Investing.com — 인공지능 스타트업 SandboxAQ는 수요일, 과학자들이 인체 내 단백질에 대한 약물 결합 방식을 예측하는 데 도움을 줌으로써 신약 개발을 가속화하기 위한 대규모 데이터 세트를 공개했습니다.

Alphabet의 Google에서 분사하여 거의 10억 달러의 벤처 자본을 유치한 이 회사는 전통적인 실험실 실험 대신 Nvidia (NASDAQ:NVDA) 칩을 사용하여 데이터를 생성했습니다. 이 합성 데이터는 제약 분자가 표적 단백질에 결합하는지 여부를 신속하게 결정하도록 설계된 AI 모델에 통합될 것입니다. 이는 신약 개발의 중요한 단계입니다.

SandboxAQ의 접근 방식은 전통적인 과학 컴퓨팅과 AI 발전을 결합하여 신약 개발의 근본적인 문제를 해결합니다. 과학자들은 원자 조합을 예측하는 방정식을 가지고 있지만, 3차원 제약 분자를 다룰 때는 계산이 너무 복잡해져 최신 컴퓨터조차 감당하기 어렵습니다.

이 회사는 기존 실험 데이터를 기반으로 약 520만 개의 새로운 "합성" 3차원 분자를 계산했습니다. 이 계산된 분자는 실제 환경에서 관찰되지 않았지만 실제 데이터를 기반으로 한 방정식을 사용하여 파생되었습니다.

이 공개적으로 공개된 데이터 세트는 수동 계산보다 훨씬 빠른 속도로 약물-단백질 결합을 예측하는 AI 모델을 훈련할 수 있으며 정확도를 유지합니다. SandboxAQ는 이 데이터를 사용하여 개발된 자체 AI 모델을 수익화할 계획이며, 실험실 실험과 유사한 결과를 가상 환경에서 달성하는 것을 목표로 합니다.

SandboxAQ의 AI 시뮬레이션 총괄 관리자인 Nadia Harhen은 화요일에 "이것은 업계로서 우리가 모두 해결하려고 노력해 온 생물학의 오랜 문제입니다."라고 말했습니다. "이러한 모든 계산적으로 생성된 구조는 실제 실험 데이터에 태그되어 있으므로 이 데이터 세트를 선택하고 모델을 훈련하면 이전에는 없었던 방식으로 합성 데이터를 실제로 사용할 수 있습니다."

Investing.com -- Artificial intelligence startup SandboxAQ released a large dataset on Wednesday aimed at accelerating drug discovery by helping scientists predict how drugs bind to proteins in the human body.

The company, which spun out of Alphabet’s Google and has raised nearly $1 billion in venture capital, generated the data using Nvidia’s chips rather than traditional laboratory experiments. This synthetic data will be incorporated into AI models designed to quickly determine if pharmaceutical molecules will bind to target proteins - a critical step in drug development.

SandboxAQ’s approach combines traditional scientific computing with AI advancements to address a fundamental challenge in drug discovery. While scientists have equations to predict atomic combinations, the calculations become too complex for even modern computers when dealing with three-dimensional pharmaceutical molecules.

The company calculated approximately 5.2 million new "synthetic" three-dimensional molecules based on existing experimental data. These calculated molecules haven’t been observed in real-world settings but were derived using equations grounded in real-world data.

This publicly released dataset can train AI models to predict drug-protein binding much faster than manual calculations while maintaining accuracy. SandboxAQ plans to monetize its own AI models developed with this data, aiming to achieve results comparable to laboratory experiments but in virtual environments.

"This is a long-standing problem in biology that we’ve all, as an industry, been trying to solve for," said Nadia Harhen, general manager of AI simulation at SandboxAQ, on Tuesday. "All of these computationally generated structures are tagged to a ground-truth experimental data, and so when you pick this data set and you train models, you can actually use the synthetic data in a way that’s never been done before."

이 기사는 인공지능의 도움을 받아 번역됐습니다. 자세한 내용은 이용약관을 참조하시기 바랍니다.