히트 발견 및 가상 스크리닝 (Hit Identification / Virtual Screening)

1. 개요 및 정의

수억~수조 개의 화합물 중 타겟 단백질에 최적화된 후보(Hit)를 선별하는 과정입니다.

비용 및 시간 10~100배 절감, Hit Rate 비약적 향상(최대 26% 보고).

가상 스크리닝(Virtual Screening)은 컴퓨터를 이용해 대규모 화학 라이브러리에서 유효 화합물을 예측·선별하는 in silico 기술입니다.

AlphaFold2/3 기반 단백질 3D 구조와 도킹을 통한 결합 포켓 예측.

알려진 활성 리간드와의 화학 구조 및 지문(Fingerprint) 유사성 분석.

딥러닝 스코어링, 생성 모델(GAN, Diffusion), 능동 학습(Active Learning) 적용.

가속화 및 정확도: 1억 개 이상의 화합물을 며칠 만에 처리하며, 실질 Hit Rate를 기존 6%대에서 23~26%까지 증폭시킵니다.
패러다임의 변화: 단순 '스크리닝 보조'를 넘어 화학 공간을 자율적으로 탐험하는 '생성형 AI 로봇'으로 진화 중입니다.
통합 플랫폼: Insilico Medicine, Model Medicines 등 생성 AI를 통한 de novo 설계와 스크리닝의 통합이 활발히 이루어지고 있습니다.

"하이브리드 통합을 통해 신규성과 약효를 동시에 확보하는 방법은 무엇인가? 능동 학습을 통해 실험 횟수를 90% 이상 줄일 수 있는가?"

AI Docking

KarmaDock, DeepDock 머신러닝 스코어링

Pipeline

100M~500M 규모 사전 필터링 및 MD 시뮬레이션

Generative

GANs, Diffusion 모델 활용 신규 히트 생성

Advanced Tools

GALILEO™ (52조 개 처리), Boltz-2 (1,000배 가속)

NSUN2 암 타겟 억제제 34개 후보 발굴 및 리드 화합물 검증.

CDK11 선택적 억제제 발굴 및 SAR 최적화 성공.

52T 규모 스크리닝으로 in vitro Hit Rate 100% 달성.

양자 AI 하이브리드(Quantum-AI)와 자율 주행 연구실(Self-driving lab)의 결합, 멀티모달 파운데이션 모델 및 설명 가능한 AI(XAI)의 강화가 신약 개발의 뉴 노멀이 될 것입니다.

결론:

AI 가상 스크리닝은 2030년까지 신약 개발 기간을 50% 이하로 단축시킬 것이며, 전통적 HTS를 대체하는 새로운 산업 표준이 될 것입니다.