신약 후보물질 스크리닝 이젠 ‘데이터 중심’ 시대

AI 기술·이머징 기술 결합, 머신러닝·AI 통합, 종양학 등 AI·딥러닝 적용

인공지능을 활용한 신약개발이 활기를 띄면서 신약 후보물질 발굴 단계가 ‘데이터 중심’으로 전환하고 있다는 분석이다.

생명공학정책연구센터는 최근 프로스트앤설리번 자료를 재가공해 ‘데이터 사이언스가 제약산업에 미치는 영향1 : 신약 후보물질 발굴’에 대한 보고서를 발표했다.

보고서는 인공지능 및 데이터 사이언스를 활용한 신약 후보물질 발굴을 7가지로 요약했다.

이는 △신약 후보물질 발굴 단계의 ‘데이터 중심’ 전환 △신약개발 비용과 기간의 단축 및 R&D 프로세스의 효율성 개선 △전통적인 머신러닝에서 딥러닝 접근 방식으로 전환 △인공지능 기술이 타분야의 이머징 기술과 결합해 최고의 가치 창출 △머신러닝·AI의 통합을 통한 정밀의료의 향상 △종양학, 신경퇴행성 질환 등 복잡한 질환에 대한 AI·딥러닝 적용 △인공지능 활용 신약개발 분야의 특허는 회색지대 등이다.

보고서는 바이오메디칼 정보의 증가로 인공지능(AI)/머신러닝 및 빅데이터를 신약개발 R&D에 통합하려는 관심이 급증하고, 데이터 사이언스와 AI 기술의 활용이 신약 후보물질 발굴 및 개발 단계를 효율적으로 지원하고 있다고 밝혔다.

또한 새로운 타깃 선정, 질병 기전 이해, 약물의 de novo 합성 등에 적용 중이고, RNN, GAN 및 강화 학습은 AI의 활용을 더욱 발전시키고 있으며, 가상 스크리닝, 자동화 chemistry, 가상현실, 초고속 대용량 스크리닝, 블록체인 등과 결합하고 있다고 언급했다.

여기에 다양한 바이오메디칼 데이터 세트를 통한 멀티모달 데이터 수집과 함께 치료제 개발 기간 단축, 새로운 타깃 발굴, 약물 재창출, ADMT 및 생물학적 활성 예측에 적용되고 있다는 것. 다만 신약개발의 효율성을 촉진하거나 개선하는 플랫폼은 특허 미취득 상황이라고 덧붙였다.

보고서는 타깃 발굴 및 검증에서 선도물질 최적화까지 평균 5년 걸리는 기간을 인공지능을 활용해 각 단계별 30~50%까지 단축이 가능하고, 머신러닝 및 인공지능을 활용한 신약 후보물질 발굴 애플리케이션의 성능이 크게 향상됐으며, 이를 통한 연구개발 비용과 개발 후기 단계의 실패율이 감소했다고 설명했다.

다만 △충분한 양의 데이터 부족에 따른 AI의 자체적인 한계 △신약 후보물질 발굴을 위한 인공지능 분야의 전문가 부족 △인공지능 기반 신약개발의 가시적인 상업적 결과 부재 △데이터 통합과 해석의 부족 등은 고려해야 할 사항으로 꼽았다.

보고서는 관련 시장의 성장 기회로 △데이터 사이언스 활용 약물재창출 △인공지능 활용 선도물질 최적화 △유효물질 발굴 및 De Novo 약물 설계 △코로나19 치료제 개발 가속화 등을 들었다.

인공지능을 활용해 승인된 약물의 새로운 적응증에 대한 가상 스크리닝을 위한 reverse docking을 통해 효율적인 용도 변경이 가능하고, AI 기반 스크리닝으로 예상치 못한 독성 또는 부작용의 위험을 줄여 대규모 화합물 라이브러리에 대한 접근을 제공하고 다양한 치료 분야에서 AI·데이터 사이언스를 약물 재창출에 활용할 수 있다는 것.

또한 인공지능을 활용한 약물 안전성 및 독성 연구의 임상적 영향을 평가하기 위한 추가 연구와 협력이 필요하며, 화합물을 가상으로 설계하고 물질을 평가하기 위한 De Novo 디자인 알고리즘을 개발하면, 특히 AI와 자동화된 chemistry가 결합할 경우, 시간과 비용을 절약할 수 있을 것으로 설명이다.

여기에 코로나19 치료제 개발 가속화를 위해 약물 재창출, 데이터 공유 컨소시엄, 거대 IT 기업과의 협력, 오픈 데이터 장려 등이 이뤄지고 있다.