신약 개발의 핵심:
타겟 식별 및 검증의 혁신

Ren 등은 TargetPro(TID-Pro)라는 질병 특이적 XGBoost 모델을 개발했다고 보고합니다. 이 모델은 Insilico Medicine이 암, 대사, 면역, 섬유화, 신경 질환 등 38가지 질병을 대상으로 만들었으며, PandaOmics의 멀티오믹스 및 텍스트 데이터를 긍정-비표지 학습(positive-unlabeled learning) 방식으로 활용하여 학습되었습니다. 연구 결과, TargetPro는 임상 단계 타겟을 높은 정확도로 예측하고, 각 질병의 고유한 패턴을 성공적으로 규명했음을 입증합니다. 이는 신약 개발의 첫 단계를 혁신적으로 개선하는 데 중요한 기여를 합니다.

Li 등은 AlphaFold 3와 같은 3D 구조 예측 AI가 약물 표적 식별을 가속화할 수 있음을 제시합니다. 이 연구는 AI가 단백질의 3차원 구조, 결합 포켓, 돌연변이 효과를 정확하게 예측하여 약물화 가능성(druggability)을 평가하는 데 핵심적인 역할을 한다고 강조합니다. 특히, AlphaFold 3 기반 AI를 통해 CDK20, CDK12와 같은 새로운 암 타겟을 발굴하고, Insilico Medicine의 Chemistry42와 연계하여 실제 저해제 설계까지 이어지는 성공 사례를 보여줍니다.