진온바이오텍(geneon biotech)

양자 분자 시뮬레이션과 신약개발

최근 인공지능(AI) 기술이 단백질 구조를 예측하거나 신약 후보 물질을 설계하는 데 큰 활약을 하고 있습니다.

진온바이오텍은 이러한 최신 AI 기법을 활용해 항체, 펩타이드, 화학물질 등을 새롭게 디자인하고,

이를 실제로 합성·검증하는 과정을 단백질칩 플랫폼과 연계하여 제공합니다.

양자 분자 시뮬레이션 기반 결합 친화도 예측

Variational Quantum Eigensolver (VQE) 활용

- VQE와 같은 양자 알고리즘을 통해, 작은 분자의 전자구조를 매우 정확하게 계산합니다.
- 이를 이용하면 단백질-리간드 결합 에너지나 친화도를 기존 양자역학적 힘장 계산 수준으로, 심지어 양자컴퓨터 상에서 직접 예측할 수 있습니다.

적용 사례: 약물 후보 조기 선별

- 전자구조를 정교하게 모사해 후보물질의 활성을 미리 살펴볼 수 있습니다.
- 초기 스크리닝 단계에서 약효가 높을 가능성이 큰 물질만 선별해, 개발 비용과 시간을 크게 절감합니다.

기존 분자 동역학(MD) 대비 주요 개선점

전자 수준 상호작용 분석

전통 MD 시뮬레이션: 거대 분자의 움직임을 장시간 추적 → 계산 비용이 방대, 전자 구름 모사는 간략화

양자컴퓨팅: 분자의 슈뢰딩거 방정식을 직접 풀며, 전자 구름과의 정확한 상호작용까지 모사

광대한 화학 공간 탐색

병렬적인 양자 상태 탐색으로 단백질 결합 포켓을 폭넓게 살펴볼 수 있음

기존 전산 신약개발(CADD)의 한계를 넘어서, 복잡한 구조적 유연성을 고려한 시뮬레이션 가능

스피드와 정확도 동시 개선

광범위한 스크리닝에도 계산 속도를 유지하고, 정밀도를 놓치지 않음

신약 후보를 더 빠르게 발굴하여 전임상 단계로 넘어갈 수 있음

예제 연구 및 접근 방식

초기 연구 동향

VQE 알고리즘으로 소규모 단백질-리간드 결합 에너지 계산에서 고전적 방법과 유사한 정확도 달성

확장 가능성

보다 큰 약물 분자로 범위를 넓혀, 양자컴퓨터의 성능 향상과 함께 시뮬레이션 대상이 확대될 전망

양자 알고리즘과 머신러닝을 결합해 분자 구조-활성 관계 예측 정확도를 높이는 하이브리드 기법도 개발 중

실용화 로드맵

소규모 또는 중간 크기 분자에서 성공 사례 축적

양자 하드웨어가 발전함에 따라, 실제 신약 개발 파이프라인에서 활용

학계·산업계가 공동 연구를 통해 프로토콜과 표준을 마련

기대 효과

개발 비용 절감: 초기 후보물질 스크리닝에 들어가는 방대한 시간과 자원을 획기적으로 줄임

정밀도 향상: 전자구조까지 정확히 계산하여 활성 예측의 신뢰도가 높아짐

CADD 한계 극복: 단백질 구조적 유연성과 미세 상호작용까지 반영 가능한 차세대 접근법

바이오 혁신 선도: 전 세계가 주목하는 양자컴퓨팅을 활용해 차별화된 신약개발 역량 확보

바텀 가로라인1

진온바이오텍은 양자컴퓨팅을 비롯한

첨단 기술과 바이오 전문성을 결합해,

신약개발 과정 전반을 효율적으로 지원하는

CRO 서비스를 제공합니다.

더 궁금한 사항이 있으시면 언제든지 문의해 주세요.

바텀 가로라인2