분자 특성 시뮬레이션은 물리 기반 접근법을 활용하여 구조와 특성 간의 관계에 대한 통찰력을 제공함으로써, 신약 설계 지원 분야에서 오랫동안 성공을 거두어 왔습니다. 최근에는 AI와 기계 학습(ML)이 물리 기반 모델링 기술과 결합되어 혁신을 가속화하는 데 크게 기여하고 있습니다.물리 기반 모델링의 정확도와 일반화 능력은 AI/ML 모델의 성능을 향상시켜, 데이터가 부족한 분야에서도 효과적으로 활용할 수 있게 해줍니다. 반대로, AI/ML의 속도와 유연성은 물리 기반 모델이 안고 있는 시간적·공간적 한계를 극복하는 데 도움을 주며, 예측 정확도와 계산 효율성을 모두 최적화하는 시너지 효과를 창출합니다.

이번 웨비나에서는 기계 학습을 활용하여 신약 개발 프로그램을 추진하는 다음과 같은 적용 사례에 대해 논의할 예정입니다.

• FEP+를 활용한 능동적 학습을 통한 대규모 인실리코 단편 스크리닝에서의 히트 탐색
• 지능형 분자 코어 설계를 위한 드 노보(de novo) 설계 워크플로우의 적용
• 대화형 ML 대시보드를 활용한 리드 최적화 과정에서 ADMET 프로파일 강화를 위한 실험 데이터의 활용