[Drug Discovery] #1 신약개발에서의 인공지능

구조와 흐름

• 방대한 화합물 탐색 공간과 제한된 실험 자원 문제를 줄이기 위한 AI 기반 가상탐색
• 분자 구조 기반 생체활성·독성·단백질 결합력 예측, 신규 화합물 생성, 합성경로·바이오마커 탐색
• in silico·in vitro·in vivo·임상시험으로 이어지는 대리 가설의 단계적 검증

선택 이유

• 베이지안 딥러닝의 예측 분포 기반 기댓값·불확실성 정량화
• 불확실성이 큰 독성 예측 화합물의 후보 제외를 통한 실험 실패 위험 축소
• 분자 그래프·작용기·스캐폴드 표현을 활용한 의약화학적 분자 설계 반영

트레이드오프

• 훈련 데이터 분포 밖 신규 후보물질에서의 예측력 저하 가능성
• 베이지안 추론의 근사 방식에 따른 예측값·불확실성 신뢰도 저하 위험
• 물리·화학 기반 계산의 정확도와 계산 시간 간 상충 관계

적용해볼 점

• 정확도와 불확실성 신뢰도를 함께 평가한 베이지안 모델 선정
• 데이터 기반 모델과 도킹·분자동역학 등 물리 기반 계산의 상호 보완
• AI 결과를 실험을 대체하는 정답이 아닌 검증 대상 대리 가설로 활용