(뉴욕, 2023년 5월 17일 PRNewswire=연합뉴스) 생성형 인공 지능(AI)을 기반으로 하는 임상 단계 신약 개발 업체인 Insilico Medicine이 신약 발견 과정에서 주요 약물 후보 발견을 탐색하기 위해 빠르게 발전하는 두 가지 기술인 양자 컴퓨팅과 생성형 AI를 획기적으로 결합하고, 생성 화학에서 양자 생성적 대립쌍 네트워크의 잠재적인 이점을 성공적으로 증명했다고 발표했다.
이달 13일 선도적인 전산 모델링 학술지인 미국 화학회(American Chemical Society)의 Journal of Chemical Information and Modeling[https://pubs.acs.org/doi/10.1021/acs.jcim.3c00562 ]에서 발표된 연구는 Insilico 대만 센터와 UAE 센터가 주도한 것이다. 이들 두 센터는 신약 발견과 개발 속도를 높이기 위해 생성형 AI와 양자 컴퓨팅을 포함해 빠르게 발전하는 여러 기술을 이용해 획기적인 방법과 엔진을 개척하고 구축하는 데 집중한다. 이 연구는 토론토대학 Acceleration Consortium 소장 Alan Aspuru-Guzik과 Hon Hai (Foxconn) Research Institute가 지원했다.
Hon Hai Technology Group (Foxconn(R))의 양자 컴퓨팅 연구센터(Quantum Computing Research Center) 소장 Min-Hsiu Hsieh 박사[https://www.minhsiu.com/ ]는 "Insilico Medicine과의 협력 여정에서 이러한 이정표를 달성하게 된 것을 기쁘게 생각한다"고 말했다. 그는 "양자 컴퓨팅은 복잡한 전산 문제를 해결하는 데 이용할 수 있다"며 "신약 발견 분야에 양자 컴퓨팅을 적용하면, 잠재적으로 연구개발 시간을 줄이고 비용을 낮출 수 있을 것"이라고 말했다.
생성적 대립쌍 네트워크(Generative Adversarial Networks, GAN)는 신약 개발과 설계 측면에서 가장 성공적인 생성 모델 중 하나로서, 여러 과제의 데이터 분포를 모방하는 생성형 데이터에 대해 놀라운 결과를 보였다. 고전적인 GAN 모델은 생성기와 판별기로 구성된다. 생성기는 무작위적인 노이즈를 받아 데이터 분포를 모방하며, 판별기는 허위 표본과 실제 표본을 구분한다. 판별기가 실제 데이터로부터 생성된 데이터를 구분할 수 없을 때까지 GAN을 훈련시킨다.
이번 연구 논문에서, 연구원들은 저분자 그래프를 위한 암시적 GAN인 MolGAN의 각 부분을 가변성 양자 회로(Variational Quantum Circuit, VQC)(노이즈 발생기, 패치 방법을 보유한 발생기 및 양자 판별기 포함)로 단계적으로 대체하고, 그 성능을 고전적인 GAN과 비교함으로써 저분자 신약 발견 과정에서 양자의 이점을 탐색했다.
이 연구는 훈련된 양자 GAN이 VQC를 노이즈 발생기로 이용함으로써 훈련 세트 같은 분자를 생성할 수 있다는 것뿐만 아니라, 양자 발생기가 생성된 화합물의 약물 특성과 목적 지향적인 벤치마크 측면에서 고전적인 GAN을 능가한다는 것까지도 증명했다. 추가로, 이 연구는 학습 가능한 매개변수가 수십 개밖에 없는 GAN 양자 판별기가 유효한 분자를 생성하고, 생성된 분자 특성 및 KL-발산 점수 측면에서 매개변수가 수만 개의 고전적인 GAN을 능가한다는 것도 보였다.
Insilico Medicine 대만의 총괄 관리자(GM)이자 연구의 교신 저자인 Jimmy Yen-Chu Lin 박사는 "양자 컴퓨팅은 모든 공동체에 엄청난 영향을 미칠 차세대 기술 혁신으로 인정받고 있으며, 제약산업은 이 발전에서 혜택을 볼 첫 산업 그룹 중 하나가 될 것"이라며 "이 연구는 자사가 이 분야에서 강조하는 분자 생성 분야 AI와 더불어 양자 컴퓨팅 분야에서 내디딘 첫 발자국을 보여주는 것"이라고 말했다.
이 유망한 결과는 Insilico UAE 팀이 하이브리드 양자 GAN 모델을 Chemistry42로 통합하도록 추가 지원을 제공한다. Chemistry42는 AI 기반 신약 발견과 개발 과정에서 더 효율적이고 정확한 결과를 확보하기 위한 Insilico의 독점적인 저분자 생성 엔진이다. 데노보 분자 설계에서 GAN을 이용한 선구자 중 하나인 Insilico는 2016년에 이 분야에서 첫 논문[https://pubs.acs.org/doi/abs/10.1021/acs.molpharmaceut.7b00346 ]을 발표했고, 2021년부터 생성형 AI 모델을 기반으로 포괄적인 플랫폼 Pharma.AI를 지원하며 11개 전임상 후보를 제공했다. 그중 3개 모델이 임상 단계로 진행됐다.
Insilico Medicine의 설립자 겸 CEO Alex Zhavoronkov는 "우리가 아는 한, 이 연구는 모든 GAN 구성성분을 VCQ로 체계적으로 대체하고, 분자를 생성하는 데 성공한 업계 최초의 사례"라며 "이는 또한 자사의 여정에서 작은 첫걸음이기도 하다"고 밝혔다. 이어 그는 "자사는 첨단 기술의 지원을 받아 전 세계 모든 사람이 건강하고 생산적인 삶을 더 오래 누릴 수 있도록 환자에게 고품질 및 효과적인 치료제를 더 빠르게 제공할 수 있도록 하는 데 전념하고 있다"면서 "자사의 UAE 센터는 화학 분야를 위해 실제 양자 컴퓨터로 획기적인 실험을 진행 중이며, 업계 및 학계와 Insilico의 최고 관행을 공유할 예정"이라고 설명했다.
Insilico Medicine 소개
포괄적인 임상 단계 AI 기반 신약 개발 기업 Insilico Medicine은 차세대 AI 시스템을 이용해 생물학, 화학 및 임상시험 분석을 연계한다. Insilico Medicine은 독특한 표적을 발견하고, 원하는 특성을 가진 새로운 분자 구조를 발견하기 위해 심층 생성 모델, 강화 학습, 변환기 및 기타 현대적인 머신 러닝 기법을 이용하는 AI 플랫폼을 개발했다. Insilico Medicine은 암, 섬유증, 면역, 중추신경계(CNS) 및 노화 관련 질환에 대한 혁신 신약을 발견 및 개발하기 위한 획기적인 솔루션을 제공한다. 추가 정보는 회사 웹사이트 www.insilico.com 을 참조한다.
