AdaptMol: 소량의 데이터로 혁신적인 약물 발견을 가능하게 하는 AI 모델

후난대학교 연구팀이 개발한 AdaptMol은 SMILES sequence와 molecular graph 정보를 융합하여 적은 데이터로 높은 정확도의 분자 특성 예측을 달성하는 AI 모델입니다. Few-shot learning을 통해 약물 개발의 효율성을 혁신적으로 높일 것으로 기대됩니다.

AdaptMol: 소량의 데이터로 혁신적인 약물 발견을 가능하게 하는 AI 모델

최근, 중국 후난대학교 연구팀이 개발한 AdaptMol이라는 새로운 AI 모델이 학계의 주목을 받고 있습니다. 기존 약물 개발의 어려움 중 하나는 실험 데이터 부족이었는데, AdaptMol은 이 문제를 해결할 혁신적인 접근 방식을 제시합니다.

두 가지 정보의 융합: SMILES와 Molecular Graph

AdaptMol의 핵심은 SMILES sequence와 molecular graph, 두 가지 서로 다른 유형의 분자 정보를 동시에 활용하는 것입니다. SMILES sequence는 분자의 화학적 구조를 문자열로 표현한 것이고, molecular graph는 분자 내 원자와 결합을 그래프로 나타낸 것입니다. AdaptMol은 이 두 가지 정보를 '적응형 다중 모드 융합'이라는 기술을 통해 통합합니다. 이는 단순히 두 정보를 합치는 것이 아니라, 각 정보의 장점을 최대한 활용하여 분자를 더욱 정확하게 표현하는 것을 의미합니다. 특히, 두 가지 정보의 융합이 왜 필요한지를 보여주는 해석 가능한 접근 방식까지 제시하여 신뢰도를 높였습니다.

• 지역적 특징 (Local Level): molecular graph를 통해 원자 간 상호작용 및 하위 구조와 같은 미세한 구조 정보를 추출
• 전역적 특징 (Global Level): SMILES sequence를 통해 분자 전체에 대한 포괄적인 정보를 얻음

이러한 이중 수준의 주의 메커니즘(dual-level attention mechanism)을 통해 AdaptMol은 분자의 다양한 특징을 포착하고, 보다 정확한 예측을 가능하게 합니다.

Few-shot Learning으로 한계를 극복하다

AdaptMol의 또 다른 혁신은 'few-shot learning'에 있습니다. 기존의 AI 모델들은 방대한 데이터를 학습해야만 성능을 발휘하지만, AdaptMol은 적은 양의 데이터만으로도 높은 정확도를 달성합니다. 5-shot 및 10-shot 설정에서 세 가지 벤치마크에 대한 광범위한 실험 결과, AdaptMol은 대부분의 경우 최첨단 성능을 달성했습니다. 이는 약물 개발에 필요한 실험 데이터의 부족 문제를 크게 해결해 줄 수 있는 획기적인 성과입니다.

미래를 향한 약속

Dai Yifan 등 후난대학교 연구진의 AdaptMol은 단순한 기술적 진보를 넘어, AI 기반 약물 발견의 패러다임을 바꿀 잠재력을 가지고 있습니다. 소량의 데이터로도 높은 정확도를 달성하는 AdaptMol의 등장은 새로운 약물 개발을 가속화하고, 더욱 안전하고 효과적인 치료제 개발의 길을 열어줄 것으로 기대됩니다. 앞으로 AdaptMol의 발전과 실제 약물 개발 현장에서의 활용에 대한 귀추가 주목됩니다.

연구진: Dai Yifan, Ren Xuanbai, Ma Tengfei, Yan Qipeng, Liu Yiping, Liu Yuansheng, Zeng Xiangxiang (후난대학교)