AI 기반 단백질 접힘 경로 예측을 통한 신약 후보물질 라이브러리 구축

생명과학 인공지능은 기존의 실험적 한계를 넘어, 단백질의 3차원 구조를 예측하고 이를 통해 잠재적 약물 타겟을 선별하는 데 혁신적으로 활용되고 있습니다.

구조 예측과 약물 디자인의 융합

• AlphaFold2와 같은 딥러닝 모델은 아미노산 서열만으로도 매우 높은 정확도의 단백질 구조 예측 결과를 제공하여, 신약 개발 초기 단계의 시간과 비용을 획기적으로 절감합니다.
• 이러한 구조 정보를 기반으로, AI는 특정 단백질 결합 포켓에 가장 잘 맞는 화합물(Ligand)을 설계하거나, 기존 화합물의 결합 강도를 예측하는 분자 도킹 작업을 수행합니다.

최근에는 단순히 최종 구조뿐만 아니라, 단백질이 목표 결합 상태에 도달하는 단백질 접힘의 동역학적 경로 자체를 AI가 시뮬레이션함으로써, 더 안정적이고 선택적인 신약 개발 후보군을 선별하는 실질적인 서비스들이 등장하고 있습니다. 이는 구조생물학과 생명정보학의 결합을 대표하는 응용 사례입니다.