이미지:본지

과학자들은 인공지능을 통해 코로나 바이러스에 대한 잠재적 치료법을 식별하고 있다. 또 연구원들은 AI를 사용하여 기존의 의료 정보를 통해 새로운 코로나 바이러스를 치료하는 데 도움이 될 수 있는 치료제를 찾고있다.

중국 우한과 관련된 새로운 코로나 바이러스(2019-nCoV)를 퇴치하기 위해 연구원들은 인공지능을 사용하여 이미 승인 된 약물과 완전히 새로운 화합물을 포함한 잠재적 치료법을 발견하고 있다. 지난 7일 현재 신종 코로나 바이러스는 600 명 이상이 목숨을 앗아 갔으며 최소 25 개국에서 30,000 명 이상이 감염되었다 .

인공지능이 코로나 바이러스 퇴치에 최전선에 나선 것이다.

영국의 AI바이오 스타트업 베네볼렌트 AI(Benevolent AI)의 연구원들은 AI로 바이러스 감염을 제한하는 데 도움이 될 수 있는 기존의 승인된 약물을 검색해 관련 바이러스 단백질의 유전체를 기반으로 한 분자 모델링과 결합된 2019-nCoV 질환의 잠재적 치료제로 바리시티닙(Baricitinib)을 검색했다고 밝혔다.(관련 연구 다운

바리시티닙은 잠재적인 항 염증성, 면역 조절 및 항 종양 활성을 갖는 야누스 키나제 1 및 2(JAK1 / 2)의 경구 생체 이용 가능한 억제제로 일반적으로 중등도 및 중증 류마티스 관절염 치료에 사용된다

메릴랜드의 스타업 인실리코 메디안( Insilico Medicine)는 지난 6일 인공지능을 사용하여 코로나 바이러스에 대한 효과적인 치료의 기초를 형성할 있는 분자를 신속하게 식별했다고 밝혔다. 또 2019-nCoV 3C 유사 프로테아제를 표적으로 하는 소분자의 구조를 발표했으며, 생성된 여러 화합물을 합성하고 테스트할 것이라고 밝혔다.

특히 바이러스에 대한 잠재적 의약품으로 전환될 수 있는 수천 개의 새로운 분자를 식별하기 위해 인실리코의 AI 기반 시스템은 4 일이 걸렸다. 인실리코는 가장 유망한 후보자 100 가지를 합성하고 테스트하는 한편 다른 연구자들이 사용할 수 있는 새로운 분자 구조의 전체 라이브러리를 수시로 업로드할 것(업로드홈)이라고 밝혔다.(관련 논문)

또한 지난달 31 일부터 인실리코는 28 개의 다른 머신러닝 모델을 사용하여 3C와 같은 단백질 분해 효소에 결합하여 기능을 억제할 수있는 새로운 소분자를 설계하기 시작했다. 이러한 기술 중 일부는 딥페이크(deepfake)를 생성하는 데 가장 잘 알려진 동일한 유형의 적대적 생성 신경망(GAN, Generative Adversarial Network)을 사용했다. 이 경우 AI는 매우 사실적이고 가짜 비디오를 생성하는 대신 프로테아제와 결합 할 올바른 구조를 형성하는 방법으로 새로운 분자를 생성하는 것이다.

인공지능은 새로운 전염병과 싸우기 위해 새로운 백신과 약물을 만드는 데 걸리는 시간을 획기적으로 줄이고 있다. 

새로운 치료법을 찾아서 테스트하여 다른 방법으로 몇 년이 걸리는 것과 달리 일주일 또는 2 주 만에 인간 임상 시험을 실시하는 것으로 미국의 생명 공학 회사 길르앗(Gilead)은 지난 주 베이징 병원과 코로나 바이러스 발병의 중심인 우한(Wuhan)에서 기존 항 바이러스 약물인 레메데비르 (remdesivir)에 대한 인간 테스트를 시작하기 위해 지난 주 계약을 체결했다.

또한 외신에 따르면 한국에 위치한 AI 약물 발견 회사인 디어젠(Deargen)과 제휴한 또 다른 과학자들은 딥러닝을 사용하여 잠재적 치료법으로 연구 할 수 있는 다양한 항 바이러스 약물을 찾을 수 있다고 전했다. 이 연구에서는 2019-nCoV의 바이러스 성 단백질에 작용할 수 있는 상용 약물을 식별하기 위해 MT-DTI(Moleculule Transformer-Drug Target Interaction)라는 사전 훈련된 딥러닝 기반 약물-타겟 상호 작용 모델을 사용했다.(관련 논문 다운

지난달 30일(현지시간)에는 미시간 주립대(Michigan State University)의 연구팀은 2019-nCoV의 새로운 약물 후보 물질을 만들기 위해 머신러닝 기술을 사용 하는 방법 에 대한 논문(2019-nCoV 약물의 기계지능 설계-Machine intelligence design of 2019-nCoV drugs)을 발표했다(논문 다운

생성 네트워크의 개요: SMILES 스트링(SS)은 게이트된 재귀 신경망(GRU) 기반 인코더를 통해 잠복 공간 벡터로 인코딩된다. 이러한 벡터는 미리 훈련된 심부 신경망(DNNs)에 의해 예측되는 결합 친화성, 파티션 계수(LogP), 유사성 등과 같은 바람직한 약물적 특성을 달성하기 위해 분자 생성기에서 수정된다. 생성된 약물과 같은 분자는 GRU 기반 디코더에 의해 SS로 번역된다. 이러한 SS의 물리적 특성은 2D 지문 기반 멀티태스크 DNN에 의해 검증된다. 유망한 약물 후보를 MathPose 단위로 보내 3D 구조를 생성하고, 이를 수학적 딥러닝(MathDL) 센터에서 검증하여 새로운 약물 후보를 선택한다(사진:미시간 논문 캡처)
생성 네트워크의 개요: SMILES 스트링(SS)은 게이트된 재귀 신경망(GRU) 기반 인코더를 통해 잠복 공간 벡터로 인코딩된다. 이러한 벡터는 미리 훈련된 심부 신경망(DNNs)에 의해 예측되는 결합 친화성, 파티션 계수(LogP), 유사성 등과 같은 바람직한 약물적 특성을 달성하기 위해 분자 생성기에서 수정된다. 생성된 약물과 같은 분자는 GRU 기반 디코더에 의해 SS로 번역된다. 이러한 SS의 물리적 특성은 2D 지문 기반 멀티태스크 DNN에 의해 검증된다. 유망한 약물 후보를 MathPose 단위로 보내 3D 구조를 생성하고, 이를 수학적 딥러닝(MathDL) 센터에서 검증하여 새로운 약물 후보를 선택한다(사진:미시간대 논문 캡처)

이처럼 인공지능은 잠재적인 새로운 치료법을 파악하고 신속하게 수행할 수 있는 것은 과학자들이 질병과 증상, 약물 및 그 효과, 치료에 반응할 수 있는 환자 사이의 관계를 밝혀내는 데 도움이 될 수 있으며, 압도적인 생·의학적 정보로 인해 우리가 놓칠 수 있는 통찰력을 얻을 수 있다.

수수께끼의 질병이 처음 발생하면 정부와 공중 보건 당국이 정보를 빠르게 수집하고 대응하기가 매우 어려울 수 있다.

그러나 인공지능은 전 세계의 보고서와 온라인 콘텐츠를 통해 자동으로 마이닝 할 수 있다. 전문가가 잠재적 전염병 또는 전염병으로 이어질 수 있는 이상을 인식할 수 있는 것이다. 다시 말해, 코로나 바이러스에서 보는 것과 같이 생명을 위협하는 재앙에 직면했을 때 과학자들의 시간을 절약하는 것만으로도 세상을 변화시킬 수 있는 것이다.

저작권자 © 인공지능신문 무단전재 및 재배포 금지