2025년 9월 29일

Drug Discovery World(DDW) 최신호 2025년 가을호 35쪽에는 새로운 AI 가이드의 사례 연구인 "약물 발견의 역량 강화"가 소개되어 있습니다. 이 가이드에서는 인공지능(AI), 머신러닝(ML), 첨단 화학정보학이 약물 발견의 환경을 어떻게 변화시키고 있는지를 중점적으로 다룹니다.

이 가이드를 읽어야 하는 이유

제약 또는 생명공학 분야의 과학자, 혁신가 또는 의사 결정권자라면 이 가이드를 반드시 읽어야 합니다. 분자 설계 가속화부터 임상시험 최적화에 이르기까지 AI가 어떻게 측정 가능한 영향을 미치고 있는지를 보여 줍니다. 무엇이 효과가 있는지, 어떤 과제가 남아 있는지, 협업, 데이터 품질, 책임감 있는 혁신을 통해 AI의 잠재력을 최대한 활용하는 방법을 배울 수 있습니다.

과대 광고에서 실제 영향력까지

현재 의약품을 시장에 출시하는 데 드는 비용은 23억 달러를 넘어섰으며(37페이지), 임상시험의 실패율은 90%에 달하고, 일정은 종종 10년을 넘기기도 합니다. AI가 이 방정식을 바꾸고 있습니다. 딜로이트의 2024년 설문조사에 따르면 바이오제약 업계 경영진의 62%는 AI가 초기 발견 기간을 25% 이상 단축할 수 있다고 생각합니다. AI로 설계된 분자는 프로그램 시작 후 단 12개월 만에 이미 임상 1상 시험에 진입했으며, 이는 극적으로 빠른 속도입니다.

획기적인 기술 및 애플리케이션

이 가이드는 딥 러닝, 생성 AI, 클라우드 컴퓨팅, 멀티오믹스 데이터의 발전을 강조합니다. 37페이지의 CRISPR-GPT와 같은 도구는 유전자 편집 설계를 자동화하고 있으며, AI 기반 디지털 병리학은 글로벌 임상시험을 간소화하고 있습니다. 이제 AI는 타겟 발견, 신규 분자 설계, 리드 최적화, 심지어 임상시험 계획의 중심이 되고 있습니다.

^SYNTHIA® 및 AIDDISON™: 발견 및 합성 가속화

이러한 변화의 한 축에는 AIDDISON™ 및 SYNTHIA^®와 같은 플랫폼이 있습니다. AIDDISON™은 AI/ML과 컴퓨터 지원 약물 설계(CADD)를 결합하여 신약 후보물질의 식별 및 최적화를 가속화하는 안전한 웹 기반 솔루션입니다. 직관적인 인터페이스를 통해 모든 배경의 과학자가 고급 계산 도구에 액세스할 수 있습니다.

AIDDISON™은 유사성 검색, 약리학적 스크리닝 및 생성 모델을 사용하여 수천 개의 실행 가능한 분자를 생성합니다. 그런 다음 속성 기반 필터링, 분자 도킹 및 형태 기반 정렬을 적용하여 생물학적 활성과 최적의 ADMET 프로파일을 가질 확률이 가장 높은 분자의 우선순위를 지정합니다.

AIDDISON™을 진정으로 차별화하는 것은 ^SYNTHIA® 역합성 소프트웨어와의 완벽한 통합입니다. SYNTHIA^®를 통해 연구자들은 유망한 분자의 합성 접근성을 즉시 평가하고 실험실 합성에 필요한 시약을 식별할 수 있습니다. 가상 분자 설계와 실제 합성 계획 사이의 간극을 메워주는 SYNTHIA^®와 AIDDISON™은 화학자들이 더 빠르고 자신 있게 혁신할 수 있도록 지원합니다.

사례 연구: 탄키라제 억제제

잠재적 항암 활성을 가진 분자계열인 탄키라제 억제제에 대한 최근 애플리케이션 노트는이 통합 접근법의 힘을 보여줍니다. 알려진 억제제로부터 시작하여 AIDDISON™의 생성 모델과 가상 스크리닝은 방대한 화학 공간을 탐색하여 다양한 후보 분자를 생성했습니다. 이를 필터링하여 표적 단백질에 도킹하고, 가장 유망한 구조는 재합성 분석을 위해 SYNTHIA^®로 전송되었습니다. 이 워크플로를 통해 합성적으로 접근 가능한 새로운 단서를 빠르게 식별하고 기존 방법보다 더 철저한 화학 공간 탐사가 가능했습니다.

전문가 인사이트와 협업

43페이지의 Serna Bio의 CEO 겸 설립자 라비아 칸과 46페이지의 디지털 병리학 혁신 글로벌 디렉터 아만다 헴머리히 박사 같은 리더와의 인터뷰에서는 특히 RNA 표적 치료와 디지털 병리학에서 AI가 새로운 치료 전략을 어떻게 실현하고 있는지 살펴봅니다. 이 사례는 과학자들이 AI를 통해 어떻게 더 대담한 질문을 던지고 이전에는 접근이 불가능했던 질병에 대처할 수 있게 되었는지를 보여줍니다.

도전 과제와 앞으로 나아갈 길

이 가이드는 데이터 품질, 재현성, 규제 불확실성, 공정한 데이터 원칙의 필요성 등의 장애물을 피하지 않습니다. 업계 협업과 새로운 표준은 이러한 장벽을 극복하고 AI가 실제 세계에 영향을 미칠 수 있도록 돕고 있습니다.

미래: 대체재가 아닌 인에이블러로서의 AI

약물 발견에서 AI의 역할은 더 이상 가상이 아닙니다. 현재 진행형이며 가속화되고 있는 힘입니다. 다음 혁신의 물결은 AI가 과학자를 대체하는 것이 아니라 과학자들이 더 대담한 질문을 하고, 더 야심찬 가설을 테스트하고, 궁극적으로 더 나은 의약품을 더 빠르고 효율적으로 환자에게 제공할 수 있게 해주는 AI에서 비롯될 것입니다.

 

가을호 읽기