새로운 항체를 꿈꾸는 제너레이티브 AI 기술

DALL-E 및 기타 다양한 이미지 생성 인공지능 시스템을 지원하는 동일한 기술을 활용하면 향후 암, 전염병 및 다양한 추가 질환 치료를 위한 항체를 고안하는 연구자들이 잠재적으로 활용할 수 있을 것입니다.

당면 과제에는 신체 메커니즘에 의한 항체 생산이 포함되며, 이는 병원체 및 미생물과 같은 원치 않는 요소에 결합하여 면역 체계에 의해 이러한 개체를 쉽게 제거할 수 있도록 합니다.

수십 년 전, 연구자들은 실험실에서 항체 도 만들 수 있다는 사실을 알아냈습니다. 그런 다음 이 단백질을 증식시켜 신체가 병원균, 암세포, 독성 물질 등을 인식하고 공격하는 데 도움이 되는 의약품으로 사용할 수 있습니다.

10년 후에는 항체 설계에 대한 접근 방식이 크게 발전할 것입니다.

나다니엘 베넷

치료용 항체를 개발하는 현재의 접근 방식은 장점이 있지만 한계가 없는 것은 아닙니다.

연구자가 특정 유형의 악성 세포와 같은 항체 기반 치료제의 특정 표적을 확인하면 이를 실험동물에 투여하여 면역 체계에 의한 항체 생성을 관찰할 수 있습니다. 이 풀에서 가장 상서로운 후보를 선택하면 이후 인간 대상의 임상 적용을 위해 이러한 항체를 최적화할 수 있습니다.

또는 표적에 대한 잠재적 결합 친화력을 보이는 후보를 찾기 위해 방대한 항체 인식 저장소를 검토한 후 엄격한 테스트 절차를 거친 다음 일련의 반복적인 수정을 통해 가장 유망한 대안을 정제할 수도 있습니다. 그러나 이러한 노력은 비용, 시간 소모, 기술적 복잡성 측면에서 엄청난 도전 과제를 안고 있습니다.

새로운 방법: 워싱턴대학교(UW)의 연구원들이 항체 설계를 위한 AI를 개발했습니다. 현재 개념 증명 단계인 이 시스템에 대한 세부 사항 을 사전 인쇄 서버 bioRXiv에서 공유했습니다.

“10년 뒤에는 이렇게 항체를 설계하게 될 것입니다.“라고 연구의 공동 저자 Nathaniel Bennett 은 Nature 에 말했습니다.

2023년에 워싱턴 대학교는 시각적 콘텐츠를 생성하기 위해 인공 지능 시스템에서 일반적으로 사용되는 확산 모델을 활용하여 새로운 단백질 구성을 만드는 혁신적인 소프트웨어 애플리케이션인 RFdiffusion을 도입했습니다.연구진은 보다 정밀하고 정확한 설계 솔루션을 개발하기 위해 특정 표적과 상호작용하는 항체의 디지털 표현에 이 기술을 적용하여 기술을 향상시켰습니다.

연구진은 인공지능 시스템을 활용하여 바이러스, 박테리아, 악성 세포 등 다양한 표적 병원체에 존재하는 단백질을 인식할 것으로 예측되는 항체 후보를 생성했습니다. 그 후, 이러한 후보 항체를 선별하여 실험실 환경에서 합성하여 각 표적에 대한 결합 친화력을 평가했습니다.

이 성과는 이러한 위업이 달성될 수 있다는 믿음을 구현하는 중요한 진전이라는 느낌을 불러일으킵니다.

조셉 왓슨

이 방법의 성공률은 약 1%로 비교적 낮았지만, 의도한 표적에 결합할 수 있었던 항체는 표적에 대한 친화력이 제한적으로 나타났습니다. 그럼에도 불구하고 연구자들은 효율성 및 비용 효율성 측면에서 이 접근법의 잠재적 이점에 대해 낙관적인 입장을 유지하고 있습니다. 이 방법이 실현 가능하다는 사실을 확인한 연구진은 이제 전반적인 성능을 향상시키는 데 집중할 것입니다.

이 연구의 공동 책임 연구자인 Joseph Watson은 Nature에 이번 연구 결과가 ‘원리 증명’의 성과이며 이러한 접근법의 실현 가능성을 입증하는 중요한 이정표가 될 것이라고 말했습니다.

귀하의 의견을 환영하며 이 기사에 대한 의견을 보내주시면 기꺼이 받아보겠습니다. 또한 독자들이 관심을 가질 만한 향후 기사에 대한 제안이 있으시면 [email protected]

로 이메일을 보내 주시기 바랍니다.