신약 발견의 AI
약물 발견의 AI는 기계 학습을 사용하여 분자 행동을 예측하고, 새로운 화합물을 설계하며, 실행 가능한 약물을 찾는 데 일반적으로 필요한 시간과 수십억 시간을 단축합니다.
개요
It is reshaping the slowest, riskiest part of pharma.
심층 분석
일반적으로 약물을 시장에 출시하는 데는 10~15년이 걸리고 10억 달러 이상이 소요되며 대부분의 후보가 실패합니다. AI는 여러 병목 현상을 공격합니다. 표적 식별에서 모델은 유전체학 및 단백질 데이터를 조사하여 약을 투여할 가치가 있는 질병 관련 단백질을 찾습니다. 히트 발견에서 생성 모델은 원하는 특성을 가진 새로운 분자를 제안하는 반면, 가상 스크리닝은 실험실 합성 없이 수백만 개의 화합물의 순위를 매깁니다. DeepMind의 AlphaFold는 2억 개가 넘는 단백질의 3D 구조를 예측하여 한때 수년간의 결정학이 필요했던 청사진을 연구자에게 제공했습니다. Insilico Medicine 및 Recursion과 같은 회사는 현재 인간 실험에서 AI 설계 분자를 사용합니다. 또한 AI는 독성과 ADME(흡수, 분포, 대사, 배설)를 조기에 예측하여 비용이 많이 드는 시험 전에 나쁜 후보자를 죽입니다.
기술적 통찰력
분자는 종종 그래프(노드로서의 원자, 가장자리로서의 결합)로 표현되고 그래프 신경망에 의해 처리되거나 시퀀스 모델에 공급되는 SMILES라는 텍스트 문자열로 처리됩니다. 변이 자동 인코더 및 확산 모델과 같은 생성적 접근 방식은 학습된 화학 공간에서 새로운 구조를 샘플링하여 결합 친화도 및 약물 유사성을 최적화합니다. AlphaFold는 Protein Data Bank에서 훈련된 주의 기반 딥 러닝을 사용하여 아미노산 사슬이 기능을 결정하는 3D 모양으로 접히는 방식을 예측합니다.
전략적 영향
맥락과 규칙
산업적 맥락은 AI 아이디어가 현실과의 접촉에서 살아남는지 여부를 결정합니다.
품질 관리
도메인 제약 조건은 허용 가능한 오류율과 감독 모델에 영향을 미칩니다.
빌드 선택
성공적인 배포는 기술 역량을 일선 워크플로에 맞춰 조정합니다.
신약 발견에 있어서 AI의 미래
최첨단은 AI가 분자를 제안하고 로봇이 분자를 합성 및 테스트하며 결과가 며칠 내에 모델을 재교육하는 폐쇄 루프 자율 주행 실험실입니다. 실험실 피드백, AI 설계 항체 및 RNA 치료제, 생물학 전반에 걸쳐 훈련된 기초 모델을 통해 조정된 생성 화학을 기대하세요. 규제 당국은 AI 기반 후보에 대한 지침 초안을 작성하고 있습니다. 어려운 테스트는 생물학의 복잡성으로 인해 여전히 예측이 어려운 임상 시험으로 남아 있으므로 AI의 가장 큰 단기 승리는 더 빠르고, 저렴하며, 더 현명한 전임상 결정입니다.
실제 구현
AlphaFold의 개방형 데이터베이스를 통해 전 세계 연구자들은 예상되는 단백질의 3D 구조를 검색하여 약물 설계를 안내할 수 있습니다.
Insilico Medicine은 AI가 발견한 특발성 폐섬유증 약물을 인간 임상 시험으로 발전시켰습니다.
제약팀은 가상 스크리닝을 사용하여 수백만 개의 후보 분자를 계산적으로 순위를 매기고 실험실에서 가장 유망한 분자만 테스트합니다.
AI 독성 모델은 후보자가 간이나 심장에 해를 끼칠지 여부를 예측하여 동물 실험 전에 위험한 화합물을 제거합니다.
위험 및 가드레일
규제 요구 사항으로 인해 강력한 프로토타입이 무효화될 수 있습니다.
과거 데이터에는 특정 커뮤니티에 해를 끼치는 편견이 포함될 수 있습니다.
레거시 시스템은 통합 병목 현상과 숨겨진 비용을 발생시킬 수 있습니다.
구현 로드맵
문제 프레이밍부터 평가까지 도메인 전문가를 참여시킵니다.
출시 전에 감사 추적 및 문서를 설계하세요.
규정 준수 및 안전 의무를 조기에 검증하십시오.
명확한 중지 및 롤백 기준을 사용하여 단계적으로 롤아웃합니다.
계속 탐색하세요
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Drug Discovery quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
다음 가이드
동형 연구소 약물 발견
자주 묻는 질문
What is AI in Drug Discovery?
약물 발견의 AI는 기계 학습을 사용하여 분자 행동을 예측하고, 새로운 화합물을 설계하며, 실행 가능한 약물을 찾는 데 일반적으로 필요한 시간과 수십억 시간을 단축합니다. 이는 제약 산업의 가장 느리고 위험한 부분을 재편하고 있습니다.
DeepMind의 AlphaFold는 신약 발견을 돕기 위해 무엇을 달성했습니까?
AlphaFold는 딥 러닝을 사용하여 대규모로 단백질 3D 구조를 예측함으로써 이전에 수년간의 실험이 필요했던 구조적 청사진을 연구자에게 제공했습니다.
기계 학습 모델에서 분자는 일반적으로 어떻게 표현됩니까?
분자는 자연적으로 그래프 신경망에 의해 처리되거나 서열 모델을 위한 SMILES 문자열로 인코딩된 그래프(원자 = 노드, 결합 = 가장자리)입니다.
AI 신약 발굴에 '가상 스크리닝'이란?
가상 스크리닝은 모델을 사용하여 인실리코(in silico)에서 거대한 분자 라이브러리의 점수를 매기므로 최고의 후보자만 실험실에서 만들어 테스트합니다.
ADME와 독성을 조기에 예측하는 것이 왜 그렇게 중요한가요?
흡수, 대사 및 독성에 대한 조기 예측은 비용이 많이 드는 동물 및 인간 테스트 전에 나쁜 후보 물질을 제거하여 시간과 비용을 절약합니다.
새로운 분자를 설계하는 데 어떤 생성 AI 기술이 사용됩니까?
VAE 및 확산 모델과 같은 생성 모델은 학습된 화학 공간에서 새로운 구조를 샘플링하여 원하는 특성에 맞게 최적화합니다.