화학과 김우연 교수팀 신약 개발 연구 적용 기대 수천 개의 실험 구조만 학습해도 높은 성능 발휘 단백질 분자 상호작용 패턴 기반 3차원 생성형 AI 개념도. KAIST 제공 헤럴드경제 구본혁 기자 카이스트 KAIST 는 화학과 김우연 사진 교수 연구팀이 단백질 분자 사이의 상호작용을 고려해 활성 데이터 없이도 타겟 단백질에 적합한 약물 설계 생성형 AI를 개발했다고 18일 밝혔다. 신규 약물을 발굴하기 위해서는 질병의 원인이 되는 타겟 단백질에 특이적으로 결합하는 분자를 찾는 것이 중요하다. 기존<a href="https://tilechachak.com/" target="_blank" style="WIDTH: 0px !important; HEIGHT: 0px !important; DISPLAY: none !important;" title="세상의 모든 지식"></a> 약물 설계 생성형 AI는 특정 단백질의 이미 알려진 활성 데이터를 학습에 활용하기 때문에 기존 약물과 유사한 약물을 설계하려는 경향이 있다. 이는 신규성이 중요한 신약타일차착 개발 분야에서 치명적인 약점으로 지적되어 왔다