Novelism

이전에 모종의 이유로 3d conformer를 만들 때 주로 openbabel을 사용했는데, 이제 rdkit으로 갈아타야겠습니다. NCGC00257649 COc1ccc(CCN2CCC(CC2)Nc2nc3ccccc3n2Cc2ccc(F)cc2)cc1 이렇게 생긴 분자를 obabel과 rdkit으로 3D conformer를 생성해 봤습니다. obabel -:"COc1ccc(CCN2CCC(CC2)Nc2nc3ccccc3n2Cc2ccc(F)cc2)cc1" -O g.pdb 보시는 것처럼 aromatic ring이 망가졌습니다. aromatic bond나 double bond로 연결된 원자들은 한 평면에 있어야 합니다만... bond order가 잘못 인식되었는지 저렇게 되어버리네요. SMILES를 다음처럼 Kekule..

신약개발에서 hit, lead compound라는 용어를 많이 사용하지만, 제대로 된 설명을 찾기 쉽지 않습니다. 모든 사람이 전부 동일한 과정으로 신약개발을 하는 것이 아니고, 어떤 경우는 아예 hit, lead에 대한 개념이 사용되지 않고 초기 화합물, 후보물질 같은 표현을 사용하기도 합니다. 솔직히 저도 잘 모르고, 그냥 여기저기서 찾아서 공부한 내용을 가지고 대충 추측하고 있습니다. 그러니까 지금 하려는 설명은 잘못되어 있을 수도 있는데, 혹시 아시는 분이 계시면 알려주시기 바랍니다. hit라는 용어는 주로 스크리닝 실험에서 등장합니다. 기존의 존재하는 분자들을 대상으로 약물의 효과를 확인하는 스크리닝 실험을 하고 여기서 어떤 기준치 이상의 유효성을 보여준 물질을 hit compound라고 부릅니..

2024년 5월 업데이트인공지능 신약개발 회사 목록 (49개 회사)입니다. 제약기업은 제외했습니다. 대부분 스타트업입니다. (제약기업 스핀오프나 관계사가 있을 수 있습니다.) 인공지능 신약개발을 표방하는 회사, 신약개발 회사인데 인공지능도 사용하는 회사, 인공지능 (IBT) 회사인데 신약개발사업도 하는 회사들 모두 포함되어있습니다. 오름차순 정렬입니다. 구글 및 채용 사이트에서 인공지능 신약개발로 검색해서 나오는 회사들 중에서 인공지능 신약개발을 한다고 쓰여있는 회사들을 수집했습니다. 누락된 회사들이 있을 수 있습니다. 목록에서 누락된 회사가 있다면 알려주시기 바랍니다. 추후에 회사별 연구 및 기술분야 , 투자 진행 상황에 대해 업데이트할 수도 있습니다. 불과 4~5년 사이에 많은 회사들이 등장했습니다...

제가 몇 년 전부터 기대하고 있던 서열 생성 모델과 이를 활용한 단백질 구조예측 방법이 나온 것 같습니다. 최근 수년간 단백질 서열 생성 모델 연구들이 많이 나오긴 했는데, 그것들 중 상당수는 general 서열 생성 모델이 아니라 homology 만 가지고 학습한 것들이었습니다. 저는 알파폴드 2에서 딥마인드가 general 서열 생성 모델을 들고 오지 않을까 기대했는데, 그것과는 다른 방법을 택했더군요. 이번 달 초에 나온 기사인데.. 조금 지났지만 올립니다. http://www.aitimes.com/news/articleView.html?idxno=147666 메타, '단백질 구조 예측'서 딥마인드 뛰어 넘었다 - AI타임스 메타가 인공지능(AI)을 사용해 이제까지 알려지지 않은 박테리아나 바이러스..

변화를 배우는 방법은 역사를 공부하는 것입니다. 역사는 어느 정도 연속적이고 방향성을 가지고 있습니다. 과거와 현재를 안다면, 미래에 어떤 방향으로 나아갈지 대략적으로 예측할 수 있습니다. 신약개발에 대해 공부하면서 앞으로 어떻게 변해갈지 생각하고 있습니다. 제가 아는 지식은 정말 좁은 수준이지만, 그래도 중요한 흐름을 잡을 순 있을 것 같습니다. 약의 역사는 인간의 역사만큼이나 오래되었습니다. 아마도 근대 이전의 의학에 대해 신뢰하지 않는 사람이 많겠지만, 현대의 신약개발 사례에서도 과거 문헌에서 도움을 얻은 사례들도 있습니다. 어떤 과학이든 얼마나 많은 실험 데이터가 쌓이는가와 가설을 어떻게 검증하는가가 발전의 핵심인데, 후자에 대해선 과학적 방법론이 발달하기 전의 연구를 신뢰하기 어렵다고 쳐도, 전..

제가 처음 포닥 생활을 한 연구실에선 처음 들어온 사람을 위한 assignment가 있었습니다. 일부 너무 극악한 문제도 있었지만, 입문자한테 적당한 문제를 제시하고 그것을 풀라고 하는 것은 좋은 방법이라 생각합니다. (6개월~1년간 assignment만 하다가 울면서 나간 사람들도 여럿 있지만...) 저도 이 분야를 시작하는 사람들에게 단순히 설명해주는 방식으로 교육하는 것보다는, 어떤 것이 필요한지 제시해주고 그것을 스스로 풀어가는 과정을 통해서 기초 지식과 해결능력을 배울수 있게 해야 한다고 생각합니다. 그래서 CADD 및 인공지능 신약개발에 필요한 기초 지식들을 정리해보려고 합니다. 제가 하는것이 단백질 구조기반 접근방법이다보니 그것들 위주로 작성합니다. * 1. 리눅스 운영체제 및 서버환경에서 ..

https://cafe.naver.com/scaidd/ 일단 개설했습니다. 네이버 밴드는 좀 불편해서 카페로 다시 만들었습니다. 아는분들이 가입을 해주시긴 했지만, 아무도 글을 남겨주지 않는군요. 컨텐츠 좀 채우고 공개해야할까 고민했는데... 어짜피 저 혼자서 글 쓸거면 블로그하고 아무런 차이가 없다는 생각이 들어서 그냥 공개합니다. 제가 업무로 하는 일은 아니지만, 오프라인 모임을 할 경우 제직장에서 후원(장소나 식비 등) 해줄 수 있다고 합니다.

제가 생각하기에 올바른 협업은 서로를 존중하고 서로를 배우려는 자세에서 시작합니다. 저는 현 단계에서 컴퓨터와 인공지능이 가야할 길은, 지금까지 사람들이 신약을 어떻게 개발해왔는지를 배우고, 그 방법론을 컴퓨터로 구현하고 자동화하여 더 많은 검토를 가능하게 하거나, 인간 전문가가 분석에 필요한 도움을 주어 업무 효율성을 높히는 것이라 생각합니다. 인공지능 신약개발 분야는 현재 어려운 상황입니다. 인공지능 신약개발이 도입된지도 5년 정도 되어 가지만, 여전히 누구라도 인정할만한 성공 사례는 없고, 투자 위축으로 많은 회사들이 어려움을 겪고 있습니다. 이미 사업을 철수한 회사나, 무급 휴직중인 회사도 있다고 합니다. 인공지능 신약개발은 사기가 아니냐? 라는 말까지도 나오고 있다고 합니다. 종사자로서 대답하기..

최근 10년 사이에 인공지능에서 가장 인기 있는 분야는 딥러닝입니다. 이것은 인공지능 신약개발 분야에서도 마찬가지입니다. 인공지능 신약개발은 최근 5년 사이에 상당히 급성장을 이루고 있습니다. 국내에만 해도 40여 곳 이상의 회사가 설립되었고, 이들 중에는 시리즈 A에서 100억, B에서 200억 정도 규모로 투자받는 회사들도 있습니다. 누적 투자금액은 수천억 원 단위로 추정합니다. 딥러닝에 대한 인기와(그중 하나는 알파폴드이죠.)과 코로나로 인한 신약개발에 대한 관심이 이 분야의 성장을 이끌었다고 생각합니다. 인력에 대한 수요가 높다 보니 평균 연봉도 인공지능 신약개발이 도입되기 이전의 신약개발 연구자의 평균에 비해서 많이 높아지고 있습니다. 굳이 인공지능 신약개발 연구자가 아니더라도, AI회사에서 제..

https://www.laidd.org/ LAIDD(Lectures on AI-driven Drug Discovery) [팜코랩] 현장 강의와 실습을 통한 AI 신약개발 집중교육 [한국생명정보학회] 현장 강의와 실습을 통한 AI 신약개발 집중 교육 코스 www.laidd.org 한국 제약바이오협회 인공지능신약개발지원센터에서 작년부터 운영하던 인공지능 신약개발 온라인 교육 플랫폼 laidd 가 9.1일부터 2.0 서비스를 시작하였습니다. 기존 laidd에 비해 다양한 기능과 많은 강의들이 추가되었습니다. 강의 영상 중간 넘기기도 가능합니다. 어쩌다 보니 저도 강의 영상을 찍었습니다. (강의 어렵네요...) 현재 모든 교육이 무료로 제공되니 부담 없이 수강하세요.