AI 신약개발 첫걸음 (이론부터 응용까지)

김우연,한국제약바이오협회AI신약융합연구원

저자:김우연
한국제약바이오협회AI신약연구원

저자:한국제약바이오협회AI신약융합연구원

책을펴내며
머리말
추천의말

Chapter1.신약개발의기본개념
1.질병과신약개발
1-1.단백질과질병(Proteinanddisease)
1-2.약물의작용기전(Mechanismofaction)
1-3.약물발굴및개발과정(Drugdiscovery&developmentprocess)
1-4.생체분석(Bioassay)
1-5.약물개발효율성지속적인저하
2.컴퓨터기반신약개발과인공지능
2-1.컴퓨터기반신약개발(Computer-AidedDrugDesign;CADD)
2-2.구조기반가상탐색과정(Structure-BasedVirtualScreening;SBVS)
2-3.결합구조예측(Bindingposeprediction)
2-4.CADD방법의장점과단점
2-5.AI기반신약개발가속화
2-6.CADD기술의발전과생성형AI의등장
3.요약

Chapter2.딥러닝입문(Introductiontodeeplearning)
1.개요
2.선형회귀방법
2-1.선형회귀
2-2.비용함수(Costfunction)
2-3.경사하강법
2-4.볼록함수(Convexfunction)
2-5.경사하강법알고리즘
2-6.가우시안노이즈(Gaussiannoise)
2-7.최대우도(Maximumlikelihood)
3.선형분류(Linearclassification)
3-1.분류(Classification)
3-2.결정경계(Decisionboundary)
3-3.로지스틱회귀(Logisticregression)
3-4.로지스틱함수의비용함수
3-5.다중분류와softmax함수
4.딥러닝의개념(Conceptofdeeplearning)
4-1.딥러닝의개념
4-2.왜딥러닝인가?
4-3.인공신경망(Artificialneuralnetwork)
4-4.퍼셉트론(Perceptron)
4-5.논리게이트(Logicgate)
5.다층구조퍼셉트론
5-1.다층구조퍼셉트론의개념
5-2.비선형성과활성화함수(Nonlinearityandactivationfunction)
5-3.보편근사정리(Universalapproximationtheorem)
5-4.왜더깊은인공신경망이필요한가?
6.순전파를통한예측
7.역전파기반학습
7-1.역전파기본개념
7-2.확률적경사하강법
7-3.역전파과정

Chapter3.정규화방법(Regularization)
1.일반화(Generalization)
1-1.일반화에대한기본개념
1-2.과소적합과과적합(Underfittingandoverfitting)
1-3.분산과편향(Varianceandbias)
2.모델의용량(Modelcapacity)
2-1.모델용량과과소적합/과적합
2-2.표현용량(Representationalcapacity)
2-3.적절한모델선택(Optimalmodelselection)
3.정규화기법(Regularizationtechniques)
3-1.데이터증강(Dataaugmentation)
3-2.교차검증(Crossvalidation)
3-3.L1/L2정규화
3-4.드롭아웃(Dropout)

Chapter4.딥러닝모델1(Deeplearningmodels1)
1.분자표현법(Molecularrepresentation)
1-1.분자지문
1-2.SMILES
2.합성곱신경망(ConvolutionNeuralNetwork;CNN)
2-1.심층신경망의단점
2-2.합성곱신경망의기본개념
2-3.합성곱연산
2-4.다중채널(MultipleChannel)
2-5.풀링(Pooling)
2-6.심층신경망과합성곱신경망의비교
2-7.패딩(Padding)
2-8.합성곱신경망
2-9.3차원합성곱신경망과신약개발분야에서의응용
2-10.3차원합성곱신경망기반신약개발연구사례
3.순환신경망(RecurrentNeuralNetwork;RNN)
3-1.왜순환신경망이필요한가?
3-2.순환신경망원리
3-3.순환신경망연산
3-4.순환신경망의가중치공유방식
3-5.자기회귀구조와확률적시퀀스모델링
3-6.순환신경망연산예시
3-7.순환신경망에서의기울기소실문제
3-8.LSTM(LongShort-TermMemory)
3-8.LSTM구조적복잡성과GRU의등장

Chapter5.딥러닝모델2(Deeplearningmodels2)
1.귀납적편향의개념및역할
1-1.귀납적편향(Inductivebias)
1-2.관계적추론(Relationalreasoning)
1-3.완전연결신경망과가중치공유
1-4.합성곱신경망과순환신경망에서의가중치공유
1-5.귀납적편향의역할
2.그래프신경망(GraphNeuralNetwork;GNN)
2-1.소셜네트워크예제
2-2.그래프표현(Graphrepresentations)
2-3.분자표현(Molecularrepresentation)
2-4.분자그래프
2-5.원자특징행렬(Atomfeaturematrix)
2-6.인접행렬(Adjacencymatrix)
2-7.그래프합성곱신경망(GraphConvolutionalNetwork;GCN)
2-8.그래프합성곱신경망에서은닉상태업데이트
2-9.그래프합성곱신경망의일반화된업데이트방식
2-10.합성곱신경망과그래프신경망비교
2-11.리드아웃(Readout)과정
2-12.리드아웃의특징및구현방식
2-13.그래프합성곱신경망의전체구조
2-14.귀납적편향의요약
2-15.가상탐색적용사례
2-16.그래프합성곱신경망모델을활용한예제연구
2-17.거리인식그래프어텐션신경망(Distance-awareGraphAttentionNetwork)
2-18.거리인식그래프어텐션신경망의상호작용효과
2-19.상호작용효과를반영한차감
2-20.데이터셋구성
2-21.결합포즈예측결과
2-22.DUD-E데이터셋결과
2-23.일반화문제

Chapter6.생성AI기반약물설계(GenerativeAIfordrugdesign)
1.생성AI의개념
1-1.생성AI란무엇인가?
1-2.약물발견에미치는영향
2.지도학습과비지도학습
3.생성AI의핵심개념
4.생성모델의분류
5.Kullback-Leibler(KL)발산
6.오토인코더(AE)와변분오토인코더(VAE)
6-1.오토인코더(AutoEncoder,AE)
6-2.변분오토인코더(VariationalAutoEncoder,VAE)
7.생성적적대신경망(GenerativeAdversarialNetwork;GAN)
8.생성AI기반분자설계사례연구

Chapter7.향후전망
1.바이오분야에서딥러닝의급격한발전
2.멀티모달AI의출현
3.합성및실험자동화로봇의등장
4.자율약물설계(Autonomousdrugdesign)
5.AI에이전트
6.AI기반신약개발의약속과한계

참고문헌
보충자료

AI가제약산업의판을바꾼다
생명과학과데이터과학이만나는첫교차점

이책의가장큰강점은“입문서답게쉽고체계적”이라는점이다.생명과학·의약학전공자가아니어도,AI에익숙하지않아도,독자들은단계적으로내용을따라가며신약개발과AI의만남을이해할수있다.1장에서는신약개발의낮은성공률과높은비용문제를소개하며이를해결할혁신으로AI를제시한다.2장에서는딥러닝의기본구조와역전파와경사하강법등핵심원리를살펴생명과학과AI의접점을마련한다.3장에서는정규화·드롭아웃같은기법으로과적합을방지해모델신뢰성을높이는방법을설명한다.4장에서는CNN,RNN,GNN등최신신경망구조의특성과신약개발데이터처리방식을다룬다.5장에서는생성형AI가신약설계에서어떤변화를일으키는지를탐구하며AlphaFold를통한분자설계와단백질구조예측의혁신을소개한다.6장에서는후보물질탐색,독성예측,ADME-T분석등신약개발전주기에걸친AI응용을다룬다.7장에서는멀티모달AI,자율실험실,양자컴퓨팅등미래전망을제시하며AI가신약개발패러다임을바꾸는동력임을강조한다.
《AI신약개발첫걸음》은단순한기술해설을넘어,신약개발이라는실제산업현장에서AI가어떻게적용될수있는지를구체적으로제시한다.따라서제약·바이오연구자뿐아니라,대학원생,AI연구자,투자자에게도반드시필요한길잡이가될것이다.