계산 화학 응용 분야

계산화학은 실험실에서 분자를 합성하고 정제하며 특성을 규명하는 것보다 컴퓨터로 분자를 그리는 것이 훨씬 쉬우므로, 연구자들이 광범위하고 다양한 화학 공간을 탐구할 수 있게 해줍니다.

계산화학 기술을 적절히 활용하면, 관련 물성을 정확하게 시뮬레이션하고 예측함으로써 컴퓨터 상에서 분자를 효과적으로 재현할 수 있습니다. 예를 들어, 소분자 리간드가 단백질 표적에 대한 결합 친화도는실험실 분석과 유사한 정확도로 계산할 수 있습니다.

계산 화학 분야에서, 제1원리에 기반한 물리 기반 방법은 실험적 정확도에 필적하는 예측 정확도를 제공할 수 있으며 폭넓게 적용될 수 있지만, 다른 방법에 비해 계산 비용이 더 많이 드는 경향이 있습니다. 한편, 데이터셋을 기반으로 학습하여 모델을 구축하는 기계 학습( 머신러닝 , ML) 기법도 분자 설계에 활용되고 있다. 이러한 기계 학습 접근법은 결과를 훨씬 빠르게 도출할 수 있지만, 학습된 모델( 머신러닝 )이 구축된 데이터셋과 관련된 화학적 공간을 탐색할 때 가장 효과적이므로, 적용 범위가 제한된다.

물리 기반 접근법과 기계 학습(ML) 접근법을 결합하면 두 방법의 장점을 모두 활용하여 분자 설계 분야의 과학적 발전을 가속화할 수 있습니다. 예를 들어, 액티브 러닝 를 물리 기반분자 도킹에통합하면 높은 수준의 성능을 유지하면서도 방대한 화학 라이브러리를 효율적으로 평가할 수 있습니다.도킹 알고리즘에액티브 러닝 를 적용하면, 30초당 약 1개의 화합물을 처리하는 일반적인 비머신러닝 방식과 비교해 1초 만에 약 30,000개의 화합물을 테스트할 수 있으며, 이는 104배의 속도 향상을 의미합니다.

계산 화학의 실제 적용

많은 산업 분야에서 전산 화학 기법과 분자모델링 을 활용하여 의약품, 포장재, 배터리 등의 분야에서 혁신을 주도하고 있습니다. 전산 화학의 주요 응용 분야는 다음과 같습니다:

• 약물 설계
• 의약화학 설계
• 화학정보학
• 소비재
• 단백질/항체 공학
• 효소 설계
• 유기 전자공학
• 제약 제형
• 촉매 설계
• 고분자 설계
• 표면 화학
• 에너지 포집 및 저장
• Lead optimization
• 약물 표적 검증
• 반도체
• 펩타이드 설계
• 금속, 합금 및 세라믹 설계

계산 화학 활용의 이점

계산화학은 양자 물리학과 고전 물리학을 기반으로 한 다양한 계산 기법을 활용하여 분자의 구조와 성질을 시뮬레이션하고 예측하는 것을 목표로 합니다. 또한, 병렬 컴퓨팅( 머신러닝 ) 분야의 발전으로 계산 속도가 향상됨에 따라 계산화학의 효율성도 높아지고 있습니다.

계산화학 기법은 합성, 분석 및 기타 실험 작업에 소요되는 시간, 비용 및 시약 자원을 절감해 줍니다. 머신러닝 의 응용 기술은 복잡한 계산 속도를 때로는 수십 배까지 높여 계산화학의 효율을 한층 더 향상시킬 수 있습니다. 머신러닝 를 물리 기반 알고리즘과 신중하게 통합함으로써, 디지털 화학 설계는 실험실 기반 설계를 쉽게 능가할 수 있습니다. 이러한 시간 절약은 곧바로 비용 절감으로 이어집니다. 또한, 이러한 방법을 통해 더 광범위한 화학적 공간을 탐색할 수 있게 되어, 예상치 못한 새로운 분자를 발견할 가능성이 높아집니다. ‘선출원(first-to-patent)’이 연구 프로그램의 성공과 실패를 가르는 결정적인 요소가 될 수 있는 빠르게 변화하는 분자 설계 분야에서, 디지털 화학이 제공하는 속도와 폭의 증대는 지적 재산권을 확보할 기회를 높여줍니다.

실제 현장에서의 계산화학 응용 사례

전산 화학의 발전 가속화 약물 설계

신약 개발 프로그램에 활용될 때, 전산 도구를 사용하면 실험실 실험만으로는 달성할 수 없는 시간과 비용으로 화학 공간을 탐색할 수 있습니다.

예를 들어, 최근 d-아미노산 산화효소(DAO)의 새로운 억제제를 설계하기 위해 광범위한 탐색 알고리즘과 클라우드 컴퓨팅을 활용하여 10억 개 이상의 분자에 대한 계산적 특성을 규명함으로써, DAO 표적설계( lead optimization ) 과정이 가속화되었습니다. DAO는 조현병 치료의 표적입니다. 이 연구는 새로운 소분자 약물을 설계하고 다중 매개변수 최적화 문제를 해결하기 위해 화학적 열거, 성질 필터링, 머신러닝 , 그리고 엄격한 자유 에너지 섭동 계산을 적용한 사례를 보여줍니다.

소비재 분야의 제품 개발을 위한 연구개발

소비재(CPG) 업계에서 제조업체들은 신제품을 개발할 때 비용, 성능, 지속 가능성을 모두 고려해야 합니다.

계산 화학 모델과 시뮬레이션은신소재의 신속한 선별, 설계 및 테스트를 가능하게 함으로써 개발 기간과 비용을 단축합니다. 건강, 위생 및 영양 관련 소비재 제품을 생산하는 레킷(Reckitt)은 혁신 속도를 높이기 위해 연구개발(R&D) 과정에서 양자역학 및 분자동역학 의 계산 도구를 활용하고 있습니다. 이 회사는보다 지속 가능한 소재를 설계하기위해 디지털 화학을 어떻게 활용했는지, 그리고 이러한 접근 방식이 순수 실험적 접근 방식에 비해 개발 기간을 평균 10배 단축시킨 방법을 설명했습니다.

신에너지 솔루션 개발을 위한 물리 기반 시뮬레이션

계산화학 기법의 또 다른 흥미로운 응용 분야는새로운 배터리 및 에너지 저장 솔루션 설계에 원자 수준의 재료 모델링을 활용하는 것입니다.

지금까지 연구된 물질의 거동으로는 이온 확산, 전극 및 전해질에서의 전기화학적 반응, 유전 특성, 기계적 반응 등이 있다. 이러한 계산적 접근법은 안정적인 고체 전해질 계면(SEI)을 형성하는 리튬 이온 배터리 첨가제를 선별하는 데 활용되어 왔다.

Schrödinger의 선구적인 컴퓨팅 플랫폼을 통한 R&D 추진

Schrödinger 에서는 물리학 기반의 계산 플랫폼을 통해 전 세계 기업들이 계산 화학 기법의 장점을 활용하여 이를 자사의 연구개발(R&D) 프로그램에 신속하고 손쉽게 적용할 수 있도록 지원합니다. 지난 30년 동안 Schrödinger의 모델링 소프트웨어와 서비스는 앞서 소개된 몇 가지 사례에서 볼 수 있듯이, 다양한 산업 분야에서 고품질의 새로운 분자와 소재를 발굴하는 데 기여해 왔습니다.

분자들이 생명을 얻습니다 Maestro, 구조 시각화 및 최첨단 예측 계산 모델링과 머신러닝 워크플로우에 접근할 수 있는 간소화된 포털에서 분자들이 생동감 있게 구현됩니다. 또한 연구자들은 LiveDesign, Schrödinger의 협업 분석, 분자 설계 및 프로그램 관리를 위한 엔터프라이즈 정보학 플랫폼 내에서 디지털 데이터와 실험 데이터를 나란히 배치할 수 있습니다.

물리 기반 모델링의 예측 및 분석 능력이 지속적으로 발전하고 새로운 머신러닝 모델의 도입으로 더욱 강화됨에 따라, 계산화학이 영향을 미치는 수많은 응용 분야는 계속해서 확대될 것입니다.