[일반] 오늘도 잠자리 들기 전 10분 독서

[익명(61.78)]

https://youtu.be/FvuNPV5EBUo?si=J15BspymOT6fbulv

Andrey Korolev -

주중에는 파김치가 되어 귀가 후 각종 집안 청소 정리정돈 및 내일을 위한 준비 후

10분 잠자리 들기 전 독서가 은근 숙면을 돕는 것 같음 ㅋㅋㅋ

https://www.online-stopwatch.com/timer/11min/

11 Min Timer - Online Stopwatch

물론 몇장 못 읽는게 함정

오늘 읽을 책에 대해

http://m.biospectator.com/view/news_view.php?varAtcId=21267

[새책]구조생물학 역사,『알파폴드: AI 신약개발 혁신』

몇개 기사를 찾고 읽어봄 http://m.biospectator.com/view/news_view.php?varAtcId=14634

[남궁석의 신약연구史]단백질 3차구조 '예측의 진화'

https://www.aitimes.com/news/articleView.html?idxno=152671

‘알파폴드’ 출시 1주년...단백질 구조 발견으로 질병 치료 큰 기여

구글 딥마인드가 인공지능(AI) ‘알파폴드’로 찾아낸 단백질 구조 데이터가 세계 각국의 질병 연구나 신약 개발 등에서 활용되고 있는 것으로 나타났다.

벤처비트는 27일(현지시간) 구글 딥마인드가 ‘알파폴드’로 찾아낸 2억개 이상의 단백질 구조를 모아둔 데이터베이스를 지난 1년간 190개국의 연구원 120만명이 활용한 것으로 집계했다고 보도

(중략)

이 데이터 베이스는 사람의 몸속 단백질 가운데 거의 대부분인 98.5%에 해당하는 것으로 구글 딥마인드가 지난해 7월28일 오픈소스로 공개했다. 이는 보다 효과적인 말라리아 백신 개발, 암 치료를 위한 신약 개발, 항생제 내성 문제 해결로 이어졌다고 딥마인드 측은 밝혔다.

데미스 하사비스 구글 딥마인드 CEO는 “지금까지 세계에 가장 유익한 효과를 가져온 AI는 분명히 알파폴드”라고 벤처비트에 말했다. 그는 “알파폴드로 구축한 단백질 데이터 베이스는 세계의 거의 모든 생물학자들이 사용했고 대형 제약회사들도 약물 발견 프로그램을 발전시키기 위해 사용하고 있다”고 전했다.

그는 최근 한 팟캐스트에 출연해 “과학과 의학의 발전은 우리의 핵심 사명이 될 것”이라며 “알파폴드와 같은 과학적 도구에 계속 투자할 것”이라고
(중략)

딥마인드는 지난 2020년 11월 ‘알파폴드’를 처음 출시했다. 당시 이 AI 도구는 ‘단백질 접힘 문제’로 알려진 생물학의 오랜 수수께기를 해결했다.

생명체의 모든 기능을 지원하는 단백질은 아미노산 사슬들로 구성된다. 아미노산의 종류와 순서에 따라 모든 단백질은 고유한 3차원 구조를 갖는다. 이를 ‘단백질 접힘(folding)’이라고 부른다. 최대 15만개의 아미노산 구조를 학습한 알파폴드는 이런 단백질 접힘을 예측
(중략)

단백질 구조를 알면 질병의 원인과 치료 방법을 찾을 수 있기 때문에 접힘 현상을 예측하는 것은 질병 연구와 약물 개발에 중요하다.

딥마인드 측은 이전에 하나의 단백질 구조를 예측하는데 평균 10만달러의 비용이 들었다면서 알파폴드가 예측해낸 2억개의 단백질 구조는 수 조달러의 비용과 최대 10억년의 연구기간을 절약
(중략)

https://biz.chosun.com/science-chosun/science/2024/04/27/XLCCTFKIA5GOXDDTWVKX3KGKAA/

[AI 만난 신약개발]② 구글과 엔비디아가 바꾼 신약개발 ‘A to Z’

“엔비디아의 바이오네모(BioNeMo)는 신약 개발을 위한 저분자, 단백질 설계 생성형 인공지능(AI) 플랫폼”이라며 “10년 이상의 시간, 20억달러(약 2조7500억원)를 투자하고도 성공률이 10%에 미치지 않는 신약 개발의 성공 가능성을 한층 높일 수 있다”

엔비디아는 차세대 먹거리로 신약 개발을 위한 AI 모델을 지목했다. 젠슨 황 엔비디아 최고경영책임자(CEO)는 지난 3월 24일 열린 ‘GTC 2024′ 콘퍼런스에서 의학과 헬스케어 분야의 파트너십 20개를 발표했다. GE 헬스케어나 존슨앤드존슨 같은 굵직한 기업들이 엔비디아의 파트너로 이름을 올렸다. ICT 기업으로만 여겨졌던 엔비디아가 바이오 산업의 핵심 파트너로 부상했다는 걸 보여주는 장면이다.

바이오 업계가 엔비디아에 손을 내민 이유는 AI 반도체 기술이 신약 개발에 혁신을 가져올 것이라는 기대가 커졌기 때문이다. AI 모델을 이용한 신약 개발에 나선 기업은 엔비디아만은 아니다. 이미 알파벳의 AI 자회사 딥마인드는 단백질 구조 예측 모델인 ‘알파폴드’를 선보이며 AI 신약 개발의 포문을 열었다. 알파고의 아버지로 불리는 데미스 허사비스 딥마인드 창업자는 AI 신약 개발 기업 아이소모픽 랩스를 창업해 신약 개발에 나서고 있다.

AI 신약 개발에 바이오 업계가 들썩이는 이유는 그간 엄청난 비용과 시간을 들여도 성공을 장담할 수 없는 분야가 바로 단백질 신약 개발이기 때문이다. 항체, 저해제 같은 단백질을 이용한 의약품은 그간 치료가 어려웠던 질병의 새로운 돌파구다. 시장조사기관 글로벌인포메이션에 따르면 2022년 전 세계 단백질 치료제 시장은 3227억달러(약 444조원)에서 2028년 4870억달러(약 670조원)로 빠른 성장이 예상

(중략)

“AI로 단백질 구조를 찾는 데는 크게 두 가지 방법이 있다”며 “‘프로틴 엔지니어링’과 ‘드노보 디자인’이라고 부른다”고 설명했다. 프로틴 엔지니어링은 기존에 있던 단백질에서 구조를 바꿔 치료제로서 효능을 높이는 방식이다. 반면 드노보 디자인은 아예 새로운 단백질 구조를 만들어 내는 과정

(중략)

“프로틴 엔지니어링은 현재 기술로도 충분히 가능하다”며 “다만 사람 손으로도 할 수 있는 일인 만큼 단순히 시간과 비용을 아끼는 수준의 기술”

(중략)

프로틴 엔지니어링이 기존 단백질 치료제의 효능을 높이는 것이라면 드노보 디자인은 치료제가 없던 불치병에 대한 치료제까지 만들 수 있는 기술

(중략)

AI 신약 개발이 가장 활발히 이뤄지는 분야는 단백질 치료제이지만 화합물을 이용한 저분자 치료제에서도 활용 가치가 크다.

(중략)

“결국 저분자 치료제도 원하는 단백질과 결합하는지 AI의 도움을 받을 수 있다”며 “다만 저분자는 워낙 다양성이 커 예측 난이도가 더 높은 편”이라고 설명했다.

실제로 단백질 구조 예측, 설계에서 주목 받던 AI 모델이 최근에는 모든 분자로 범위가 넓어지고 있다. 딥마인드의 알파폴드는 지난해 말 ‘알파폴드 레이티스트’를 출시하고 단백질과 저분자의 결합을 예측할 수 있다고

(중략)

일각에서는 AI가 10년 이상 걸리던 신약 개발을 2~3년으로 단축할 것이라는 기대감을 내비치지만 정작 업계 관계자들은 신중한 모습을 보였다. 현재 기술로는 신약 개발의 첫 시작인 후보물질 발굴에만 활용할 수 있다는 것이다. 어떤 물질이 약으로 쓰일지 찾는 데 드는 수고와 비용을 줄이는 것이 현재로서는 최선이라는 것이 업계 관계자들의 평가

(중략)

“결국 신약 개발에 성공하려면 부작용과 독성, 안정성처럼 고려해야 할 사항이 많다”며 “이런 분야에서도 AI가 더 발전해야

(중략)

“AI는 오히려 환자 맞춤형 의료에 적합한 기술로 보인다”며 “더 많은 치료제를 빨리 만드는 것보다는 기존 약물을 환자 특성에 맞춰 개량하는 데 도움을 주는 방향으로 발전이 이뤄질 것”

https://youtu.be/Y5QxJ1HIJ90?si=X9OsyxIISJVGZlBV

Adios nonino por Agustin Luna