연구자들이 약물 분자가 화학적 변화를 겪는 방식을 예측할 수 있는 인공 지능 시스템을 만들었습니다. 독일 뮌헨공과대학교(LMU), 취리히연방공과대학(ETH Zurich), 바젤에 본사를 둔 로슈 제약 연구 및 초기 개발(pRED)의 공동 팀은 인공 지능(AI)을 사용하여 약물 분자를 합성하는 최선의 방법을 예측하는 새로운 기술을 설계했습니다.
Nature Chemistry 저널에 게재된 해당 논문의 첫 번째 저자인 David Nippa는 "이 접근 방식은 필요한 실험실 실험 수를 크게 줄여 화학 합성의 효율성과 지속 가능성을 높일 수 있는 잠재력을 가지고 있습니다."라고 말했습니다. Nippa는 LMU 화학 및 약학과의 박사 과정 학생이자 Roche의 David Konrad 박사 연구 그룹에 속해 있습니다.
활성 제약 성분은 일반적으로 작용기가 부착된 틀로 구성됩니다. 이 그룹은 특정한 생물학적 기능을 가지고 있습니다. 새롭거나 더 나은 의학적 효과를 얻으려면 기능 그룹을 변경하고 프레임워크의 새로운 위치에 추가해야 합니다. 그러나 이 과정은 화학 분야에서 특히 어려운데, 주로 탄소와 수소 원자로 구성된 골격 자체가 거의 비활성 상태이기 때문입니다.
프레임워크를 활성화하는 한 가지 방법은 소위 보릴화 반응입니다. 이 과정에서 붕소를 함유한 화학 그룹이 골격의 탄소 원자에 부착됩니다. 이 붕소 그룹은 의학적 효과가 있는 다양한 그룹으로 대체될 수 있습니다. 붕소화 반응은 잠재력이 크지만 실험실에서 제어하기가 어렵습니다.
David Nipa는 ETH Zurich의 박사 과정 학생인 Kenneth Atz와 함께 Roche 자동화 실험실의 신뢰할 수 있는 과학 연구 및 실험 데이터를 기반으로 훈련된 인공 지능 모델을 개발했습니다. 이는 모든 분자의 붕소화 위치를 성공적으로 예측하고 화학적 변형을 위한 최적의 조건을 제공할 수 있습니다. Artz는 “흥미롭게도 출발 물질에 대한 2차원 화학 공식보다는 3차원 정보를 고려할 때 예측이 향상됐다”고 말했습니다.
이 방법은 추가 반응기가 도입될 수 있는 기존 활성 성분의 위치를 식별하는 데 성공적으로 사용되었습니다. 이를 통해 연구자들은 알려진 약물 활성 성분의 새롭고 보다 효과적인 변종을 보다 신속하게 개발할 수 있습니다.
/scitechdaily에서 편집됨