약물 부작용을 예측하는 기술이 향상됐습니다.

독일의 과학기술 개발을 담당하는 연구기관인 헬름홀츠 협회 뮌헨 연구소에서는 머신 러닝 알고리즘과 여러 독성 유형 분석자료를 바탕으로 하여, 향상된 약제 후보 독성 추정치 기술을 개발했습니다.

 

이 새로운 접근방법은 약용 화합물의 부작용을 정확하게 예측합니다. 연구 결과는 Chemical Information and Modeling 저널에 게재됐습니다.

 

시장에 출시되는 신약은 효과적이고 안전해야 하므로 임상테스트의 첫번째 절차는 안전성에 관한 것입니다. FDA에 의하면 제약회사 및 과학자들이 수천만 달러, 수천 시간 개발연구에 투자한 후 약제 후보군 중 30%가 버려졌습니다.

 

이러한 낭비를 줄이기 위해 연구진은 독성물질을 가능한 한 빨리 규명할 수 있는 효율적인 알고리즘을 개발하고자 노력했습니다.

 

살아있는 다양한 유기체에 보편적으로 평가될 독성물질은 없습니다. 특정 약물의 독성은 그것을 음식과 섭취하는가, 주사 투여하는가, 피부에 적용하는가에 따라 다릅니다.

 

논문 저자는 동시에 여러 유형의 독성을 추정할 수 있는 신경망을 만들었습니다. 모델을 완성시키기 위해 동물 실험 및 투약 방법에 따라 29가지 유형으로 분류된 7만여 종의 유기화합물에 대한 독성 자료를 사용했습니다.

 

연구진은 단일독성 유형의 모델과 위 모델을 비교했고 다양한 유형의 독성이 사용된다면 예측 품질이 훨씬 향상함을 나타냈습니다. 서로 다른 독성 유형은 상호 연관돼있어서, 신경망이 더 정확한 패턴을 생성하는 것에 도움을 준다고 믿기 때문입니다.

 

연구진은 이 모델을 온라인에서 사용가능토록 만들었습니다. 따라서 화학연구자라면 누구나 몇몇 동물 종에 대한 약물의 독성에 대해 예비 타당성 조사를 수행할 수 있습니다.

 

머신러닝 그리고 빅데이터 분석이 독성학까지 영향을 미치고 있습니다. 장기적으로, 연구진은 인간에 대한 약물 독성의 정확한 추정치를 얻을 수 있는 길이 마련되길 바랍니다. 이것은 약물 개발에 있어 비용을 절약하고 훨씬 생산적일 것입니다.

 

머신러닝(machine learning):

일명 기계학습. 컴퓨터가 스스로 학습과정을 거친 후 방대한 데이터를 분석해서 입력하지 않은 정보를 예측하는 기술.

 

 

관련 글

[우리 몸의 물질 반응] - 위산역류의 약물 부작용 및 자연치유 관리하는 방법입니다.

[식품 관련 물질] - 변비를 유발하는 음식입니다.

[식품 관련 물질] - 골든베리의 효능, 부작용, 먹는 방법입니다.

[식품 관련 물질] - 비타민 E가 있는 음식과 부작용입니다.

[이용·사용 시 유의점] - 몇몇 치실, 패스트푸드 포장재의 발암물질 PFAS입니다.

[우리 몸의 물질 반응] - 인체의 자연치유를 촉진하는 새로운 물질이 발견됐습니다.

[식품 관련 물질] - 설탕 대신 사용할 수 있는 감미료 입니다.