AIDDISON™ Explorer: AI 기반 신약 개발 소프트웨어

설계 기준에서 순위가 매겨진 후보 물질까지

목표 프로필과 설계 제약 조건을 정의하십시오. AIDDISON™ Explorer는 새로운 후보 분자를 제안하고, 정의된 평가 기준에 따라 이를 평가한 후 결과를 순위별로 정리하여, 연구자들이 처음부터 가장 유망한 구조에 실험 자원을 집중할 수 있도록 지원합니다.

의약 화학자를 위한 핵심 역량

생성형 분자 설계

REINVENT 4.0 프레임워크에서 파생된 강화 학습 기반 모델을 사용하여 새로운 분자 구조를 생성합니다. 정의된 설계 제약 조건에 따라 탐색을 진행하여, 기존 스캐폴드를 넘어서는 후보 물질을 식별합니다.

다중 매개변수 최적화(MPO)

효능, 물리화학적 특성 및 개발 가능성 요소를 동시에 균형 있게 고려합니다. 다중 목표 점수 산정을 통해 프로젝트 기준을 가장 잘 충족하는 후보 물질을 식별할 수 있습니다.

예측적 ADMET 모델링

수십 년에 걸친 제약 실험 데이터로 훈련된 머신러닝 모델을 사용하여 예측된 ADMET 특성을 조기에 평가합니다. 예측 결과에는 결과 해석을 지원하는 신뢰도 지표와 설명 가능한 AI 지표가 포함됩니다.

합성 가능성을 고려한 후보 물질 설계

SYNTHIA® API 통합 기능을 활용하여 합성 접근성 점수를 평가하고, 경로 타당성, 단계 수, 빌딩 블록 가용성 등을 포함한 실행 가능한 역합성 경로를 생성합니다.

실제 발견 데이터를 기반으로 한 모델 

예측 ADMET 모델은 당사의 헬스케어 사업부에서 수집한 30년 이상의 제약 R&D 데이터를 바탕으로, CACO2 투과성, 심장 독성(hERG), 내인성 클리어런스(Clint) 등의 평가 지표를 포괄하는 성공 및 실패 화합물 모두를 학습하여 구축되었습니다. 성공 및 실패 화합물을 모두 반영함으로써, 이 모델은 실제 신약 발굴 결과를 정확히 반영하며, 초기 단계에서 보다 신뢰할 수 있는 후보 물질 우선순위 지정을 지원합니다.

설명 가능한 AI 출력 결과, 신뢰도 지표, 특징 기여도 시각화를 통해 모델 예측에 대한 투명성을 제공하며, 연구자들이 결과를 더 확신 있게 해석할 수 있도록 돕습니다.