AI 기반 단백질-표적 상호작용 예측을 통한 신약 후보물질 라이브러리 구축

AI 기반 단백질-표적 상호작용 예측은 알려지지 않은 약물 표적과 잠재적 화합물 간의 결합력을 계산하여 신약 개발 초기 단계의 효율성을 극대화하는 첨단 생물정보학적 접근법이다.

작동 원리

• 구조 정보 활용: AlphaFold 등 AI 모델로 예측된 목표 단백질의 3차원 구조와 화합물의 화학 구조 정보를 입력 데이터로 사용한다.
• 상호작용 예측: 딥러닝 알고리즘은 두 분자 사이의 거리, 전기적 특성, 소수성 등을 종합적으로 고려하여 결합 가능성 및 친화도를 예측한다.

이는 전통적인 실험 기반 선별 과정을 대폭 단축시키며, 높은 확률의 바이오마커를 가진 후보물질을 선별함으로써 정밀의료 시대의 신약 개발 파이프라인을 혁신하고 있다. 주요 적용 분야로는 난치병 치료제를 위한 새로운 결합 부위 발굴이 있다.