TxGemma: Google AI 제품군의 전문 분야
TxGemma라고 통칭되는 이 새로운 모델은 Google의 오픈 소스, 생성형 AI (GenAI) 모델인 Gemma 제품군의 전문 확장판입니다. Gemma 모델은 12월에 공개된 최신 버전인 Google의 최첨단 Gemini AI 플랫폼을 기반으로 구축되었습니다.
TxGemma 툴킷은 Google의 Health AI Developer Foundations 프로그램을 통해 이번 달 말에 과학계에 공개될 예정입니다. 이 이니셔티브는 연구자들이 모델을 평가하고 개선할 수 있도록 하여 협업과 추가 개발을 촉진하는 것을 목표로 합니다. 적용 가능성의 전체 범위는 아직 밝혀지지 않았지만, 초기 릴리스는 상업적 적응 가능성에 대한 의문을 제기합니다.
치료제의 언어 이해
Google의 최고 건강 책임자인 Dr. Karen DeSalvo는 TxGemma의 고유한 기능에 대해 자세히 설명했습니다. 이 모델은 표준 텍스트와 다양한 치료 물질의 복잡한 구조를 모두 이해할 수 있습니다. 여기에는 신약 개발의 기본 구성 요소인 작은 분자, 화학 물질 및 단백질이 포함됩니다.
이러한 이중 이해를 통해 연구자들은 TxGemma와 보다 직관적인 방식으로 상호 작용할 수 있습니다. 잠재적인 새로운 치료법의 중요한 속성을 예측하는 데 도움이 되는 질문을 할 수 있습니다. 예를 들어, 연구자들은 TxGemma를 사용하여 후보 약물의 안전성 및 효능 프로필에 대한 통찰력을 얻어 초기 스크리닝 프로세스를 가속화할 수 있습니다.
신약 개발의 과제 해결
Dr. DeSalvo는 ‘개념에서 승인된 사용까지 치료제 개발은 길고 비용이 많이 드는 과정입니다’라고 언급하면서 이 혁신의 맥락을 강조했습니다. Google은 TxGemma를 더 넓은 연구 커뮤니티에 제공함으로써 이 복잡한 작업의 효율성을 향상시키는 새로운 접근 방식을 모색하는 것을 목표로 합니다.
AI: 생명 과학의 변혁적인 힘
AI의 등장은 생명 과학 산업에 혁명을 일으켰습니다. 방대한 데이터 세트를 처리하고, 숨겨진 패턴을 식별하고, 데이터 기반 예측을 생성하는 능력은 전례 없는 기회를 열었습니다. AI는 이미 다음을 포함한 다양한 신약 개발 단계에서 활발하게 사용되고 있습니다.
- 약물 표적 식별: 질병 과정에 관여하는 특정 분자 또는 경로를 정확히 찾아냅니다.
- 신약 설계: 원하는 치료 특성을 가진 새로운 화합물을 만듭니다.
- 기존 치료법의 용도 변경: 다른 질환에 대해 이미 승인된 약물의 새로운 용도를 찾습니다.
AI에 적응하는 규제 환경
신약 개발에서 AI의 빠른 채택으로 규제 기관이 대응하게 되었습니다. 올해 초 FDA는 규제 서류 제출 시 AI 사용에 대한 첫 번째 지침을 발표하여 이 기술을 제출에 어떻게 통합해야 하는지에 대한 명확성을 제공했습니다. 마찬가지로 2024년에 EMA는 의약품 수명 주기 전반에 걸쳐 AI 적용에 대한 관점을 설명하는 성찰 보고서를 발표했습니다. 이러한 발전은 제약 연구 및 규제의 미래를 형성하는 데 있어 AI의 역할에 대한 인식이 높아지고 있음을 강조합니다.
TxGemma를 넘어: Google의 건강 이니셔티브 엿보기
‘The Check Up’ 행사에서는 Google의 다양한 기타 건강 관련 발전 사항을 선보였습니다.
Google 검색의 향상된 건강 결과
Google은 사용자에게 신뢰할 수 있고 관련성 있는 건강 정보를 제공하는 검색 엔진의 기능을 개선했음을 강조했습니다. 여기에는 권위 있는 출처의 우선 순위를 정하고 정보를 명확하고 접근 가능한 형식으로 제공하기 위한 검색 알고리즘 개선이 포함됩니다.
Health Connect 앱의 의료 기록 기능
Google의 Health Connect 앱에 새로운 기능이 도입되어 사용자가 의료 기록을 안전하게 저장하고 관리할 수 있습니다. 이 중앙 집중식 플랫폼은 개인이 자신의 건강 데이터를 더 잘 제어하고 의료 제공자와 원활하게 공유할 수 있도록 지원하는 것을 목표로 합니다.
AI ‘공동 과학자’: 가상 연구 파트너
Google은 2월 발표를 바탕으로 AI ‘공동 과학자’ 개념에 대해 더 자세히 설명했습니다. 이 가상 협력자는 과학자들이 새로운 가설과 연구 제안을 생성하는 데 도움을 주도록 설계되었습니다. 자연어 처리를 활용하여 AI 공동 과학자는 연구 목표를 분석하고 관련 출판 문헌 및 잠재적 실험 접근 방식에 대한 요약과 함께 테스트 가능한 가설을 제안할 수 있습니다.
예를 들어, 연구자들이 질병을 유발하는 미생물의 확산에 대한 이해를 심화시키는 것을 목표로 하는 경우, 이 목표를 자연어로 표현할 수 있습니다. 그러면 AI 공동 과학자는 제안된 가설, 관련 연구 논문 및 가능한 실험 설계로 응답합니다.
Capricorn: 소아암 맞춤형 치료를 위한 AI
마지막으로 Google은 Gemini 모델을 활용하여 소아암에 대한 맞춤형 치료법 식별을 가속화하는 Capricorn이라는 AI 도구를 강조했습니다. Capricorn은 공개 의료 데이터를 식별 해제된 환자 정보와 통합하여 의사가 개별 환자에게 치료 전략을 보다 효과적으로 맞춤화할 수 있도록 함으로써 이를 달성합니다.
TxGemma의 잠재적 응용 분야 심층 분석
핵심 강점은 사람이 읽을 수 있는 텍스트와 분자 구조의 복잡하고 종종 비밀스러운 세계 사이의 격차를 해소하는 모델의 능력에 있습니다.
TxGemma가 어떻게 사용될 것으로 예상되는지는 다음과 같습니다.
표적 식별:
- 연구원은 다음과 같이 입력할 수 있습니다. “KRAS 돌연변이 암세포의 성장을 억제하기 위한 잠재적 단백질 표적을 식별합니다.”
- TxGemma는 방대한 과학 문헌 및 분자 데이터베이스를 활용하여 KRAS 단백질과 상호 작용하거나 KRAS가 영향을 미치는 경로에 관여하는 것으로 알려진 단백질 목록을 제안할 수 있습니다. 또한 “약물 가능성”(작은 분자가 단백질에 효과적으로 결합하고 조절할 가능성)과 같은 요소를 기반으로 이러한 표적의 순위를 매길 수 있습니다.
선도 화합물 발견:
- 연구원은 다음과 같이 입력할 수 있습니다. “단백질 키나아제 AKT1의 활성 부위에 높은 친화력으로 결합하는 작은 분자를 찾습니다.”
- TxGemma는 수십억 개의 화합물로 구성된 가상 라이브러리를 샅샅이 뒤져 3D 구조를 기반으로 AKT1 단백질에 대한 결합 친화력을 예측할 수 있습니다. 또한 예측된 용해도, 투과성 및 잠재적 독성과 같은 속성을 기반으로 이러한 화합물을 필터링할 수 있습니다.
작용 기전 연구:
- 연구원은 유망한 화합물을 가지고 있지만 정확히 어떻게 작동하는지 확신하지 못합니다. 그들은 다음과 같이 입력할 수 있습니다. “전임상 모델에서 알츠하이머병에 대한 활성을 보이는 화합물 XYZ의 작용 기전을 예측합니다.”
- TxGemma는 화합물의 구조를 분석하고, 알려진 약물과 비교하고, 유전자 발현 변화 및 단백질-단백질 상호 작용에 대한 데이터와 상호 참조하여 화합물이 영향을 미칠 수 있는 잠재적 경로 또는 표적을 제안할 수 있습니다.
약물 재창출:
- 연구원은 다음과 같이 질문할 수 있습니다. “희귀 유전 질환 ABC를 치료하기 위해 용도를 변경할 수 있는 기존 약물을 식별합니다.”
- TxGemma는 질환 ABC의 유전적 및 분자적 기반을 분석한 다음, 해당 약물이 원래 완전히 다른 질환을 위해 개발되었더라도 질병에 관여하는 경로 또는 단백질을 표적으로 하는 것으로 알려진 약물을 검색할 수 있습니다.
독성 예측:
- 화합물을 값비싼 임상 시험으로 옮기기 전에 연구자들은 잠재적 독성을 평가해야 합니다. TxGemma는 다음을 위해 사용될 수 있습니다. “화합물 PQR이 간 손상 또는 심장 독성을 유발할 가능성을 예측합니다.”
- 모델은 화합물의 구조를 분석하고 알려진 독성 화합물 데이터베이스와 비교하여 잠재적인 위험 신호를 식별합니다.
오픈 소스 이점: 혁신의 촉매제
TxGemma를 오픈 소스 모델로 출시함으로써 Google은 협업 환경을 조성하고 발견 속도를 가속화합니다.
잠재적 영향이 증폭됩니다.
전 세계 연구자들은 모델 개발에 기여하고, 알고리즘을 개선하고, 지식 기반을 확장하고, 특정 연구 요구에 맞게 조정할 수 있습니다.
신약 개발의 미래
TxGemma 및 기타 AI 기반 도구의 도입은 보다 효율적이고 효과적인 신약 개발을 위한 탐구에서 중요한 진전을 나타냅니다. AI는 마법의 총알은 아니지만 인간의 전문 지식을 보강하고, 연구 일정을 가속화하고, 궁극적으로 생명을 구하는 치료법을 환자에게 더 빨리 제공할 수 있는 엄청난 잠재력을 가지고 있습니다. 생명 과학에서 AI의 지속적인 발전은 신약 개발이 더욱 데이터 중심적이고 정확하며 궁극적으로 더 성공적인 미래를 약속합니다.