기계 학습 및 최적화를 통한 컴퓨터 약물 설계 알고리즘의 최근 발전

약물 발견의 목표는 질병을 치료하는 데 사용할 수 있는 특정 화학적 특성을 가진 새로운 분자를 발견하는 것입니다. 기계 학습 기술의 접근성이 높아짐에 따라, 이러한 탐색에 사용되는 접근 방식은 최근 몇 년 사이에 컴퓨터 과학에서 중요한 구성 요소가 되었습니다. 정밀 의학 이니셔티브의 목표와 그로 인해 발생한 추가적인 장애물을 충족시키기 위해서는 강력하고 일관되며 반복 가능한 컴퓨터 접근 방식을 개발하는 것이 필수적입니다. 기계 학습에 기반한 예측 모델은 전임상 연구에서 점점 더 중요해지고 있습니다. 새로운 의약품을 발견하는 과정에서 이 단계는 비용과 연구 시간을 상당히 줄여줍니다. 인간 키노메는 단백질 인산화를 촉매하는 중요한 역할을 하는 다양한 키나제 효소를 포함하고 있습니다. 흥미롭게도, 키나제의 조절 이상은 암, 심혈관 질환 및 여러 신경퇴행성 질환과 같은 다양한 인간 질병을 초래합니다. 따라서 특정 키나제의 억제제는 그들의 활동을 차단하고 정상적인 세포 신호 전달을 복원함으로써 이러한 질병을 치료할 수 있습니다. 이 리뷰 기사는 기계 학습 및 심층 학습을 통한 컴퓨터 약물 설계 알고리즘의 최근 발전과 키나제 효소의 컴퓨터 약물 설계를 논의합니다. 이 분야의 최신 기술 현황을 분석하면 화학정보학이 가까운 미래에 어떻게 진화할 수 있을지와 그로 인해 발생한 한계 및 유익한 결과를 파악할 수 있습니다. 분자 데이터를 모델링하기 위해 사용된 접근 방식, 해결된 생물학적 문제, 최근 몇 년간 약물 발견에 사용된 기계 학습 알고리즘이 이 리뷰의 강조점이 될 것입니다.