MAY 21, 2025

머신러닝 를 활용한 강화된 데 노보 설계를 통해 신약 개발 프로그램 추진

데 노보(De novo) 분자 설계는 완전히 새로운 화합물을 처음부터 설계하여, 수십억 개의 새로운 분자 구조를 생성함으로써 신약 개발을 가속화합니다. 이후 이러한 설계안에 대한 전산 프로파일링은 물리학 기반 계산과 머신러닝 알고리즘을 활용하여, 이 방대한 화학적 공간에 대한 실험적 종결점을 엄격하고 신속하게 예측합니다.

이번 웨비나에서는 ‘ Schrödinger’의 AutoDesigner에서 제공하는 대규모 드 노보(de novo) 설계 워크플로우가, 엄격한 자유 에너지 기반 스코어링 방법과 결합되어 최근 여러 프로젝트에서 핵심적인 설계 과제를 해결하는 데 어떻게 적용되었는지 시연해 드리겠습니다. AutoDesigner를 활용한 드 노보(de novo) 설계를 통해 EGFR 신약 발굴 프로젝트를 가속화하여, 단 6일 만에 230억 개의 새로운 화학 구조를 탐색하고, 우수한 효능 및 특성 프로파일을 지닌 4개의 새로운 스캐폴드를 식별한 사례를 개괄적으로 설명하겠습니다. 또한 WEE1 억제제 개발에 적용된 드 노보 핵심 설계 전략을 집중 조명할 예정이며, 이 과정에서 자동화된 접근 방식을 통해 PLK1에 비해 10,000배 이상의 선택성을 달성하면서도 강력한 표적 억제력을 유지한 완전히 새로운 화학 유형을 생성한 사례를 소개하겠습니다.

마지막으로, 분자 단편들 간의 수십억 개에 달하는 잠재적 링커를 처음부터 생성하고 평가할 수 있는 워크플로우인 ‘AutoDesigner LinkerDesign’을 소개하며, 이를 통해 전산 설계 역량을 한층 더 확장합니다. 마지막으로, LiveDesign 에서 제공하는 대화형 대시보드를 활용해 이러한 도구들의 영향을 어떻게 추적하고 있는지 개괄적으로 설명하며 글을 마칩니다.

웨비나 하이라이트

• AutoDesigner를 사용하여 hit identification 를 위한 새로운 코어와, 히트-투-리드(hit-to-lead) 및 리드-투-리드( lead optimization )를 위한 R-그룹 및 링커를 설계하는 방법
• 여러 신약 개발 프로그램에서 효능과 선택성을 획기적으로 향상시킨 사례
• 신약 개발 프로그램에 해당 기술을 적용하기 위한 요건 및 모범 사례
• [ ]에서 대시보드를 활용하여 주요 성과 지표를 추적하는 방법 LiveDesign