Computational Systems Biotechnology Lab
RESEARCH
인공지능 기반 신약개발 연구
하나의 약물이 미국 식품의약국(FDA)으로부터 품목허가를 받기까지 평균적으로 10년이 걸리고 1조원 이상의 비용이 소모된다. 이렇게 막대한 시간과 비용이 신약개발에 들어가지만 신약개발의 성공 가능성은 매우 낮다. 신약개발 과정은 크게 발견단계(discovery)와 개발단계(development)로 나뉜다. 발견단계는 표적 발굴, 유효물질 발굴, 선도물질 발굴 및 최적화 과정을 포함하며, 이를 통해 신약후보물질을 도출하는 단계이다. 개발단계는 동물과 사람에게서 신약후보물질의 안전성과 유효성을 확인하는 단계로 전임상시험과 임상시험을 실시한다. 이 과정에서 수많은 시행착오가 발생할 수 있으며 막대한 시간과 비용이 소요된다.
본 연구실에서는 신약개발에 드는 막대한 시간과 비용을 절감하고, 신약개발의 성공 가능성을 높이기 위해 인공지능 기술을 신약개발 분야에 도입하여 활용한다. 특히, 다양한 질병에 대한 약물의 표적 발굴, 선도물질 최적화, 신약재창출 등 다양한 신약개발 단계에서 연구를 수행하고 있다.
관련논문
-
PredMS: A random forest model for predicting metabolic stability of drug candidates in human liver microsomes, Bioinformatics, In press
-
Identification of new target proteins of a Urotensin-II receptor antagonist using transcriptome-based drug repositioning approach, Sci. Rep.,11 (1), 1-10 (2021)
-
DeepHIT: a deep learning framework for prediction of hERG-induced cardiotoxicity, Bioinformatics, 36(10):3049-3055 (2020)
-
Deep learning improves prediction of drug–drug and drug–food interactions, Proc. Nat. Acad. Sci. (PNAS), 201803294: 1-8 (2018)
시스템생물학 기반 종양미세환경 개선 연구
종양미세환경은 암의 발생과 진행에 있어 중요한 역할을 하며, 면역반응이 억제되어있어 면역항암제의 낮은 반응성의 주된 원인으로 알려져 있다. 종양미세환경에는 암 세포, 면역세포, 암 관련 섬유아세포 등 다양한 세포들이 존재하고 있고, 이들의 복잡한 상호작용을 통해 암 세포 성장에 유리한 환경을 조성한다.
본 연구실에서는 종양미세환경을 구성하는 다양한 세포의 가상세포 구축 및 세포 간 시뮬레이션을 통해 암 세포의 성장에 친화적 환경을 암 성장에 비친화적 환경으로 바꾸는 연구를 수행하고 있다. 이를 통해 종양미세환경을 개선할 수 있는 표적 발굴과 면역항암제의 반응성을 높일 수 있는 병용투여제 개발을 하고자 한다.
관련논문
-
Framework and resource for more than 11,000 gene-transcript-protein-reaction associations in human metabolism, Proc. Nat. Acad. Sci. (PNAS), 114: E9740-E9749 (2017)
-
Systems approach to characterize the metabolism of liver cancer stem cells expressing CD133, Sci. Rep., 7, 45557 (2017)
-
Reconstruction of genome-scale human metabolic models using omics data, Integr. Biol., 7(8), p. 859-868 (2015)
시스템 대사공학을 위한 분석 기술 개발 연구
시스템 대사공학이란 미생물의 유전자를 체계적으로 분석·설계해 이들의 신진대사 과정에서 다양한 화학물질과 연료 등을 친환경적으로 생산할 수 있는 기술을 말한다.
본 연구실에서는 시스템 대사공학의 효율적 수행을 위한 인공지능 기반 효소 기능 예측, 최적 대사 회로 설계, 미생물 가상세포 시뮬레이션 등 연구를 수행하고 있다.
관련논문
-
A deep learning approach to evaluate the feasibility of enzymatic reactions generated by retrobiosynthesis, Biotechnol. J., 16(5):e2000605 (2021)
-
Deep learning enables high-quality and high-throughput prediction of enzyme commission numbers, Proc. Natl. Acad. Sci. (PNAS) (2019)