머신러닝은 개인화된 암 백신을 생산하는 데 어떻게 도움이 될 수 있을까?

[광고1]

알렉산더 긴츠버그(Alexander Gintsburg) 가말레야 국립 역학 및 미생물학 연구 센터(러시아) 소장은 TASS에 인공 신경망을 사용하면 현재는 긴 과정인 개인화된 암 백신을 만드는 데 필요한 컴퓨팅 시간을 1시간 이내로 단축할 수 있다고 말했습니다.

"현재 백신을 설계하는 데는 오랜 시간이 걸립니다. mRNA 백신이 어떤 모양인지 계산해야 하기 때문입니다. 행렬법을 사용하여 수학적으로 계산해야 합니다. 우리는 이반니코프 연구소에 연락했고, 이 연구소는 AI에 의존하여 이 수학을 수행하는데, 이 과정에는 약 30분에서 1시간이 걸립니다."

연구원은 앞서 TASS에 AI를 훈련하기 위해 환자의 단백질이나 RNA로 전환된 항원을 호환 인식할 수 있는 40,000~50,000개의 종양 시퀀스로 구성된 테스트 데이터베이스가 필요하다고 설명했습니다. 이는 백신을 개인별로 사용할 수 있는지 여부를 판단하는 데 도움이 될 것이라고 그는 말했다.

이 백신은 여러 연구 센터와 협력하여 개발되었습니다. 러시아 보건부 방사선 연구 센터의 안드레이 카프린 소장은 전임상 시험이 완료되었다고 밝혔습니다.

머신러닝은 암 백신 생산에 어떻게 도움이 될 수 있을까?

암 백신 개발에 인공지능을 사용하면 개인화된 치료가 가능해지지만, 약물 개발자와 규제 기관에게는 새로운 과제를 안겨줍니다.

면역 요법과 관련하여 인공 지능과 머신 러닝의 발전은 암 생검에서 얻은 데이터를 처리하여 각 환자의 특정 돌연변이를 표적으로 삼는 백신을 설계하는 데 도움이 될 수 있습니다. 개별 환자의 특정 돌연변이를 표적으로 삼는 능력은 새로운 것이 아니며, 항-HER2 치료제 및 CDK4/6 억제제와 같은 표적 항암제가 업계에서 인기 있는 상품이 되었습니다. 그러나 AI가 각 환자의 생검에서 신항원을 식별할 수 있는 잠재력이 생겨서 이 과정의 효율성이 더욱 높아졌습니다.

AI의 활용은 많은 산업에서 주요 논의 주제가 되었으며, 제약 산업도 예외는 아닙니다.

Merck의 임상 연구 부사장인 Scott Ebbinghaus는 "환자 생체 검사에서 발견된 돌연변이는 알고리즘에 입력하여 어떤 돌연변이가 면역원성이 가장 높을지 예측할 수 있습니다."라고 말했습니다. "거기서 우리는 면역 체계에 맞게 각 돌연변이 암 유전자를 인코딩하는 RNA를 합성할 수 있습니다. 각 백신은 각 개인에게 매우 독특할 것입니다."

단일 고정 항원을 대상으로 개발된 치료법과 달리 AI 시스템은 신항원을 선택하는 능력을 개선하는 데 주력할 것입니다. 이 알고리즘은 환자의 종양에 존재하는 유전적 돌연변이를 살펴보고 면역 반응을 일으킬 가능성이 가장 높은 신항원을 예측합니다. Moderna의 치료 개발 및 종양학 책임자인 Kyle Holen은 "이 알고리즘은 임상 및 면역원성 데이터를 페어링하여 시간이 지남에 따라 학습할 수 있는 능력을 갖추고 있어 임상 활동이 높은 신항원을 선택하는 데 더 나은 성과를 거둘 수 있기를 바랍니다."라고 말했습니다.

AI를 활용하는 또 다른 회사인 Transgene은 NEC Corporation과 협력하여 개인화된 암 백신을 설계하고 있습니다. Transgene은 mRNA 백신 대신 바이러스 벡터를 이용해 환자의 면역 체계가 특정 암 표적과 싸우도록 훈련시키는 방법을 연구하고 있습니다.

암 백신이 후기 단계의 실험으로 들어가면서, 잠재적인 제품을 규제하는 일이 과제 중 하나가 될 것입니다. 미국 식품의약국(FDA)이 다중 항원 백신에 대한 지침 문서를 발표했습니다. 당국은 이들 백신의 각 구성 요소를 별도로 평가하여 안전성과 효과를 평가할 필요가 없을 수도 있다고 밝혔습니다. 그러나 해당 문서에서는 이것이 "사례별로 고려될 것"이라고 명시되어 있습니다.

FDA 대변인은 "FDA는 개인화된 치료 개발을 가속화하는 데 인공 지능/머신 러닝(AI/ML)의 잠재력을 인정한다"고 말했습니다.

Phuong Anh (출처: BioSpace, Tass)

[광고2]
원천