| 내용 |
연구자들이 새로운 약물의 발견을 더 빠르게 해주고 비용과 시간이 많이 드는 실험실 시험을 할 필요를 줄여 줄 수 있는 새로운 체계를 개발했다. P2K(pattern to Knowledge)라고 이름 붙여진 그 새로운 기술은 서열을 기반으로 생체분자들의 결합을 예측해서 약물 연구에서 장애물을 잠재적으로 줄여줄 수 있다. P2K는 인공 지능(artificial intelligence, AI)를 이용해서 고전적인 기계 학습에만 의존하는 대신에, 자료로부터 심층 지식을 구한다. P2K는 복합적인 생리화학적 환경에서 미묘한 단백질 결합을 밝히고 서열 자료만을 기반으로 상호작용을 예측할 수 있다. 증명된 과학적 결과로부터 이 심층 시식에 접근하는 능력은 생물 연구를 크게 발전시킬 것이다. P2K는 미래에 자료를 이용하는 방법을 바꿀 힘을 가졌다고 그 연구자들을 주장했다. 방대한 양의 생물학적 서열 자료가 수집되었지만, 의미 있고 쓸모 있는 지식을 추출해내는 것은 쉽지 않다. P2K 알고리즘은 다수의 결합을 구분해서 단백질 상호작용을 지배하는 아미노산 결합을 확인하고 예측함으로써 이 문제에 접근한다. P2K가 기존의 생물서열 분석 소프트웨어보다 예측 정확성이 30퍼센트 더 높고 훨씬 더 빠르기 때문에, 새로운 약물 개발 속도를 크게 높여줄 수 있을 것이다. 데이터베이스로부터 정보를 끌어 옴으로써, P2K는 종양 단백질들과 잠재적인 암 치료제가 어떻게 상호작용할 수 있을지를 예측할 수 있었다. 초기 원형 단계이지만, 연구자들이 새로운 생물-서열 상호작용을 확인하기 위해서 온라인 P2K 체계를 이용할 수 있다. 순차적인 자료를 분석하기 때문에, P2K의 응용은 생물의학 연구에 한정되지 않는다. |
