기계 학습에 적용하여 이전에遭遇한 문제에서 학습한 정보를 사용하여 새로운 문제를 더 잘 학습할 수 있는 시스템을 개발하였다. 일반적인 ML 시스템은 새로운 동물의 종류를 식별하는 것을 학습할 때 처음부터 시작해야 하지만, TML은 기존의 동물들과의 유사성을 사용할 수 있다: 새끼 고양이는 토끼와 비슷하지만, 토끼와 당나귀는 다르다. 이것이 TML을 더 강력한 기계 학습 접근법으로 만든다.”

방법 테스트

연구자들은 이 방법을 테스트하고 과학 및 공학 분야의 수천 개의 문제에서 그 효과를 입증하였다. 팀에 따르면, 이는 특히 약물 발견 분야에서 약물 분子的 특정 형태를 검색하는 대신 다른 약물 발견 문제와의 연결을 사용하여 약물 설계를 가속화할 수 있다.

일반적인 기계 학습 모델은 특정 형태의 약물 분자를 검색하지만, 새로운 TML 접근법은 약물과 다른 약물 발견 문제와의 연결을 사용한다.

“나는 그것이 얼마나 잘 작동하는지 놀랐다 – 우리가 알고 있는 약물 설계보다 더 좋다. 그것은 인간보다 약물을 선택하는 데 더 좋다 – 그리고 최고의 과학 없이, 우리는 최고의 결과를 얻지 못할 것이다.”