[Drug Discovery]#3 대용량 가상탐색을 위한 계산화학 방법론의 활용과 개선방안

문제 상황

• 신약개발 데이터 부족과 딥러닝 예측의 일반화·해석 가능성 한계
• 대용량 가상탐색에서 높은 정확도와 계산 비용·속도 사이의 충돌

구조와 흐름

• 물리 법칙 기반 Docking으로 대규모 분자-단백질 결합 친화도 탐색
• 고속·저정확도 Docking과 고정확도·고연산량 MD/FEP의 특성 구분
• 탐색 라이브러리 규모 확대에 따른 상위 후보 Docking 점수 향상

트레이드오프

• 13.6억 개 분자 탐색 사례의 높은 유효물질 발굴 가능성과 대규모 CPU·클라우드 비용
• Docking 근사 계산에 따른 정확도 저하와 False Positive 발생 가능성

해결 방법

• Docking 결과로 인공지능을 학습하는 능동학습으로 연산량 약 40배 절감
• 분자-단백질의 수소결합·이온결합·van der Waals 결합과 유효 거리 기반 신규 점수 산출
• 기존 Docking 점수와 신규 점수의 결합을 통한 가상탐색 성공률 개선