[진로 관련 서치] 약품 발견 / 개발에 사용되는 머신러닝

 과거에 카이스트 연구실에 있는 분이 쓴 글을 보았다. 유전자 프로그래밍을 이용하여 난치병 환자를 치료할 수 있는 알고리즘을 개발하는 내용이었다. 그 과정에서 인공신경망을 사용했다고 한다. 당시 다른 사람을 돕겠다는 비전을 가지고 구체적인 진로를 찾던 중 이 책을 접한 것이다. 그 이후로 책에 나온 방식대로 치료약을 개발하는 알고리즘을 만들어보고자 대학에 들어왔다.

 

대학에 들어와서 바쁘게 살아가다보니 관심 분야는 앱 백앤드 쪽으로 기울었고, 정작 내가 하고싶었던 부분은 다뤄보지 못한 채 삶을 살아가게 되었다. 그렇게 의약품 연구에 대한 서치를 시작했다. 첫 번째로 볼 논문은 'Applications of machine learning in drug discovery and development' 라는 논문이다. 아직 아무것도 모르는 상태이기에 학교 선배에게 조언을 구했고, NATURE REVIEWS에 실린 리뷰를 추천받았다. 리뷰를 읽으면 현재 기술의 전체적인 동향을 파악할 수 있다고 한다. 처음 논문을 봤을 땐 봐왔던 논문과 다르게 영어라 읽기가 싫었다. 그래서 몇주 미뤘다. 그래도 하고싶기에 다시 읽고 해당 내용을 이곳에 정리한다.

 

---

초록

Machine learning(ML) approaches : 약품 발견 및 의사 결정을 개선시킬 도구 제공

 

1. 예시

- target validation (표적 검증)

- identification of prognostic biomarkers (예후 바이오마커 식별)

- analysis of digital pathology data in clinical trails. (임상 시험에서 디지털 병리학 데이터 분석)

 

* 예후 바이오마커 : 특정 암세포의 자연적 과정을 예측하여 예후가 좋은 암에서 예후가 불량한 암을 구별하여 누구에게 항암제를 투여할 것인지를 결정하도록 도움을 주는 것 (전봉현(2017). 혈액을 이용한 질병 진단 바이오마커 발굴 동향)

-> 누가 수술 후에 보조 약물치료를 받을 지 이것을 가지고 결정할 수 있다.

 

2. ML 적용의 문제

생성 결과의 해석 가능성과 반복성이 부족해 적용이 제한될 수 있다.

-> 이 부분을 해결하려는 지속적인 노력 need

 

3. ML의 적용은

- 데이터 기반 의사 결정 촉진

- 약물 개발 과정의 속도를 ⬆.

- 약물 발견과 개발의 실패율 ⬇

 

 

---

인용 및 출처

 

Vamathevan, J., Clark, D., Czodrowski, P. et al. Applications of machine learning in drug discovery and development. Nat Rev Drug Discov 18, 463–477 (2019). https://doi.org/10.1038/s41573-019-0024-5

 

전봉현(2017). 혈액을 이용한 질병 진단 바이오마커 발굴 동향. BRIC View 2017-T24. Available from https://www.ibric.org/myboard/read.php?Board=report&id=2767 (Jun 20, 2017)