바이오인

신규 약물 설계를 위한 인공지능 기술 동향

◈ 목차

Ⅰ. 서론

Ⅱ. 현재의 인공지능 기반 신약 설계

1. 신약 개발 프로세스

2. 화합물 구조 표현 모델링 기술

3. 신규 약물 후보군 생성 기술

4. 특성 정량화 예측 기술

5. 최적화 기술

Ⅲ. 미래의 인공지능 기반 신약 설계

1. 구체적인 타겟에 대한 신약 설계

2. 전임상/임상을 고려한 신약 설계

Ⅳ. 결론

◈본문

The value of living a long and healthy life without suffering has increased owing to aging populations, transition to welfare societies, and global interest in health deriving from the novel coronavirus disease pandemic. New drug development has gained attention as both a tool to improve the quality of life and high-value market, with blockbuster drugs potentially generating over 10 billion dollars in annual revenue. However, for newly discovered substances to be used as drugs, various properties must be verified over a long period in a time-consuming and costly process. Recently, the development of artificial intelligence technologies, such as deep and reinforcement learning, has led to significant changes in drug development by enabling the effective identification of drug candidates that satisfy desired properties. We explore and discuss trends in artificial intelligence for de novo drug design.

Ⅰ. 서론

코로나19 바이러스로 인해 빠른 신약 개발의 중요성을 체감하면서 국내외 제약기업들의 기술력 확보가 강조되고 있다. 신약의 경우 물질특허가 가능하고, 제품의 생명력이 길고, 신흥 시장에서의 잠재력이 높으며 소재에 대한 의존도가 높지 않기 때문에 한국과 같이 자원이 부족한 국가에서 매력적인 시장이다. 2020년 기준으로 의약품 허가 및 신고된 품목 중 신약은 40개인데, 이중 국내 개발 신약은 개량 신약 6종에 불과한 것으로 나타나 국내외 시장 경쟁력을 갖추기 위해서는 신약 개발 기술에 대한 체질 개선이 필요하다.

신규 약물 개발 프로세스는 후보물질 발굴, 전임상 및 임상 시험의 단계로 구성되는데, 후보물질 발굴 단계에서 약물로 활용될 수 있는 신규 화합물을 발굴한다. 이론적으로 1030개 이상의 신규 화합물을 합성할 수 있다고 알려져 있기 때문에 원하는 특성을 갖는 화합물을 발견하는 것은 매우 어려운 일이다. 이로 인해 신약 발굴에서부터 출시까지 평균 10년 이상이 소요되며, 전체 신약 개발 비용 중 1/3 이상이 후보물질 발굴 단계에서 소요된다. 화합물 라이브러리로부터 1만 개의 물질을 스크리닝하게 되면 임상 시험까지 들어가는 경우는 평균 10개 정도이고, 임상 시험에 진입한 물질도 시판 승인까지 성공한 케이스는 10% 미만으로 알려져 있다.

...................(계속)

☞ 자세한 내용은 내용바로가기 또는 첨부파일을 이용하시기 바랍니다.