의료·바이오 AI

연구진이 자연 진화 방식을 모방해 단백질 길이를 자유롭게 조절하는 생성형 인공지능 프레임워크 레이건을 개발했습니다. 이 기술은 단백질의 구조적 무결성을 유지하며 결합 친화도를 높이는 성과를 보였습니다.

추가 학습 없이 단백질 생성 모델을 제어하는 프레임워크인 ProteinGuide가 공개되었습니다. 연구진은 이 기술을 활용해 아데닌 염기 편집기의 효율을 기존 방식보다 높이는 성과를 거두었습니다. 관련 코드와 데이터는 오픈소스로 배포되어 단백질 설계 분야의 활용도를 높일 전망입니다.

연구진이 마우스 이종이식 모델의 종양을 자동으로 분석하는 딥러닝 기반 모델 TumSeg를 개발했습니다. 이 모델은 수동 분석보다 높은 정확도와 일관성을 보이며 신약 개발 효율을 높일 것으로 기대됩니다.

연구진이 단백질 내 이온 결합 부위를 정밀하게 예측하는 딥러닝 모델 바이트넷 원을 개발했습니다. 기존 도구 대비 높은 정확도를 입증하며 신약 개발의 효율성을 높일 것으로 기대합니다.

연구진이 입원 환자의 급성 신장 손상을 조기에 예측하고 위험 요인을 분석하는 이중 거대언어모델 프레임워크를 개발했습니다. 해당 모델은 높은 예측 정확도와 함께 임상적 해석 가능성을 확보하여 의료 현장 적용 가능성을 높였습니다.

매튜 파월 팜 박사 연구팀이 영하 4도 과냉각 기술로 돼지 신장 이식에 성공했습니다. 기존 얼음 보관 방식의 한계를 극복하며 장기 이식 대기 문제 해결의 가능성을 열었습니다. 향후 인체 임상 시험과 상용화를 위한 절차를 앞두고 있습니다.

인공지능이 신약 후보 물질 탐색 기간을 획기적으로 단축하며 제약 산업의 생산성을 높이고 있습니다. 아스트라제네카를 비롯한 기업들은 데이터와 로봇 자동화를 결합해 치료가 어려웠던 질병 표적에 접근합니다.

연구진이 유전체 조절 영역 내 인과적 변이를 정밀하게 선별하는 EMSv2 모델을 개발했습니다. 이 모델은 데이터가 부족한 조직에서도 높은 예측 성능을 보이며 질병 유전 원인 규명에 기여할 전망입니다.

자이라 테라퓨틱스가 데이터의 질을 높여 인공지능 신약 개발의 한계를 극복합니다. 세포의 인과 관계를 예측하는 새로운 모델인 X-Cell을 통해 약물 반응을 정밀하게 분석합니다.

연구진이 혈장 단백질체 분석을 통해 혈관염 환자의 관해 상태를 판별하는 7개 단백질 패널을 개발했습니다. 기존 지표보다 객관적인 진단 성능을 보여 향후 정밀 의료 실현에 기여할 전망입니다.