BITOIC는 다양한 신약개발 modality가 공존하는 환경에서도, 여전히 높은 실용성과 확장성을 지닌 small molecule 기반 분자 설계와 후보물질 발굴에 집중하고 있습니다. 후보물질 탐색, 표적 기반 평가, 초기 검증, 최적화 단계에 이르기까지 초기 개발 전 과정을 지원하는 플랫폼을 제공합니다. 

특히 small molecule은 설계의 유연성과 개발 효율성이 뛰어나, 초기 연구를 실제 개발 가능성이 있는 후보군으로 전환하는 데 강점을 가집니다. BITOIC는 이러한 특성을 기반으로, small molecule 중심의 연구개발을 보다 빠르고 체계적으로 연결합니다. 

또한, 문헌 기반 hit compound 또는 특정 scaffold를 바탕으로 구조를 확장하여 대규모 화합물 라이브러리를 설계합니다.  Random generation 기법을 통해 수천~수만 개 규모의 화합물을 생성하고, 중복 제거 및 약물 유사성 평가를 거쳐 합성 가능성이 높은 후보물질을 제공합니다.  

최근 신약개발에서는 수십억 개 이상의 화합물을 포함하는 ultra-large virtual library 기반 접근이 핵심 전략으로 자리 잡고 있습니다. 기존의 제한된 화합물 라이브러리를 넘어 방대한 chemical space를 탐색함으로써, 유효한 hit 후보를 보다 높은 확률로 발굴할 수 있습니다. 

특히 AI 기반 화합물 생성과 virtual screening 기술의 발전으로, 실제 합성 이전 단계에서 후보물질을 선별하고 최적화하는 효율적인 개발 방식이 가능해졌습니다.

최근 신약개발은 항체의약품, 유전자치료제, 세포치료제 등 다양한 modality로 확장되고 있습니다.  그러나 이러한 변화 속에서도 small molecule은 여전히 초기 후보물질 발굴과 최적화 단계에서  가장 빠르고 효율적인 접근법으로 활용되고 있습니다. 특히 AI 기반 분자 설계 기술의 발전은 기존의 제한된 화합물 탐색 방식을 넘어,  대규모 chemical space를 효율적으로 탐색하고  실제 개발 가능성이 높은 후보물질을 빠르게 도출할 수 있도록 합니다. BITOIC는 이러한 AI 기반 설계 전략을 통해 초기 discovery 단계에서의 시간과 비용을 획기적으로 절감하고,  후속 개발 단계로의 전환 가능성을 높입니다.

Q1. AI-driven molecular design은 무엇인가요?

특정 질병 표적에 최적화된 저분자 화합물을 발굴하기 위해 화합물 라이브러리 스크리닝, 구조-활성 상관관계 분석, 유효 물질 도출 등을 수행하는 신약 개발 초기 단계의 핵심 분석입니다. 

Q2. 표적 기반 스크리닝은 왜 중요한가요?

수많은 화합물 중 표적 단백질에 높은 결합력과 선택성을 가진 성분을 선별함으로써, 약물의 오프-타겟 부작용을 최소화하고 후속 최적화 단계의 성공률을 극대화하는 결정적인 지표로 활용됩니다. 

Q3. 분석 결과는 어떻게 활용할 수 있나요? 

분석 결과는 유효/선도 화합물 도출, Molecular Docking 기반 표적 예측, 화합물 구조 최적화 전략 수립, 전임상 진입을 위한 의사결정 및 특허/논문 자료 작성 등에 활용할 수 있습니다.