AI 기반 신약 개발의 원리와 최신 동향 AI 신약 중대질환진단융합연구단 선임연구원   박광현 ◈ 목차 1.서론 2.AI 기술의 신약 개발 단계별 적용 원리와 최신 동향 3.주요 AI 설계 신약의 임상 진전 분석 4.향후 전망 과제 5.결론   ◈본문 1. 서론 신약 개발 과정의 비효율성은 제약 산업이 직면한 가장 심각한 구조적 문제로 지적되어 왔다. 평균 10-15년의 개발 기간, 10-30억 달러에 달하는 개발 비용, 그리고 10% 미만의 임상 성공률은 혁신적 치료제 개발의 주요 장벽으로 작용하고 있다. 이러한 맥락에서 인공지능(AI) 기술의 도입은 신약 개발 패러다임의 근본적 전환을 가능케 하는 핵심 동력으로 부상하였다.   2025년 현재, AI 기술은 표적 발굴에서 임상시험 설계에 이르는 신약 개발 전 주기에 걸쳐 통합되어 있으며, 특히 생성형 AI, 구조 예측 알고리즘, 멀티모달 학습 등의 최신 기술이 실질적인 성과를 창출하고 있다 (그림 1). 현재 전임상 파이프

    AI신약개발 분야 기술경쟁력 및 정부 R&D 투자현황 분석 첨단바이오 국가기술전략센터 저자 : 한국생명공학연구원 첨단바이오 국가기술전략센터 김경남, 이휘섭 ◈ 목차 I.개요 II.분석 결과 1.논문 기반 경쟁력 진단 2.특허 기반 경쟁력 진단 3.NTIS 과제 기반 정부R&D 투자 현황 III.분석 결과 요약 및 시사점 1.분석 결과 요약 2.정부 R&D 투자·육성 방향 시사점 ◈본문 I.개요 ◆︎ 분석 목적 ○ AI신약개발 분야 우리나라의 기술경쟁력 진단 및 정부 R&D투자 현황을 확인하여 향후 정부 R&D 투자전략을 위한 시사점 제공   ◆︎ 분석 유형별 분석 방법 및 내용 ○ (기술경쟁력) 논문/특허 기반 우리나라의 선도국 대비 경쟁력 진단 ○ (정부R&D투자) NTIS 과제 데이터를 중심으로 기투자 현황 분석 구분 분석 목적 분석 범위 분석내용 세부 내용 방법(일정) 논문 (연구) 논문 기반 한국 경쟁력 진단 AI신약개발 전반 논문 현황 AI신약 논문 추이 Dimens

  딥 러닝 기반 생성모델의 구조적 원리와 인간 면역데이터 응용 신약개발 전략 2025 바이오 미래유망기술(하)                                                             연세대학교 생명과학부 통합과정 장현빈, 송우현,   연새대 생화학과 교수 홍승희 ◈ 목차 1.개요 2.대규모 언어모델 (LLM; Large Language Model)  3.변분오토인코더(VAE; Variational Autoencoder) 4.Conclusion ◈본문 1. 개요 기존의 생명과학 연구는 면역학, 병리학, 암 연구, 신약 개발 등 각 분야에서 상대적으로 소규모의 데이터셋과 실험 중심의 분석 기법에 의존해 왔다. 면역학 연구에서는 일부 면역세포 아형이나 사이토카인에 집중해 분석했으며, 암 연구 에서도 소수의 바이오마커나 유전자 변이를 표적으로 한 연구가 주를 이루었다. 신약 개발 과정에서는 단일 약물과 표적 간 상호작용에 초점을 맞춘 접근 방법이 일반적

    바이오신약 개발을 혁신할 AI 단백질 언어 모델 BioINwatch(BioIN+Issue+Watch): 25-11   ◇︎바이오신약은 효능뿐만 아니라 면역원성, 안정성, 생산성 등 다양한 특성을 동시에 최적화해야 하는데, AI는 이러한 다중 목표를 고려한 예측 및 설계에 있어 뛰어난 성과를 낼 것으로 기대. 최근 EVOLVEpro라는 단백질 진화 및 설계에 관한 새로운 언어 모델이 제안, 실험 데이터를 실시간으로 학습하고 최적화하는 이러한 AI 기반 설계 플랫폼은 in silico (컴퓨터 기반 설계)와 in vitro(연구실 실험)을 연결해 신약개발의 효율성을 극대화할 것으로 예상 ▸주요 출처 : Science, Rapid in silico directed evolution by a protein language model with EVOLVEpro, 2024.11.21 ◆︎  기존의 단백질 진화 및 설계*는 한정된 범위에 해당하거나 한꺼번에 여러 곳을 최적화하는 데에는 비

    2024 인공지능을 활용한 신약재창출 연구동향 [KRIBB 워킹그룹]   ◈ 목차 1.개요 2.주요 동향 및 이슈 3.결론 및 시사점     ◈본문 1. 개요 ◼︎ 신약개발과정에서 인공지능의 활용  ◦︎ 효과적인 신약개발 과정은 표적 식별(target identification), 선도 화합물 탐색 및 최적화(lead compound discovery and optimization), 전임상 시험(preclinical trials), 임상 시험(clinical trials) 단계를 거침. 기존 개발 과정은 많은 시간과 자원이 소모되며, 단일 분자를 개념화해서 허가받기까지 평균 12년, 26억 달러가 듦. 기존에는 신약을 발굴하기 위해 수만 가지 소분자 화합물 합성하고, 타겟 단백질과의 상호작용을 실험적으로 확인해야 했음   출처 : [1] [그림 1] 전통적인 신약개발 과정에 대한 모식도 ◦︎ 인공지능의 등장은 신약개발에 혁신적인 변화를 가져오고 있음. 기존의 신약개발 체계를

    중증 복합질환의 신약 개발 현황과 도전 과제: 멀티 모달리티 치료제의 역할 [KRIBB 워킹그룹]   ◈ 목차 1.개요 2.주요 동향 및 이슈 3.결론 및 시사점     ◈본문 1. 개요 ◼︎ 중증 복합질환의 정의 - 중증 복합질환(Severe Complex Diseases)은 복잡한 병리 기전과 다중 요인에 의해 발생하며, 여러 장기와 생리 시스템에 광범위한 영향을 미치는 질환군임. 단일 원인보다는 유전적, 환경적, 행동적 요인 등 다양한 상호작용으로 인해 발생함. 암, 심혈관질환, 간질환, 신경퇴행성 질환, 대사질환, 면역질환 등이 대표적임 ▶︎ 중증 복합질환의 종류 1) 암: 유전자 변이, 암 줄기세포, 면역 회피 기전 등 다양한 병리 메커니즘이 결합해 질병을 촉진 2) 심혈관질환: 고혈당/고지혈, 대사 이상, 염증 반응 등이 상호작용하여 발생 3) 간질환: 지방간, 간염, 간경변, 간암으로 이어지는 다단계 병리 과정 4) 신경퇴행성 질환: 알츠하이머병과 파킨슨병에서 단

 최신 산업 동향 : 신약 모달리티 2024  김지예 (국가생명공학정책연구센터)   출처: Boston Consulting Group. 2024. 9 ※ 본 원고는 원본 원고의 내용을 중개하여 각색한 내용을 포함하고 있습니다. (원제 : New Drug Modalities 2024), https://www.bcg.com/publications/2024/new-drug-modalities-report 【요약】   ○ 신약 모달리티는 바이오제약 산업의 핵심 성장 동력 - 2024년 기준 파이프라인 가치는 1,680억 달러로 성장 - GLP-1 작용제, ADC, mRNA, CAR-T와 같은 특정 치료제는 치료 적응증 확장과 매출 성장 가능성을 보이며 시장 영향력 넓힘   ○ 신약 모달리티 주요 동향 및 거래 활동 - (항체) mAb, ADC는 성장률이 각각 18%, 22%로 주요 모달리티 중에서도 강력한 성장세를 유지하고 있으며, ADC는 비종양 영역으로 확장 중 - (재조합 단백질) G

AI 신약개발, 무엇이 가능하고 무엇이 한계인가? BioINwatch(BioIN+Issue+Watch): 24-78   ◇︎AI 기술의 빠른 발전과 함께 신약개발의 패러다임이 실험에서 빅데이터 기반의 분석·예측·설계 중심으로 빠르게 변화. 이러한 상황에서 “AI가 개발한 약물이 과연 효과적일까?”라는 질문을 제기하며 지난 10년간 AI가 발굴한 약물의 효과를 분석한 리뷰 논문을 BCG(보스턴컨설팅그룹)에서 발표 ▸주요 출처 : Drug Discovery Today, How successful are AI discovered drugs in clinical trials?, 2024.6 ◆︎ AI 기술의 빠른 발전과 함께 신약개발의 패러다임이 실험에서 빅데이터 기반의 분석·예측·설계 중심으로 빠르게 변화 ○ 빅테크기업(구글, NVIDA)이 AI 신약개발에 투자를 확대하고 있으며 글로벌 제약사도 AI 신약 및 IT 기업과 협력하며 AI를 본격적으로 도입하기 시작 ※ 2024년 노벨 화학상