바이오인

딥러닝 기반의 De novo 신약 디자인(DNDD)에 이용되는 생성 예측 모델 동향

◈ 목차

1. 서론

2. 본론

2.1. 신약 디자인에 이용되는 인공지능(AI) 모델 종류와 장단점

2.2. 딥러닝 기반의 신약디자인에 이용되는 인공 신경망 및 알고리즘

2.3. De novo 신약 디자인의 활용과 미래

3. 결론

◈본문

요약문

현재 우리는 데이터, 생물학, 공학 및 새로운 프레임워크에 의해 가능성을 재정의하는포스트 게놈시대에 살고 있으며, 연구원, 엔지니어 및생명과학 회사들은 자연에서 영감을받는 패러다임을 넘어서 생물학, 공학, 나노기술, IT 사이의 경계가 점점 모호해지고 다양한많은 분야들이 유기적으로 통합되는 과정을 여러 해 동안 거치면서 새로운 ‘바이오 융합정밀의료의 시대’를 열어가고 있다. 인간에게 불치병으로 불리던 질병들의 조기 효율적인진단과 다양한 치료제로 개인 맞춤형 치료가 가능해지고 영화 속의 이야기가 아닌 지금일어나고 있는 현실이다. 인간이 활용하기 어려울 만큼의 방대한 빅데이터 발굴의 기술발전,다중 오믹스 데이터, 인공지능(AI) 알고리즘의 확대 적용과 더불어 고도로 발달하는첨단생명과학 기술이 만들어낸 놀라운 결과라고 할 수 있다. 앞으로도 인공지능(AI)을이용한 디지털 헬스 케어 분야는 디지털전환의 속도가 점점 더 빨라질 것으로 본다. 이런이유로, 많은 AI을 이용한 알고리즘과 툴이 개발되고 다양한 형태의 데이터들이엔지니어들에 의해서 뿐만 아니라 연구자들이 목적에 맞게 선택하고 개발해 나가는형태들로 변화를 거듭하고 있다. 이번 동향리포트에선 신약 디자인에 활용되고 있는모델들과 알고리즘의 장단점, 다양한 오픈소스 프로그램과 툴 그리고 바이오 융합기술을이용한 정밀의료(Precision Medicine) 시대의 도래에 대한 올바른 이해와 활용들을소개하고자 한다.

1. 서론

전통적인 방식의 신약개발은 오랜 시간, 많은 인력, 투자 그리고 제때 좋은 자문을 받아야 신속하게 진행될 수 있으나, 10년 이상의 연구개발 기간과 2조 원가량의 비용이 들어가는 사업으로 성공적인 신약 개발 및 바이오 사업을 위해서는 다양한 경험을 가진 여러 분야의 전문가들의 협업이신약개발 성공의 관건이다. 현재까지 오랜 신약개발기간과 비용 부분을 개선하기 위해 많은대안들이 대두되어 왔고, 최근 많은 데이터 분석기술의 발달로 연구되어 알 수 있는 정보보다 아직해석되지 못하고 있는 정보들이 훨씬 많아지므로 다양한 형태의 방대한 데이터는 기하급수적으로늘어남에 따라 결국 인공지능(AI) 기술을 적용하여 빠르고 정확한 데이터처리, 타깃물질확보 그리고신약물질로서 필요한 특성들을 테스트하여 임상테스트로 넘어가기 전(End to End Drug Discovery)까지 AI의 이용은 시간과 비용을 줄여가는 방향으로 발전하였다. 앞으로도 인공지능의 활용 잠재력은 임상테스트와 더불어 많은 디지털 헬스케어 분야에서 전반적으로 높아질 것이라예상된다. 지난해 세계 AI 신약개발 시장은 6억 980만 달러(약 8081억 원)로 추정되며, 한국과학기술정보연구원(KISTI)은 세계 AI 신약개발 시장이 매년 40% 이상 성장하여 2027년 40억 350만 달러(약 5조3054억 원)에 이를 것으로 내다보고 있다. 국내에서 AI신약개발사업을 하는 기업만 50곳 이상으로,특허청에서도 앞으로 AI신약개발 시장이 커지고 출원이 증가하면 AI 신약 개발도 결국 빠르게 특허를 준비하는 쪽이 시장을 선점할 것으로 본다 [5].본문에서 현재까지 신약 디자인에 이용되는 모델종류와 장단점 그리고 알고리즘의 특성을 파악하고, 바이오 융합의료 시대에 AI를 이용한 바이오 분야의 발전의 예들과 더불어 신약 디자인에서AI의 활용 잠재력에 대한 소개를 하고 자 한다.

...................(계속)

☞ 자세한 내용은 내용바로가기 또는 첨부파일을 이용하시기 바랍니다.