인공지능(AI) 기반의 히트 발견 및 가상 스크리닝(Virtual Screening, VS)은 신약 개발 과정을 혁신적으로 변화시키고 있다. 이는 수억에서 수조 개의 화합물 라이브러리에서 특정 단백질에 효과적으로 결합할 수 있는 '히트(hit)' 화합물을 컴퓨터로 신속하게 선별하는 핵심 단계이다.
AI의 도입으로 전통적인 고속 스크리닝(HTS)의 한계를 뛰어넘어 '제로샷(zero-shot)' 화합물 생성까지 가능해졌으며, 실제 히트율이 5%에서 26%까지 보고된다. 2025년에서 2026년 사이의 연구들은 AI가 신약 개발의 시간과 비용을 10~100배 절감하며, 화학 공간 탐색을 위한 자율 로봇으로 진화했음을 보여준다.
AI 기반 가상 스크리닝 플랫폼을 활용하여 1억 1백만 개의 ZINC 라이브러리에서 NSUN2 암 타겟 억제제 후보 34개를 발굴하였다. 이후 분자 동역학(MD) 시뮬레이션 검증을 통해 2개의 선도 화합물을 확인하는 데 성공하였다. 이 연구는 AI가 특정 암 타겟에 대한 새로운 치료제 후보를 신속하게 식별할 수 있음을 입증한다.
이 리뷰 논문은 가상 스크리닝 분야에서 AI의 역할이 신약 연구 및 발견을 어떻게 변화시키고 있는지 종합적으로 검토한다. AI 기반 도킹, 스코어링, 생성 모델(GANs, Diffusion 모델), 능동 학습(Active Learning) 등의 기술이 울트라 라지 가상 스크리닝(ULVS)을 실현하고 히트율을 크게 향상시키는 데 기여함을 강조한다. AI가 기존의 한계를 극복하고 신약 개발 속도를 가속화하는 핵심 동력임을 제시한다.
이 통합 리뷰는 울트라 라지 가상 스크리닝(ULVS)에서 히트 화합물을 식별하는 최신 동향과 미래 과제를 다룬다. 특히 AI-증강 하이브리드 접근 방식, 즉 구조 기반 VS(SBVS)와 리간드 기반 VS(LBVS)의 통합이 신규성과 효능을 동시에 높이는 데 중요하다고 설명한다. 화학 공간의 방대함, 스코어링 함수의 정확도 부족 등 주요 난제를 짚고, 이를 해결하기 위한 생성 AI와 능동 학습의 역할을 강조한다.
이러한 연구들은 딥 도킹(Deep Docking), 카르마 도킹(KarmaDock), 캣부스트(CatBoost) 앙상블 등 AI 기술이 1011개에 달하는 화합물을 단 며칠 만에 스크리닝하고 히트율을 6~7%에서 23~26%까지 끌어올렸음을 보여준다.
또한, 인실리코 메디슨(Insilico Medicine) 및 모델 메디슨즈(Model Medicines)와 같은 플랫폼은 단순히 스크리닝을 넘어 새로운 화합물을 생성하는 'de novo 디자인'까지 통합하여 신약 발견의 속도를 혁신하고 있다.
2026년 현재, AI VS는 희귀·난치암 타겟에서 '실험실에서 불가능한' 후보를 발견하는 표준 방법이 되었으며, 2030년까지 신약 개발 기간을 절반 이하로 줄일 것이라는 설득력 있는 전망이 나온다.