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

[광고_1]

알렉산더 긴츠버그, 가말레야 국립 역학 및 미생물학 연구 센터(러시아) 소장은 TASS에 인공 신경망을 사용하면 현재 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 행렬법을 사용하여 수학적으로 계산해야 하기 때문입니다. 이바니코프 연구소에 문의했는데, 이 연구소는 AI를 활용하여 이 계산을 수행할 예정이며, 이 과정에는 약 30분에서 1시간 정도 소요됩니다.

연구원은 앞서 TASS에 AI를 훈련하기 위해 환자의 단백질이나 RNA로 전환된 항원을 호환적으로 인식할 수 있는 40,000~50,000개 종양의 시퀀스를 담은 테스트 데이터베이스가 필요하다고 설명했습니다. 이를 통해 백신을 개인적으로 사용할 수 있는지 여부를 판단하는 데 도움이 될 것이라고 그는 말했다.

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

머신러닝은 암 백신 생산에 어떻게 도움이 될 수 있을까?

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

면역치료와 관련하여 인공지능과 머신러닝의 발전은 암 생검 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 생겨 이 과정의 효율성이 더욱 높아졌습니다.

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

머크 임상 연구 부문 부사장인 스콧 에빙하우스는 "환자 생체 검사에서 발견된 돌연변이는 알고리즘에 입력되어 어떤 돌연변이가 면역원성을 가질 가능성이 가장 높은지 예측할 수 있다"고 말했습니다. "그러면 면역 체계에 맞춰 각 돌연변이 암 유전자를 암호화하는 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 유전자 돌연변이를 살펴보고 면역 반응을 일으킬 가능성이 가장 높은 신항원을 예측합니다. Moderna의 치료 개발 및 종양학 책임자인 Kyle Holen은 "이 알고리즘은 임상 및 면역원성 데이터를 연결하여 시간이 지남에 따라 학습하는 능력을 갖추고 있어 임상 활동이 높은 신항원을 선택하는 데 더욱 능숙해질 것으로 기대됩니다."라고 말했습니다.

AI를 활용하는 또 다른 회사로는 Transgene이 있는데, 이 회사는 NEC Corporation과 협력하여 개인 맞춤형 암 백신을 설계하고 있습니다. Transgene은 mRNA 백신 대신 바이러스 벡터를 사용하여 환자의 면역 체계를 훈련시켜 특정 암 표적과 싸우도록 노력하고 있습니다.

암 백신이 후기 단계의 임상 시험으로 넘어가면서, 잠재적인 제품을 규제하는 것이 과제 중 하나가 될 것입니다. 미국 식품의약국(FDA)은 다중항원 백신에 대한 지침 문서를 발표했습니다. 해당 기관은 이러한 백신의 각 구성 요소를 안전성과 효과 측면에서 개별적으로 평가할 필요가 없을 수도 있다고 밝혔습니다. 그러나 해당 문서에서는 이것이 "사례별로 고려될 것"이라고 명시되어 있습니다.

FDA 대변인은 "FDA는 인공지능/머신러닝(AI/ML)이 개인 맞춤형 치료법 개발을 가속화할 수 있는 잠재력을 가지고 있다는 것을 인식하고 있다"고 밝혔습니다.

Phuong Anh (출처: BioSpace, Tass)

[광고_2]
원천