요약문
최근 빅데이터 생산기술의 발전과 다중 오믹스 데이터(Multi-omics Data) 그리고 인공지능(AI) 알고리즘의 확대적용으로 다중 오믹스 데이터를 이용한 인공지능 기반의 다중 타깃 신약 디자인(Multi-target Drug Design)은 암을 포함한 다양한 질병의 복잡한 경로와 생물학적인 특성들을 고려한 신약개발이라는 ‘패러다임 전환’의 한 예라고 할 수 있다. 전통적인 단일 타깃을 이용한 치료는 단일경로의 차단이라는 단순 치료로 복잡한 질병 네트워크의 중복성 간과로 인해 약물에 대한 내성을 유발하는 경우가 많았다. 현재 인공지능 기술이 강화된 심층 생성 모델(DGM, Deep Generative Model)들을 이용하여 다양한 타깃을 한 번에 공략하여 약물에 대한 내성을 줄이고 질병치료의 효과는 크게 높일 수 있는 방향으로 신약개발이 이루어지고 있으며 AI 기술을 이용한 신약 디자인방식 전환에도 큰 기여를 하였다. 다중 타깃에 최적화(Multi-target Optimization)된 신약 탐색방식은 새로운 약물 후보물질을 생성할 수 있는 확장 가능하고 유연한 플랫폼으로 각광을 받고 있다. 이번 동향보고에서는 심층 생성모델의 종류와 장단점, 이들 모델들을 이용한 플랫폼들 그리고 연구 사례와 더불어 현재 인공지능(AI)을 이용한 신약 디자인의 한계와 미래 방향성에 대해서 살펴보고자 한다.
