유머스트알엔디는 AI 기술을 활용해 신약 후보물질 탐색에서부터 개발까지의 전체 과정을 빠르고 정밀하게 수행합니다. 기존의 실험 기반 탐색 방식과 최신 하이브리드 약물 설계 기술을 융합한 플랫폼을 통해, 후보 물질의 발굴 성공률과 개발 효율을 극대화합니다.
전체 프로세스는 다음 4단계로 구성됩니다.
리드물질 탐색 --> 하이브리드 설계 --> AI 기반 후보물질 정밀 필터링 --> 최종 후보 물질 도출 및 합성
리드물질 탐색 (Lead to Identification)
대규모 화합물 라이브러리를 기반으로, AI 알고리즘이 후보군의 구조적/화학적 특성을 분석하여 생물학적 활성을 가질 가능성이 높은 초기 물질을 선별합니다.
입력 데이터: 내부/외부 화합물 DB (ZINC, ChEMBL 등)
활용 기술: 분자 지문 분석, 화학 유사도 기반 스크리닝 모델
AI기반 후보물질 정밀 필터링
선별된 후보군을 대상으로, 약물로서의 적합성(Drug-likeness)과 약동학/독성 예측(ADMET) 분석을 수행하여 개발 가능성이 높은 물질만을 정제합니다.
Lipinski’s Rule 기반 Drug-likeness 평가
Hydrogen bond donor/acceptor 분석
AI 기반 ADMET 예측:
흡수 (Absorption), 대사 (Metabolism), 독성 (Toxicity)
머신러닝 기반 독성 예측 모델 활용 (ex: Tox21 DB)
최종 후보물질 도출 및 합성
정밀 필터링을 통과한 후보군은 실제 분자 합성과 in vitro/in vivo 실험을 통해 약리효능 및 안전성을 확인하며, 비임상 및 임상시험 진입을 위한 전임상 검증 단계로 이어집니다. Final candidates는 실험 결과에 따라 GMP 기반 생산 또는 IND 패키지 구성을 목표로 합니다.
연구개발 중인 신약 후보 물질 DB
분류
설명
화합물
화학적으로 합성된 화합물로 구성
천연물
전 추출물, 추출물의 분획물 또는 단일 천연 화합물로 구성됨
단백질
혼합물 또는 단일 단백질/폴리 펩타이드로 구성됨
siRNA
small interfering RNA로 구성. 유전자 knock-down 실험에 사용, shRNA로 대체 가능
