약물 대사 예측 인공지능, 모델 규모보다 데이터 품질이 핵심

단백질 구조를 예측하며 노벨상을 안겨준 인공지능 모델의 시대가 변화하고 있습니다. 이제 제약 업계는 인공지능이 약물 후보 물질의 체내 대사 과정을 정확히 예측하는 실질적인 문제 해결을 요구합니다.

최근 개최된 약물 대사 예측 인공지능 경진대회에서 인덕티브 바이오가 우승을 차지했습니다. 이번 대회에서는 28개 팀이 통계적으로 동률을 기록했습니다. 이는 인공지능 모델의 크기보다 데이터의 품질이 성능을 결정한다는 사실을 보여줍니다.

연구의 핵심 대상은 프레그난 X 수용체(Pregnane X receptor, PXR)입니다. 이 수용체는 활성화될 경우 외부 유기 분자를 분해하는 효소의 생성을 촉진합니다.

프레그난 X 수용체가 조절하는 특정 효소는 현재 시판 중인 전체 약물의 약 50퍼센트를 대사합니다. 따라서 이 수용체의 활성화 여부를 미리 파악하는 작업은 신약 개발의 성패를 가르는 중요한 요소입니다.

대부분의 신약 개발 과정에서는 후보 물질이 프레그난 X 수용체를 자극하는지 여부를 개발 후반부에 확인합니다. 이로 인해 개발자는 연구를 처음부터 다시 시작해야 하는 어려움을 겪습니다.

인공지능 모델이 후보 물질의 프레그난 X 수용체 활성화 여부를 신뢰성 있게 예측한다면 상황은 달라집니다. 이는 약물이 체내에서 너무 빨리 배출되거나 다른 약물과 상호작용을 일으키는 문제를 사전에 방지합니다.

이번 경진대회 결과는 거대한 모델을 구축하는 것만이 능사가 아님을 시사합니다. 인공지능의 성능을 높이기 위해서는 모델의 규모보다 양질의 데이터를 확보하고 활용하는 전략이 필수적입니다.

이 기사는 일반적인 건강 정보를 제공하며, 의학적 조언을 대체하지 않습니다. 구체적인 건강 문제는 의료 전문가와 상담하십시오.

제약 분야의 인공지능 도입은 단순한 예측을 넘어 실질적인 약물 대사 문제를 해결하는 방향으로 나아갑니다. 데이터 중심의 접근 방식이 향후 신약 개발의 효율성을 높이는 핵심 열쇠가 될 것입니다.

출처: 인덕티브 바이오(Inductive Bio) 약물 대사 예측 경진대회 결과 보고서.