연구자들은 질병 온톨로지와 표적 단백질 서열 모두에 조건부적으로 작은 분자를 생성하도록 설계된 생성 모델인 DrugGen-2를 소개했습니다. 이 접근 방식은 분자 생성 과정에 질병 문맥을 통합함으로써 현재 계산 방법의 격차를 해소합니다.

  • 사전 훈련된 GPT-2 모델을 지도 세밀 조정(supervised fine-tuning)으로 미세 조정한 후 그룹 상대 정책 최적화(group relative policy optimization, GRPO)를 통한 강화 학습으로 개발되었습니다.
  • 화학적 타당성, 신규성, 다양성 및 높은 예측 결합 친화도에 대한 보상 함수로 최적화되었습니다.
  • 당뇨병 신병증과 관련된 5가지 단백질 표적에서 평가되었으며, 기준 모델인 DrugGPT와 DrugGen을 크게 능가했습니다.
  • 승인된 약물과의 구조적 유사성이 더 큰 고유한 분자를 생성하는 우수한 능력을 입증했습니다.
  • 참조 약물인 엔라프릴(-8.283)을 초과하는 친화도를 가진 화합물을 포함하여 개선된 예측 결합 친화도를 달성했습니다. 구체적으로 -9.917, -9.485, 그리고 -9.367의 친화도를 기록했습니다.

질병 특이적 문맥을 통합함으로써 DrugGen-2는 AI 지원 신약 개발을 발전시켜, 질병과 분자 표적 간의 복잡한 상호작용을 고려한 신규 설계(de novo design) 및 약물 재창출(drug repurposing)을 위한 강력한 도구를 제공합니다.