JUN 25, 2024
완전 자동화된 ‘ 머신러닝 ’ 기반 워크플로를 통해 까다로운 시스템에 대한 ‘ FEP+ ’ 모델 최적화 가속화
FEP+ 이는 신약 개발 분야에서 강력한 예측 기술로, 히트(hit) 발굴부터 구조-활성 관계( lead optimization)에 이르기까지 폭넓게 활용됩니다. 머신러닝 기반 예측 모델( FEP+ )을 도입하는 데 있어 가장 중요한 첫 단계는 대상 단백질-리간드 시스템에 대해 모델을 검증하고 최적화하는 것입니다. 일부 시스템은 기본 설정( FEP+ )만으로도 우수한 성능을 보이지만, 다른 시스템의 경우 수동으로 프로토콜을 미세 조정해야 합니다.
이번 웨비나에서는 Schrödinger의 ‘ FEP+ ’ 프로토콜 빌더를 소개합니다. 이 도구는 FEP+ 모델 최적화를 위한 자동화된 머신러닝 워크플로우입니다. 이 워크플로우는 기본 설정을 사용했을 때나 초기 수동 프로토콜 최적화 시도 후에도 예측 정확도가 충분하지 않은 시스템을 위해 설계되었습니다. ‘ FEP+ ’ 프로토콜 빌더는 연구자가 관심 있는 시스템에 대해 최적화된 예측 모델을 효율적으로 식별함으로써 연구자의 시간을 절약하고, FEP+ 를 성공적으로 구현할 가능성을 높여줍니다.
FEP+ 프로토콜 빌더의 주요 기능을 소개하고, 이 기술을 활용해 프로젝트 진행 속도를 높인 성공 사례를 살펴보는 자리에 함께해 주시기 바랍니다.
주요 내용:
- 액티브 러닝 워크플로를 활용하여 프로토콜 매개변수 공간을 반복적으로 탐색함으로써 정확한 FEP+ 프로토콜을 개발하는 ‘ FEP+ ’ 프로토콜 빌더 기술 개요
- 신약 개발 프로그램에서 FEP+ 프로토콜 빌더로 생성된 프로토콜을 효과적으로 선행 적용한 사례 연구
- 수동 방식과 자동화된 FEP+ 최적화 방식 간의 시간 효율성 비교
- 자사의 프로그램에서 해당 기술을 활용하기 위한 요건 및 서비스 옵션에 대한 상세 정보
- 관심 있는 단백질-리간드 시스템에 대해, 구조 정보의 거의 모든 수준에서 ‘ FEP+ ’ 기능을 활성화할 수 있는 다양한 옵션에 대한 개요
연사 소개
제레미 방돔
응용 과학 부문 수석 이사, Schrödinger
응용 과학 부문 수석 이사인 제레미 방돔(Jeremie Vendome) 박사는 2015년에 켄트릭 바이오사이언스( Schrödinger )에 합류했습니다. 그는 프랑스 에콜 노르말 쉬페리외르(Ecole Normale Superieure)에서 박사 학위를 취득한 후, 컬럼비아 대학교 배리 호니그(Barry Honig) 교수 연구실에서 연수를 마쳤으며, 그곳에서 계산적 접근법과 실험을 결합하여 단백질-단백질 상호작용의 에너지 역학 및 특이성과 관련된 다양한 문제를 연구했습니다. Schrödinger 에 합류하기 전, 제레미는 업계에서 신약 개발 과학자( 계산 화학자 )로 활동하고 컬럼비아 메디컬 센터(Columbia Medical Center)에서 CADD 협업 플랫폼 책임자로 근무하며 10년 이상의 신약 개발 경험을 쌓았습니다. Schrödinger 에서 그는 점차 더 큰 책임을 맡는 여러 직책을 역임해 왔으며, 회사의 최신 기술 개발과 실제 신약 개발 프로젝트 적용 사이의 가교 역할을 꾸준히 수행해 왔습니다. 가장 최근에는 제레미가 Schrödinger의 연구 지원 이니셔티브를 주도하고 있으며, 이는 협업 서비스 형태로 당사의 최신 기술과 워크플로우를 대규모로 제공함으로써 신약 개발 프로그램을 핵심 단계별로 진전시키기 위한 것입니다.
조던 엡스타인
제품 매니저, Schrödinger
조던 엡스타인은 뉴욕대학교에서 화학을 전공한 후 2017년에 Schrödinger 에 합류했습니다. Schrödinger 에 소프트웨어 개발자로 입사한 후, FEP+, Desmond, LiveDesign 등의 제품 개발에 참여했습니다. 최근에는 제품 관리자로 직책을 전환하여 FEP+ Protocol Builder가 정식 출시될 수 있도록 기여했습니다.
사테시 바트
치료제 그룹 전무이사, Schrödinger
치료제 그룹의 전무 이사인 사테시 바트(Sathesh Bhat) 박사는 2011년에 아스트라제네카( Schrödinger )에 합류했습니다. 그는 Schrödinger 에서 사내 및 제휴 신약 개발 프로그램에 대한 전산 화학 업무를 총괄하고 있습니다. 이전에 사테시 박사는 머크(Merck)와 일라이 릴리(Eli Lilly)에서 근무하며 여러 신약 개발 프로그램의 전산 연구를 주도했습니다. 그는 맥길 대학교(McGill University)에서 박사 학위를 취득했으며, 이 과정에서 결합 자유 에너지를 예측하기 위한 구조 기반 방법론을 개발했습니다. 사테쉬는 다수의 특허와 논문을 공동 저술했으며, 현재도 전산 화학의 다양한 주제에 대해 지속적으로 연구 성과를 발표하고 있습니다.