신테카바이오, AI 신약개발 효율성 높이는 ‘3bm GPT’ 특허 등록 완료
-
기사 스크랩
-
공유
-
댓글
-
클린뷰
-
프린트
▶ 100억 개 화합물 중 400개 후보물질 선별, 1억 개 단백질 구조 중 40개 최적화 유도체 생성
▶ 3bm GPT 상용화 및 SaaS/PaaS 서비스 탑재로 사업 강화 예정
▶ 3bm GPT 상용화 및 SaaS/PaaS 서비스 탑재로 사업 강화 예정
신테카바이오가 3bm GPT 국내 특허 등록을 통한 기술력 입증 및 사업화 토대를 마련했다.
인공지능(AI) 신약개발 전문기업 신테카바이오(226330, 대표이사 정종선)가 ‘3bm GPT’ 국내 특허 등록을 완료했다고 14일 밝혔다.
3bm-GPT는 생성형 AI GPT 모델을 활용해 3차원 단백질과 화합물 리간드 결합에 대한 분석 및 예측 결과를 정확하고 효율적으로 제공하는 인공지능 모델 학습 기법이다.
부족한 결합 정보로도 단백질 혹은 화합물의 특성을 도출해낼 수 있어 연구자들의 편의를 크게 증대할 것으로 예상된다.
또한, 생성형 AI를 결합 정보에 활용해 결합할 수 있는 물질 혹은 타깃 단백질을 탐색하는 데에 응용 가능할 것으로 기대된다.
현재 신테카바이오의 AI 언어 모델 실용화 단계 목표는 두 가지 질문에 대한 답변의 정확도를 높이는 것이다.
첫 번째는 100억 개의 화합물 라이브러리에서 약물 표적에 적합한 후보물질을 챗GPT 형식으로 질문을 하면 결과를 생성하는 것이며, 두 번째는 1억 개의 단백질 구조 라이브러리에서 최적화 후보물질의 선택적 결합(selectivity) 최적화를 위한 유도체를 만드는 것이다.
첫 번째 질문의 대답은 AI 언어 모델을 활용해 후보물질 발굴 단계에서 단백질 타깃 입력으로 100억 개 화합물 라이브러리 중 약 4%(400개)의 유효물질을 포함한 1만 개의 후보물질을 일관성 있게 생성한다.
이후, 신테카바이오의 몰드(mold) 및 물리 기반 파인 튜닝 AI 모델 딥매처(DeepMatcher)를 적용해 400개의 후보물질을 선별한다.
두 번째 질문의 대답은 AI 언어 모델에 약물 최적화(Lead-Optimization) 단계의 후보물질 입력으로 약 1억 개의 단백질 포켓(100만 개의 구조 * 각 100개의 모션 스냅샷) 라이브러리에서 타깃 단백질에는 잘 결합하지만 다른 단백질에는 결합하지 않는 선택적 결합을 위한 약 200개의 신규 작용기를 포함한 유도체를 생성한다.
이후, 파인튜닝용 AI 모델 딥매처를 적용해 40여 개의 최적화 유도체를 생성한다.
이로써 신테카바이오는 ▲AI 언어 모델 플랫폼 딥매처 ▲AI 바이오 슈퍼컴센터 ▲ 클라우드 플랫폼 등의 핵심역량을 더욱 강화하며, AI 신약개발 효율성을 극대화해 나갈 전망이다.
정종선 신테카바이오 대표이사는 “3bm-GPT 생성형 AI 국내 특허 등록을 통해 기술력 입증 및 언어 모델 기반 신약 발굴 및 최적화에 적용은 국내외 처음이기 때문에, 아직 신약의 불모지 영역인 퍼스트인클라스(first in class) 적용을 목표로 한다”며, “현재 한국/미국에서 협상이 진행 중인 다수의 연구개발 서비스 프로젝트에 적용하여, 안정적이고 일관성 있는 신약개발 서비스 편의와 속도를 높일 수 있도록 만전을 기하겠다“고 말했다.
향후, 신테카바이오는 3bm-GPT 기술을 활용한 주요 논문 게재 및 기술 확장, 신규 서비스 기회 발굴에 주력할 예정이다.
인공지능(AI) 신약개발 전문기업 신테카바이오(226330, 대표이사 정종선)가 ‘3bm GPT’ 국내 특허 등록을 완료했다고 14일 밝혔다.
3bm-GPT는 생성형 AI GPT 모델을 활용해 3차원 단백질과 화합물 리간드 결합에 대한 분석 및 예측 결과를 정확하고 효율적으로 제공하는 인공지능 모델 학습 기법이다.
부족한 결합 정보로도 단백질 혹은 화합물의 특성을 도출해낼 수 있어 연구자들의 편의를 크게 증대할 것으로 예상된다.
또한, 생성형 AI를 결합 정보에 활용해 결합할 수 있는 물질 혹은 타깃 단백질을 탐색하는 데에 응용 가능할 것으로 기대된다.
현재 신테카바이오의 AI 언어 모델 실용화 단계 목표는 두 가지 질문에 대한 답변의 정확도를 높이는 것이다.
첫 번째는 100억 개의 화합물 라이브러리에서 약물 표적에 적합한 후보물질을 챗GPT 형식으로 질문을 하면 결과를 생성하는 것이며, 두 번째는 1억 개의 단백질 구조 라이브러리에서 최적화 후보물질의 선택적 결합(selectivity) 최적화를 위한 유도체를 만드는 것이다.
첫 번째 질문의 대답은 AI 언어 모델을 활용해 후보물질 발굴 단계에서 단백질 타깃 입력으로 100억 개 화합물 라이브러리 중 약 4%(400개)의 유효물질을 포함한 1만 개의 후보물질을 일관성 있게 생성한다.
이후, 신테카바이오의 몰드(mold) 및 물리 기반 파인 튜닝 AI 모델 딥매처(DeepMatcher)를 적용해 400개의 후보물질을 선별한다.
두 번째 질문의 대답은 AI 언어 모델에 약물 최적화(Lead-Optimization) 단계의 후보물질 입력으로 약 1억 개의 단백질 포켓(100만 개의 구조 * 각 100개의 모션 스냅샷) 라이브러리에서 타깃 단백질에는 잘 결합하지만 다른 단백질에는 결합하지 않는 선택적 결합을 위한 약 200개의 신규 작용기를 포함한 유도체를 생성한다.
이후, 파인튜닝용 AI 모델 딥매처를 적용해 40여 개의 최적화 유도체를 생성한다.
이로써 신테카바이오는 ▲AI 언어 모델 플랫폼 딥매처 ▲AI 바이오 슈퍼컴센터 ▲ 클라우드 플랫폼 등의 핵심역량을 더욱 강화하며, AI 신약개발 효율성을 극대화해 나갈 전망이다.
정종선 신테카바이오 대표이사는 “3bm-GPT 생성형 AI 국내 특허 등록을 통해 기술력 입증 및 언어 모델 기반 신약 발굴 및 최적화에 적용은 국내외 처음이기 때문에, 아직 신약의 불모지 영역인 퍼스트인클라스(first in class) 적용을 목표로 한다”며, “현재 한국/미국에서 협상이 진행 중인 다수의 연구개발 서비스 프로젝트에 적용하여, 안정적이고 일관성 있는 신약개발 서비스 편의와 속도를 높일 수 있도록 만전을 기하겠다“고 말했다.
향후, 신테카바이오는 3bm-GPT 기술을 활용한 주요 논문 게재 및 기술 확장, 신규 서비스 기회 발굴에 주력할 예정이다.