AI 신약개발에 대해 알고 싶은게 있습니다.
AI가 학습해서, 음악이나 영화 같은거 만드는건 이해가 되는데, 신약은 어떻게 만드나요? 약에 관해 학습해서 직접 연구를 하는건가요?
안녕하세요.
AI는 대규모의 유전적 및 단백질 관련 데이터베이스를 분석하여 특정 질병과 관련된 생물학적 타겟을 식별하고, 이들 타겟의 질병 연관성을 검증하는 데 중요한 역할을 합니다. 이 과정은 전통적인 실험 방법보다 훨씬 빠르게 수행될 수 있으며, 신약 개발의 초기 단계에서 막대한 시간 및 비용을 절약할 수 있습니다. 또한, 화학적 구조를 기반으로 한 수백만 개의 화합물을 빠르게 스크리닝하여 잠재적인 약물 후보를 선별합니다. 이 과정은 높은 처리 능력과 정교한 알고리즘을 필요로 하며, 후보 물질의 효능과 독성 프로필을 예측함으로써 신약 개발의 성공률을 높일 수 있습니다.안녕하세요. 황정웅 전문가입니다.
특정 AI는 단백질이나 DNA등의 생체분자들의 상호작용에 대해 학습합니다.
원소들이 결합하여 만들어지는 유기화학적 구조는 그 입체구조와 분자를 이루는 원소들에 따라 어느정도 패턴이 동일한 특정 화학 반응을 일으킵니다.
AI는 이것을 학습하여 분자들의 입체구조와 각 분자를 이루는 원자들의 종류에 따른 상호작용을 학습하고 이에 따라 특정 효과를 내는 분자구조를 예측할 수 있습니다.
이러한 분자언어 학습에 특화된 AI로는 로제타폴드와 구글의 알파폴드가 있습니다.
AI 신약 개발은 AI가 기존의 약물 데이터, 생물학적 데이터, 그리고 화학적 데이터를 학습해 새로운 약물을 설계하는 과정입니다. AI는 다양한 데이터베이스를 통해 약물의 구조와 효과, 부작용 등을 학습하고, 이를 바탕으로 새로운 화합물을 제안합니다. 이후 AI가 제안한 화합물은 실험을 통해 효과와 안전성을 검증받습니다. AI는 약물 후보 물질의 효능을 예측하고, 임상시험 설계를 최적화하는 데 도움을 줍니다. 결과적으로 AI는 신약 개발 시간을 단축하고 비용을 절감하는 역할을 합니다.
안녕하세요. 4차 산업혁명의 핵심 기술로 꼽히는 인공지능(이하, ‘AI’)이 빠른 속도로 발전하고 있습니다. ‘AI 신약 개발’은 임상 데이터와 신약 개발에 적합한 AI 알고리즘을 활용해 신약을 개발하는 것을 뜻합니다. 이때 AI 알고리즘은 딥러닝(머신 러닝의 일종으로, 학습 과정 동안 예시 데이터에서 얻은 일반적인 규칙을 독립적으로 구축하는 인공 신경망)을 활용한 ‘AI 플랫폼’을 사용하는데요. AI 플랫폼은 오랜 기간 축적된 방대한 연구 자료와 병원 진료 기록 등을 기반으로 데이터를 분석하고, 혁신적인 신약 개발 후보 물질을 찾아내 약의 효능을 예측하는 등 신약 개발 과정을 안정적이고 효율적으로 만드는 역할을 합니다. 일반적으로 신약 개발은 후보 물질을 도출하는 단계부터 시작되는데요. 제약사들은 신약을 개발할 대상 질환을 정하고, 수백 개의 관련 논문을 살펴 데이터를 수집, 분석해 후보 물질을 탐색합니다. 한국보건산업진흥원 자료에 따르면 이 과정을 통해 소요되는 신약 개발 기간은 평균 10년 이상, 비용은 약 2~3조 원이 넘죠. 하지만, 이렇게 오랜 시간과 막대한 비용을 들여도 실패 확률이 92%에 달합니다. 이때 AI는 한 번에 100만 건 이상의 논문을 탐색할 수 있어 수십 명의 연구자가 1~5년간 해야 할 일을 하루 만에 진행할 수 있습니다. 이에 전문가들은 AI가 신약 개발 전 단계에 활용될 경우 개발 주기가 15년에서 7년으로 단축되고, 개발 비용도 약 6,000억 원 수준으로 줄어들 것으로 전망합니다.
AI는 방대한 양의 약물 관련 데이터를 학습하여 신약 개발 과정을 여러 단계에서 도움을 주기는 하지만 직접 연구를 하는 것은 아닙니다.
AI가 신약 개발에 활용되는 주요 방식은 단계에 따라 다릅니다.
표적 발굴 및 검증 단계에서 질병의 원인이 되는 단백질이나 유전자를 찾아 신약의 공격 목표를 선정하고, 기존 약물의 새로운 활용 가능성을 찾아내기도 합니다.
또한 이미 알려진 약물의 구조를 변형하거나, 완전히 새로운 화합물을 생성하여 질병의 표적을 공격할 수 있는 후보 물질을 찾아내기도 합니다.
인공지능은 약물의 화합물 데이터베이스를 빠르게 검색하고, 인간의 능력으로는 불가능했던 새로운 후보 물질을 발굴할 수 있는 것이죠.
사실 이런 형태로 AI가 사용됩니다. 즉, 사람의 힘으로는 오랜 시간이 걸리거나 불가능했던 작업을 AI를 통해 빠르게 진행하여 도움을 받는 것입니다.
안녕하세요. 홍성택 전문가입니다.
AI는 대량의 데이터를 분석하고 패턴을 발견하는 능력을 활용하여 신약 후보물질을 발견하거나 기존 약물의 효과를 최적화하는 데 활용됩니다.
안녕하세요. 김경태 전문가입니다.
신약 개발에 AI가 활용되는 방법은 여러 가지가 있어요. 예를 들어, AI는 기존의 의약품 데이터를 분석하고 패턴을 찾아 새로운 약물 후보물질을 찾는 데 활용될 수 있습니다. 또한, AI는 약물의 작용 메커니즘을 예측하고 약동학적 특성을 모델링하여 신약 개발의 과정을 가속화할 수 있습니다
AI를 사용한 신약 개발은 기존의 연구 방법에 비해 더 효율적이고 빠른 결과를 얻을 수 있는 장점이 있습니다. AI는 대량의 데이터를 분석하고 패턴을 발견하는 능력을 가지고 있기 때문에, 이를 활용하여 신약 후보물질을 선정하거나 임상시험 설계에 도움을 줄 수 있습니다
안녕하세요. 이상현 전문가입니다.
약을 만들기 위해서는 여러 경우의수를 필요로 하기도 합니다. 예를 들어 인체에 어떤 반응을 일으키기 위해서 수용체에 결합하는 약물을 만들기 위해서는 그 수용체에 딱 맞는 특정 분자구조를 가진 물질을 만들어야 합니다. 이와 동시에 우리 면역체계나 장벽시스템이 걸러지지 않도록 스크리닝하는 위장체계를 지닌 분자구조역시 가지고 있어야 합니다. 즉, 기능적인 부분과 위장을 담당하는 부분, 또는 특정 부위로 이동하기위해 운반되기 위한 부분, 또는 다른 신체부위에서 다른 조직과 결합하여 부작용을 나타내지 않기위한 부분 등등 매우 다양한 분자구조들을 고려하고 테스트해보아야 합니다.
현재까지 수십만가지의 분자구조를 사람이 직접 고안하여 연구해보고 각종 측정장미나 분석장비를 통해 해당 분자구조가 유효함을 검증하는 과정을 통해서, 임상실험등을 통해서 오랜세월에 걸쳐 수많은 약들을 만들고 출시해왔는데 이제 이러한 기초적인 정보들을 가지고 AI를 통해 직접 임상실험이나 분석, 관측해보지 않아도 고안해낸 분자구조를 시뮬레이션해서 적합한지 알아볼 수 있을 뿐더러, 이러한것을 AI가 자동으로 학습하여 고안하는 작업까지도 직접수행할 수 있다는 의미가 됩니다.
즉, 어떠한 효능을 가지면서도 부작용을 일으키지 않거나 치명적이지 않은 새로운 신약을 과거보다 훨씬 빠르게 찾고 바로 사람들에게 적용 가능하다는 이야기가 됩니다.
이러한 기술적인 장점은 결국 펜데믹상황과같이 전염이 빠른 상황에서 대처가 가능한 치료제를 뿌릴 수 있다는것을 의미하기도 합니다.
안녕하세요.
AI로 신약개발하려는 시도는 현재 글로벌빅파마를 필두로 많이 이루어지고 있습니다. 간단히만 말씀드리자면, 약물의 활성을 나타내는 구조를 Chemical Database를 활용하여 학습시켜 활성부위에 binding할 수 있는 포지션이나 binding pocket을 예측하는 것 등을 말합니다. 그러나, ai로 구조를 예측한다고 하더라도 실제로 약물의 활성을 평가하기 위한 실험이 수행되어야 하므로 아직까지는 ai만 활용해서 신약을 개발하는 것은 무리이긴 합니다.