AI 및 머신러닝 모델은 역합성 계획에 도움을 주지만, 학습한 데이터에 의해 그 성능이 제한됩니다. 주요 합성 계획 이니셔티브를 최적화하는 데 필요한 데이터의 다양성과 품질을 확보하여 혁신적인 예측을 생성하는 방법을 확인해 보세요.
기존 약물 분자의 진화는 신약 개발의 혁신을 이끄는 초석이었습니다. 하지만 미래를 내다볼 때, 구조적으로 새로운 저분자 화합물이 기존 약물의 변형보다 더 가치 있는 치료제가 될 수 있습니다. 2020년에 승인된 저분자 약물의 65%가 구조적으로 새로운 물질이었으며, 이러한 분자는 FDA로부터 혁신 치료제로 지정될 확률이 2.5배 더 높고, 출시 5년 이내에 블록버스터 약물이 될 확률은 2배 더 높습니다.
그러나 새로운 분자를 합성하는 것은 쉬운 일이 아닙니다. 역합성 예측 도구는 새로운 접근 방식을 설계하고 생산 효율성을 최적화하는 데 필수적인 요소가 되고 있습니다. 이러한 도구는 전 세계의 최신 연구를 체계적으로 활용하여 시장 출시 기간을 단축합니다. 또한 가격이나 공급업체와 같은 특정 제약 조건을 고려하여 분자를 설계함으로써 개발 파이프라인 전반에서 비용을 절감할 수 있습니다.
화학 합성에 AI를 성공적으로 적용하는 것은 데이터의 품질과 다양성에 달려 있으며, 이것이 부족하면 예측 정확도가 떨어집니다. 이는 최근 바이엘(Bayer)과의 협업에서 입증되었습니다. 당시 바이엘은 새로운 저분자 화합물의 역합성을 위해 AI 활용을 최적화하고자 했습니다. 당사의 고품질 다각적 반응 데이터를 기존 학습 세트에 보강함으로써, 희귀 반응 클래스에 대한 예측 정확도를 32%포인트 향상시킬 수 있었습니다.
다양하고 정확한 데이터가 AI 모델의 성공을 이끕니다
화학 합성 계획의 목표는 가능한 한 다양하고 정확한 합성 경로 세트를 생성하는 것입니다. 그러나 AI 애플리케이션의 성능은 기반 데이터의 품질에 좌우됩니다. 예측 능력은 학습 데이터의 품질, 다양성 및 정확도에 달려 있습니다. 핵심 과제는 데이터의 다양성입니다. 학습 데이터가 일반적인 화학 반응뿐만 아니라 데이터가 부족한 화학적 하위 공간까지 충분히 반영하지 못하면, AI 애플리케이션은 범위와 혁신성 측면에서 제한적인 결과만을 도출하게 됩니다.
CAS Reactions는 합성 계획의 예측 능력에 상당한 영향을 미칠 수 있는 다양한 반응 데이터를 제공합니다. 지난 10년간 규모가 두 배 이상 커진 이 컬렉션은 전 세계 특허, 저널 및 과학 간행물에서 가장 강력하고 상세한 화학 정보를 선별합니다. 이러한 큐레이션은 지속적으로 이루어지며 머신러닝과 병행하여 AI 합성 계획을 강화하고 풍부하게 만듭니다.
바이엘과 CAS, 더 효율적인 신약 개발을 위한 AI 극대화 협력
바이엘과 CAS의 협업을 통해, 희귀 반응 유형을 타겟팅한 CAS 데이터로 광범위한 머신러닝 학습 세트를 보강하여 신약 개발 AI 모델의 예측 능력을 획기적으로 향상시켰습니다.
이 모델은 예측된 반응 단계의 성공 가능성을 추정하는 신경망으로 구성된 실행 가능성 필터를 포함했습니다. 이 네트워크는 알려진 반응 데이터 세트와 주로 이론적인 실패 반응 세트로 학습되었습니다. 실행 가능성 필터의 예측 능력을 정량화하기 위해 CAS 데이터를 활용한 추가 학습 데이터 세트가 구축되었습니다. CAS의 반응 데이터를 추가하자 희귀 반응 클래스의 정확도가 16%에서 48%로 32%포인트 향상되었습니다.
실행 가능성 필터의 정확도 개선은 파이프라인에서 승수 효과를 일으켜 사용 가능한 반응의 비율을 높입니다. 이러한 향상된 예측 능력은 기존 예측 모델이 접근하지 못했던 '희귀' 범주를 열어주며, 저분자 신약 개발의 미개척 분야를 밝히는 혁신적인 결과를 제공합니다.
이 연구는 CAS Content CollectionTM에서 과학자가 선별한 적당한 규모의 반응 세트만으로도 합성 계획 도구의 예측 능력을 크게 향상시킬 수 있음을 보여줍니다. 이러한 효과는 소규모 반응 클래스에서 확인되었으며, 모든 템플릿에 걸쳐 강력하고 고품질의 다양한 데이터로 기본 학습 세트를 추가로 보강하면 훨씬 더 큰 예측 능력을 얻을 수 있음을 시사합니다. 이 인상적인 개념 증명은 광범위한 응용 가능성을 지니며, 특히 혁신적인 저분자 약물 타겟을 더 효율적으로 발견하는 데 기여할 것입니다.
- 최근 발표 보기 (CAS의 Yugal Sharma 박사 및 바이엘의 Martin Villalba 박사, Pistoia Alliance 가상 컨퍼런스)
- 백서 다운로드: 새로운 화학 예측: 고품질 학습 데이터가 반응 결과 예측에 미치는 영향
CAS가 귀하의 성과를 최적화해 드립니다
CAS Custom ServicesSM은 귀하의 머신러닝 노력을 뒷받침할 학습 데이터 세트를 설계할 수 있습니다. 당사 팀에 문의하여 요구 사항을 논의하고 예측 정확도를 높여보세요.