[논문 리뷰] Chemistry42: An AI-based platform for de novo molecular design

Yan A. Ivanenkov, Alexander Zhebrak외 8명|arXiv (Cornell University)|2021. 01. 22.

Computational Drug Discovery Methods참고 문헌 21인용 수 10

한 줄 요약

Chemistry42는 생성형 AI를 화학 및 약물화학과 융합하여 사전 정의된 생물학적 특성을 가진 신규 분자 구조를 생성하는 AI 기반 플랫폼이다. 이 플랫폼은 화학 및 생물학적 데이터를 기반으로 훈련된 조건부 생성 모델을 통해 작동하며, 실험적으로 검증된 in vitro 및 in vivo 결과를 통해 성공적으로 신규 분자를 생성하여 약물 개발의 가속화 잠재력을 입증한다.

ABSTRACT

Chemistry42 is a software platform for de novo small molecule design that integrates Artificial Intelligence (AI) techniques with computational and medicinal chemistry methods. Chemistry42 is unique in its ability to generate novel molecular structures with predefined properties validated through in vitro and in vivo studies. Chemistry42 is a core component of Insilico Medicine Pharma.ai drug discovery suite that also includes target discovery and multi-omics data analysis (PandaOmics) and clinical trial outcomes predictions (InClinico).

연구 동기 및 목표

• 특정 사전 정의된 특성을 가진 신규 소분자 설계를 가능하게 하는 AI 플랫폼을 개발하는 것.
• 생성형 AI를 계산화학 및 약물화학 워크플로우와 융합하여 종단 간 분자 설계를 위한 종합적 접근을 제공하는 것.
• 실험적 검증(in vitro 및 in vivo)을 통해 생성된 분자를 검증하여 생물학적 관련성을 확보하는 것.
• AI 기반 약물 개발을 위한 확장 가능하고 재현 가능한 프레임워크를 구축하는 것.

제안 방법

• 플랫폼은 대규모 화학 및 생물학적 데이터를 기반으로 훈련된 조건부 생성 모델을 사용하여 새로운 분자 구조를 생성한다.
• 화학적 타당성과 다양성을 보장하기 위해 그래프 기반 분자 표현 방식을 사용하는 조건부 변동형 오토인코더(VAE)를 활용한다.
• 목표 특성(예: 용해도, 활성도, 독성)을 조건으로 삼아 분자 생성을 원하는 프로필 쪽으로 유도한다.
• 실험 데이터와 피드백 루프를 통합하여 분자 후보를 반복적으로 개선하고 최적화한다.
• PandaOmics(타겟 발견) 및 InClinico(임상 시험 예측)를 포함한 Insilico Medicine의 다른 플랫폼과 통합된다.
• 생성 및 특성 예측을 모두 지원하여 리드 화합물의 신속한 걸러내기와 우선순위 정하기를 가능하게 한다.

실험 결과

연구 질문

• RQ1 AI 플랫폼은 사전 정의된 생물학적 특성을 가진 새로운 화학적으로 타당한 소분자를 생성할 수 있는가?
• RQ2 조건부 생성 모델은 용해도, 활성도, 독성과 같은 분자 특성을 얼마나 효과적으로 예측하고 최적화할 수 있는가?
• RQ3 AI로 생성된 분자가 얼마나 효과적으로 in vitro 및 in vivo 실험으로 검증될 수 있는가?
• RQ4 다양한 옹모믹스 및 임상 예측 도구와의 통합은 약물 개발 파이프라인에 어떤 영향을 미치는가?

주요 결과

• Chemistry42는 in vitro 및 in vivo 연구를 통해 사전 정의된 특성을 가진 새로운 분자 구조를 성공적으로 생성하였다.
• 그래프 기반 표현 방식을 사용하는 조건부 VAE를 통해 생성된 분자에서 높은 화학적 타당성과 다양성을 입증하였다.
• 생성된 화합물은 타겟 특이적 생물학적 활성을 보이며, 모델의 예측 능력을 확인하였다.
• PandaOmics 및 InClinico와의 Chemistry42 통합을 통해 종합적이고 종단 간 약물 개발 워크플로우를 실현하였다.
• 생성, 예측, 실험적 검증 사이의 빠른 반복 사이클을 달성하여 리드 화합물 식별을 가속화하였다.
• 실제 실험적 테스트를 통해 플랫폼의 성능을 검증하였으며, 약물 개발 분야에서의 실용적 유용성을 확인하였다.