오늘날 급변하는 신약 개발 환경에서 예측 모델은 생물학적 활성, 약물-표적 상호작용 등을 시뮬레이션하고 예측함으로써 워크플로를 가속화하는 필수 도구로 자리 잡았습니다. 이러한 모델의 유용성은 모델 구축의 기반이 되는 데이터의 품질과 관리 방식에 크게 좌우됩니다.
이러한 기술 혁신의 선두에는 고급 예측 모델을 기반으로 하는 CAS BioFinder Discovery Platform™을 보유한 CAS가 있습니다. 이러한 모델의 정확도가 신약 개발 과학자들에게 어떻게 실질적인 통찰력을 제공하는지 알아보기 위해, 생명과학 부문 이사인 애덤 샌포드(Adam Sanford)와 CAS BioFinder™ 수석 제품 관리자인 오르 라비츠(Orr Ravitz)를 만나 CAS를 업계 선두주자로 만든 엄격한 데이터 관리 전략에 대해 심도 있게 논의했습니다.
CAS: 먼저, 예측 모델을 구축할 때 CAS가 데이터 통합, 정규화, 조화를 수행하는 방식에 대해 말씀해 주시겠습니까?
애덤: 데이터 관리와 관련하여 저희는 몇 가지 핵심 철학을 가지고 있습니다. 첫 번째는 포괄성입니다. 저희는 가능한 한 많은 관련 소스를 확보하여 광범위한 데이터를 수집함으로써 모델이 다양한 데이터라는 탄탄한 기반 위에 구축되도록 합니다. 하지만 단순히 데이터를 수집하는 것만으로는 부족하며, 해당 데이터가 실제로 사용 가능하도록 만드는 것이 중요합니다. 바로 이 지점에서 인간의 큐레이션과 조정 과정이 필요합니다. 이 과정이 다소 평범하거나 과도해 보일 수 있지만, AI 기반 추출만으로는 도달할 수 없는 수준의 정확도를 갖춘 모델을 구축하는 데 필수적이라고 믿습니다.
데이터를 도입할 때 저희는 세 가지 핵심 영역에 집중합니다. 첫째, 저분자 화합물, 단백질, 경로와 같은 특정 유형의 엔티티인 경우, 이를 권위 있는 구조(authority constructs)에 맞춰 조정합니다. 여기에는 엔티티의 다양한 표현 방식을 단일 식별자나 구성 요소로 해결하는 과정이 포함됩니다. 출판된 문헌을 보면 단백질이나 화학 구조에 대한 수백 가지의 서로 다른 표현이 존재하는 경우가 흔합니다. 주의하지 않으면 서로 다른 독립적인 관찰 결과처럼 보이지만 실제로는 동일한 엔티티이기에 하나로 묶일 수 있는 데이터들이 분산될 수 있습니다. 저희의 프로세스는 이러한 서로 다른 엔티티를 하나의 클러스터로 조정합니다.
오르: 문헌 내 엔티티의 모호성을 제거하는 것은 모델 정확도를 보장하는 핵심 요소입니다. 예를 들어 생물학에서 단백질은 여러 방식으로 지칭될 수 있으며, 이러한 변형으로 인해 모든 명칭과 형태를 고려하지 않으면 연구자들이 방대한 데이터 세그먼트를 놓칠 수 있습니다. 화학 분야에서도 유사한 문제가 존재하며, 저희는 이 분야에서 전문성을 보유하고 있습니다. 저희는 화학 데이터를 다뤄온 오랜 역사를 통해 축적된 전문 지식을 활용하여 생물학적 엔티티의 모호성을 높은 정확도로 해결해 왔습니다.
단순히 엔티티를 올바르게 식별하는 것뿐만 아니라, 실험적 맥락을 정확하게 포착하고 단위나 사용된 방법을 포함한 실제 측정값이 효과적으로 조화되도록 하는 것이 중요합니다.
저희는 이러한 기반 권위 데이터를 생성하는 데 많은 노력을 기울입니다. 예를 들어, 문헌에서 단백질이 언급될 때 종이나 변형에 따라 다양한 이름이나 식별자로 표기될 수 있습니다. 저희의 접근 방식은 이러한 모든 변형이 시스템 내에서 단일하고 일관된 식별자 아래 포착되도록 합니다. 이를 통해 신약 개발에 필수적인 예측의 높은 정밀도를 유지할 수 있습니다.
애덤: 저희 프로세스의 또 다른 중요한 측면은 정보의 정규화입니다. 이는 완전히 자동화된 작업이 아니며, 사람이 이 과정에 깊이 관여합니다. 예를 들어 데이터를 색인화할 때, 실제 과학자가 문헌의 관찰 내용을 검토하여 그것이 수치적 관찰인지, 활성인지, 혹은 다른 것인지 판단합니다. 그런 다음 이 데이터를 표준 단위 세트로 조정합니다. 이는 매우 세심한 과정으로, 모든 데이터가 정확하고 나머지 콘텐츠와 일관성을 유지하도록 보장합니다.
이러한 엄격한 데이터 관리 방식이 바로 CAS를 업계의 다른 기업들과 차별화하는 요소입니다. 저희는 이러한 복잡성을 처리하기 위해 전체 인프라를 구축했으며, 바로 이 인프라 덕분에 저희의 예측 모델이 매우 효과적으로 작동합니다.
CAS: 이러한 엄격한 데이터 처리 방식은 CAS만의 고유한 강점인 것 같습니다. 이것이 신약 개발 연구자들에게 어떤 이점을 제공하나요?
오르: 저희 모델은 저희가 깊이 신뢰하는 데이터 기반 위에 구축되며, 이러한 신뢰는 곧 더 정확한 예측으로 이어집니다. 처음에는 공개된 데이터를 사용하여 모델을 테스트했습니다. 이후 CAS가 큐레이션한 콘텐츠로 전환했을 때 예측 정확도가 크게 향상되는 것을 확인했습니다. 또한 유기체별로 특화되거나 특정 작용 기전에 집중할 수 있는 더 세분화된 모델을 만들 수 있다는 점도 발견했습니다. 이는 데이터의 정확성을 보장할 뿐만 아니라 데이터가 얻어진 맥락까지 포착하기 때문입니다.
저희는 CAS BioFinder에서 정보학 기반 모델을 사용합니다. 데이터 전반의 패턴을 분석하기 때문에 규모가 매우 중요합니다. 데이터가 많을수록 모델의 성능은 향상됩니다. 저희는 '트리플(triple)'—올바른 분자, 올바른 표적, 올바른 측정값—에서 시작하여 그 위로 모델을 구축합니다. 이러한 트리플의 품질을 철저히 관리하기 때문에 저희 모델은 본질적으로 더 신뢰할 수 있습니다.
Adam: CAS BioFinder는 각각 고유한 방법론을 가진 5가지 예측 모델 클러스터를 사용합니다. 일부 모델은 구조 기반으로 화학 데이터를 매우 효과적으로 활용하는 반면, 다른 모델은 데이터의 서로 다른 특성에 집중합니다. 각 모델이 고유한 관점에서 예측을 수행하는 앙상블 접근 방식을 통해 이러한 예측을 결합하여 합의된 결과를 도출할 수 있습니다. 이 합의된 결과는 단일 모델이 단독으로 달성할 수 있는 것보다 더 높은 수준의 예측 신뢰도를 제공하는 경우가 많습니다.
예를 들어, 리간드-표적 활성 예측은 CAS BioFinder의 핵심 기능입니다. 신규 화합물이든 기존 데이터베이스에 있는 화합물이든, 명시적인 실험 데이터가 없더라도 모델을 통해 리간드가 표적과 상호작용할 가능성을 예측할 수 있습니다. 이러한 기능은 신규 화합물의 잠재적 활성을 파악하려는 의약 화학자들에게 매우 유용합니다.
또한, 신체가 화합물을 어떻게 처리할지 예측하는 대사 프로파일 모델도 갖추고 있습니다. 약물 후보 물질의 대사 경로를 이해하는 것은 안전성과 효능을 평가하는 데 매우 중요합니다. 이러한 예측은 실험적으로 확인된 대사 산물을 기반으로 구축되어 신뢰도가 특히 높습니다.
Orr: 저희는 고객이 자체 보유한 데이터를 저희 데이터 컬렉션과 결합할 수 있도록 지원하는 작업도 진행 중입니다. 많은 제약 회사가 사내에서 개발한 방대한 화학 데이터 기록을 보유하고 있습니다. 저희 데이터를 추가함으로써 고객은 자신의 필요에 최적화된 예측 모델을 생성할 수 있습니다. 이는 고객이 자신의 전문성을 활용하는 동시에 CAS 데이터의 폭과 깊이를 통해 혜택을 얻을 수 있는 강력한 기능입니다.
CAS: 방대한 양의 데이터를 관리하는 복잡성을 고려할 때, 이러한 모델을 개발하면서 직면한 가장 큰 과제는 무엇인가요?
Adam: 앞서 언급한 권위 있는 구조(authority constructs)를 만드는 것은 많은 인적 개입이 필요한 고된 과정입니다. 특히 복잡한 화학 및 생물학 정보를 다룰 때는 완전히 자동화할 수 없습니다. 모든 것이 정확한지 확인하기 위해 필요한 인적 투자를 고려할 때, 이 과정은 매우 어려울 수 있습니다.
또 다른 중요한 과제는 문헌에 데이터가 제시되는 방식의 가변성입니다. 예를 들어 특허의 경우, 데이터가 표나 보충 자료에 숨겨져 있거나 문서 전체에 흩어져 있는 경우가 많습니다. 기계만으로는 이 모든 조각을 올바르게 조합할 수 없습니다. 데이터가 정확하게 추출되고 정규화되도록 인간 큐레이터가 개입해야 합니다. 이는 일회성 작업이 아니라 세부 사항에 대한 지속적인 주의가 필요한 상시적인 노력입니다.
Orr: 이러한 복잡성을 잘 보여주는 최근 경험담을 하나 말씀드리겠습니다. 1980년대 후반에 승인된 기존 약물에 대한 측정치를 접한 적이 있습니다. 해당 데이터는 수년 전 논문을 참조하고 있었는데, 약물 승인 훨씬 이전에 해당 구조가 언급된 것을 보고 놀랐습니다. 자세히 살펴보니 해당 출판물에는 여러 구조가 포함되어 있었지만, 문제의 약물과 정확히 일치하는 것은 없었습니다. 다양한 치환기를 언급하는 텍스트를 검토한 후에야 올바른 구조를 찾을 수 있었습니다. 이러한 수준의 복잡성은 현재의 기계가 처리할 수 있는 범위를 넘어서며, 데이터 관리 과정에서 인간의 전문성이 얼마나 중요한지를 잘 보여줍니다.
저희는 종종 이러한 복잡한 사례를 다루기 때문에 스스로를 "엣지 케이스 머신"을 구축했다고 농담하곤 합니다. 이러한 엣지 케이스가 전체 데이터에서 차지하는 비중은 작을 수 있지만, 모델의 정확도에는 엄청난 영향을 미칠 수 있습니다. 이러한 사례를 올바르게 처리하는 것은 예측 모델의 전반적인 성공에 매우 중요합니다.
CAS: 출판물과 데이터가 끊임없이 쏟아져 나오는데, CAS는 어떻게 이러한 모델을 최신 상태로 유지하나요?
Adam: 초기에는 모델을 구축할 때 새로운 데이터를 통합하면서 대규모 배치 단위로 업데이트했습니다. 현재는 모델을 더 자주 재학습시키고 있으며, 경우에 따라 2주마다 업데이트하기도 합니다. 이를 통해 사용자는 항상 최신 예측 결과를 바탕으로 작업할 수 있습니다. 새로운 데이터를 통합하기 위한 파이프라인을 구축했으며, 이는 계속해서 효율성을 높여가고 있습니다.
Orr: 저희는 출판 후 몇 주 이내에 새로운 데이터를 모델에 통합하는 것을 목표로 합니다. 이전에는 새로운 표적에 대해 신뢰할 수 있는 예측 모델을 구축할 만큼 충분한 데이터가 확보되는 등 데이터 환경에 큰 변화가 있을 때 모델을 학습시켰습니다. 데이터 모델링 및 정확도에 대한 기대치가 빠르게 변화하고 있으므로, 신약 개발 과학자들의 요구를 충족하기 위해 모델을 지속적으로 모니터링하고 자주 재학습시킬 예정입니다.
CAS: CAS BioFinder와 예측 모델의 향후 계획 중 특히 기대되는 부분이 있나요?
Adam: 저희 데이터와 솔루션은 말 그대로 매일 끊임없이 진화하고 있습니다. 2024년 10월 현재, 단백질 기반 치료제나 PROTAC과 같은 보다 진보된 치료 양식을 예측 프레임워크에 통합하는 방법을 적극적으로 모색하고 있습니다. 이러한 분야는 여전히 발전 중이며, 모델이 달성할 수 있는 한계를 넓힐 수 있다는 점에 기대가 큽니다. 여기에는 저분자 화합물과는 다른 모델링 접근 방식이 필요한 항체-약물 접합체(ADC)와 같은 분야도 포함됩니다. 또한 업계가 더 복잡한 치료 양식으로 이동함에 따라 점점 더 중요해지고 있는 독성 예측 분야도 살펴보고 있습니다.
Orr: 또 다른 흥미로운 분야는 예측 모델링을 위한 지식 그래프의 활용입니다. 경로 정보나 바이오마커와 같이 저희가 제공하는 생물학적 맥락을 확장함으로써 이러한 관계를 활용하여 더욱 정교한 모델을 만들 수 있습니다. 이를 통해 새로운 약물-표적 상호작용을 예측하거나 질병에 대한 새로운 바이오마커를 식별할 수 있을 것입니다. 또한 이러한 지식 그래프를 구축하기 위한 다양한 방법을 실험하고 있으며, 이를 통해 더욱 강력한 예측 기능을 제공할 수 있을 것으로 기대합니다.
CAS: 신약 개발 분야의 예측 모델링에 대한 귀사의 접근 방식이 독특한 이유는 무엇인가요?
Orr: CAS를 진정으로 차별화하는 요소 중 하나는 투명성과 유연성에 대한 헌신입니다. 저희는 사용자가 계산 방법과 관련하여 서로 다른 선호도를 가질 수 있다는 점을 이해하고 있으며, 따라서 CAS BioFinder Discovery Platform을 단순한 단일 애플리케이션으로 설계하지 않았습니다. 사용자는 저희 코퍼스에서 데이터를 다운로드하여 자신의 데이터와 결합하고, 선호하는 방법으로 사용할 수 있습니다. 이러한 유연성은 고객이 저희 콘텐츠와 기능을 최대한 활용할 수 있도록 하는 데 매우 중요합니다.
Adam: CAS BioFinder의 모든 관찰 결과는 문헌의 출처와 연결되어 있어 사용자가 데이터를 원래 출처까지 추적할 수 있습니다. 이러한 투명성은 사용자와의 신뢰를 구축하는 데 필수적입니다. 저희는 단순히 모델을 맹목적으로 신뢰하라고 요구하는 것이 아니라, 사용자가 직접 데이터를 검증할 수 있는 도구를 제공합니다. 이러한 수준의 투명성과 엄격함이 CAS를 신약 개발을 위한 예측 모델링의 과제를 해결하는 데 가장 적합한 조직으로 만듭니다.
CAS: 마지막으로, 현재의 데이터 관리 및 모델 구축 상태에서 무엇이든 바꿀 수 있는 마법의 지팡이가 있다면 무엇을 바꾸고 싶으신가요?
Orr: 출판된 문헌에는 긍정적인 결과에 편향된 경향이 있다는 것을 알고 있습니다. 하지만 표적에 대해 활성이 없는 분자와 같은 부정적인 데이터도 정확한 모델을 구축하는 데는 똑같이 가치가 있습니다. 더 많은 부정적인 데이터에 접근할 수 있다면 저희 머신러닝 방법론은 크게 발전할 것입니다. 하지만 이는 업계에서 여전히 중요한 과제로 남아 있습니다. 학계와 산업계가 이러한 데이터를 공개하도록 장려하는 인센티브가 더 많아진다면 좋을 것입니다.
Adam: 많은 이들이 AI와 머신러닝을 신약 개발의 난제를 해결할 만능 열쇠로 여기지만, 근본적인 변화 없이는 실현되기 어렵습니다. 탄탄한 데이터 기반이 뒷받침되지 않으면 이러한 기술은 반복해서 실패할 뿐입니다. 저희가 이 점을 거듭 강조하는 이유는 데이터 그 자체가 가장 중요하기 때문입니다. 가장 핵심적인 데이터에 역량을 집중하십시오.
업계에서의 경험을 돌이켜보면, 데이터 구조와 지식 관리의 중요성이 더 강조되었더라면 하는 아쉬움이 남습니다. 오늘날 데이터가 성공적인 실험과 예측의 토대라는 점은 널리 알려져 있지만, 여전히 많은 조직이 이 분야에 충분히 투자하지 않고 있습니다. 문제라는 점은 인식하면서도 이를 제대로 구축하는 데 얼마나 많은 에너지와 자원이 필요한지는 간과하곤 합니다. CAS는 이러한 복잡성을 해결하도록 설계되었으며, 그간의 투자가 가져온 성과를 직접 확인해 왔습니다.
