SPRi POPUP3 ENGLISH
SPRi POPUP3 ENGLISH

김완규(이화여자대학교 생명과학과) 빅데이터-AI 기반 신약개발

날짜2018.10.02
조회수9662
글자크기
    • 김완규(이화여자대학교 생명과학과) 빅데이터-AI 기반 신약개발 강연안내에 대해 일시, 장소, 주제, 발제자로 구성된 표
      일 시 2018. 09. 05.(수), 10:30 ~ 12:00
      장 소 소프트웨어정책연구소 대회의실 (판교글로벌R&D센터)
      주 제 빅데이터-AI 기반 신약개발
      발 제 자 김완규(이화여자대학교 생명과학과 교수)
    • 오랜 기간이 걸리는 신약개발 과정
    • Phase 1, 2, 3를 거쳐 FDA 승인까지 성공 확률도 낮고 시간이 오래 걸림
    • 국내의 신약개발 비용 및 시간은 점차 증가하는 추세
    • 알파고 이후, 인공지능과 신약개발과 관련된 논문 증가 추세로 보아, 인공지능기반 신약개발에 대한 관심이 증대되고 있는 것을 알 수 있음
    • 3P medicine
    • - Percision : 정밀의료
    • - Preventive : 리스크요인 분석하여 예방
    • - Personalised : 개인별 질병의 원인 분석을 통해 질병 예방 및 치료
    • 인공지능 기반 신약개발 현황
    • 인공지능 기반 신약개발 벤처기업 수는 85개(2018년 기준)으로 글로벌 IT기업도 인공지능 신약개발에 진출
    • 글로벌 제약사와 인공지능 신약 벤처 간 협력 네트워크 활발히 진행중
    • 신약개발 산업이 data-driven 추세로 확장되는 것이 국제적 트렌드임
    • 인공지능 신약개발 현황은 현재 태동기로써, 현재 전임상 개발 파이프라인을 보유하고 있는 기업은 2개, 5건임
    • 신약개발 단계별 빅데이터-인공지능 적용 분야
    • 바이오 빅데이터의 종류 : 약물타겟, 구조정보, 유전체정보, 의료정보(EMR, EHR), 의료기기
    • 신약개발 단계별 빅데이터-인공지능 적용 분야는 다음과 같음
    • ① Discovery : 타겟검증, 약물스크리닝 단계에서 빅데이터 플랫폼 구축을 통해 타겟을 발굴하고 가상 탐생 효능(독성 예측, 환자 세분화 등) 예측
    • ② Development : 임상시험, 허가 및 판매 단계에서 임상시험 사례 및 맞춤형 약물 개발
    • ③ Application : 진단, A.I 의사 의사결정 시스템을 통해 맞춤형 약물 적용
    • 빅데이터-인공지능 도입을 통해 신약개발의 예측시간/비용이 절감되며, data기반 개발 성공률이 제고되며 최종적으로 치료의 최적화, 사회적 비용이 감소되는 효과가 있음
    • 신약개발 관련 인공지능 연구 현황
    • 딥러닝을 통해 약물-전사체 기반 적응증 예측, 약물 가상 탐색, 타겟-리간드 구조 기반 가상 탐색 등에 관한 연구가 활발히 진행중
    • - 화합물 물리화학적 성질 예측 분야(약물 독성 예측, 신약 민감도 예측, 약 시너지 효과 예측 등)
    • - 인공지능 기반 약물 합성 경로 설계
    • 질병-치료의 패러다임
    • 고전적으로 질환을 바라보는 시각은 증상의 집합으로 보아 해당 증상을 없애는 쪽으로 치료제 개발하였고, 이후 분자적 기전으로 질환을 해석하여 신약개발 진행
    • 오믹스 기반 분자 프로파일 세포 상태의 총체적 변화를 통해 신약개발 트렌드도 변화가 일어나고 있음 → 기존 약물을 다른 질환 치료를 위한 약물로 리포지셔닝이 가능함으로써 신약개발의 비용 및 시간 절감 효과
    • - 후보약물 선정 및 적용, 약물 내성 시험에 빅데이터·인공지능 적용
    • 약물 스크리닝 빅데이터
    • 공개된 약물 스크리닝 데이터는 증가 추세임
    • - 화학물 은행 자체 보유 데이터 약 1백만개+대학 연구기관 보유 데이터(데이터 플랫폼 구축 중) 등 약 120만건을 통해 화합물의 다양한 활성 정보 제공, 신약개발에 직접 적용 가능한 바이오 빅데이터 플랫폼 구축이 가능
    • 하지만 국내 약물 스크리닝 데이터는 학술적, 경제적 잠재 가치에도 불구하고 대부분 공유 또는 재사용되지 못하고 있음
    • 약물 활성 빅데이터 기반 가상탐색의 기본 아이디어 : Assay Repositioning(기존 타겟 A가 아닌 다른 타겟에 대해서도 약물을 적용 가능하게 하는 방식)
    • - 약 1천개의 타겟을 대상으로 assay repositioning 평가 결과, 대부분의 타겟에 대해 실제로 작동하는 것을 확인함
    • - 약물 활성 데이터 축적되면 성능이 향상되는 정(+)의 관계 확인
    • - 다수의 재창출 후보 약물 발굴
    • 해외의 경우 신약개발 오픈 이노베이션(데이터 표준+수집+분석 플랫폼)이 활발히 제공되고 있음
    • 180905 초청세미나 김완규 사진1
      180905 초청세미나 김완규 사진1
      180905 초청세미나 김완규 사진2
      180905 초청세미나 김완규 사진2
      $(".anyslider").anyslider({ animation : "fade", showBullets : false }); $(".anyslider").hover( function() { $(".anyslider").children("a").css("filter", "alpha(opacity=1)"); $(".anyslider").children("a").css("opacity", 1); }, function() { $(".anyslider").children("a").css("filter", "alpha(opacity=0)"); $(".anyslider").children("a").css("opacity", 0); } ); $(".anyslider").children("a").focus(function(){ $(".anyslider").children("a").css("filter", "alpha(opacity=1)"); $(".anyslider").children("a").css("opacity", 1); }).blur(function(){ $(".anyslider").children("a").css("filter", "alpha(opacity=0)"); $(".anyslider").children("a").css("opacity", 0); }); $(function () { console.log($(".anyslider").height($(".anyslider > .as-slide-inner >div:visible").eq(0).height())); });
목록