2026학년도 1학기 화학과 세미나 안내
일정 : 2026. 04. 02.(목) 16:30
장소 : 벤처중소기업센터 311호
연사 : 장병하(숭실대학교 화학과)
주제 : 신약 설계를 위한 화학정보학 개론
Introduction to Cheminformatic for Drug Design
요약:
현대 제약 산업은 인공지능(AI)과 빅데이터의 융합을 통해 거대한 패러다임의 전환기를 맞이하고 있습니다. 특히 화학정보학(Cheminformatics)에 기반한 신약 설계 모델링은 후보물질 도출의 효율성을 극대화할 수 있는 핵심 동력으로 자리 잡았습니다. 그러나 최신 알고리즘의 화려한 성과 이면에는 데이터의 질적 한계, 모델의 일반화 오류, 그리고 생체 내 복잡성을 완전히 투영하지 못하는 내재적 제약이 여전히 존재합니다.
본 발표에서는 화학정보학의 이론적 기틀을 소개하고, 실제 연구 사례를 통해 이 분야의 성취와 한계를 비판적으로 검토하고자 합니다.
첫째, 인경신경망(Artificial Neural Networks, ANN)의 역전파(Back propagation of error) 알고리즘을 적용한 물이합체(Water dimer)의 포텐셜 에너지 예측을 통해 계산 화학적 접근의 정밀도를 논의합니다.
둘째, QSAR/QSPR 방법론을 활용한 PDE5 저해제의 구조-활성 상관관계 규명 및 이를 기반으로 한 신규 후보물질 설계 전략을 소개합니다.
셋째, 화학적 공간(Chemical Space) 분석을 통해 기허가 약물과 상업용 화합물 라이브러리 간의 구조적 다양성을 비교 분석하여, 신약 유사성(Drug-likeness)의 본질을 소개합니다.
마지막으로, 텍스트 마이닝을 통한 줄기세포 분화 기전 예측과 이를 실제 실험으로 검증한 화학정보학 기반의 다학제적 연구 사례를 공유합니다.
각 연구 사례는 방법론적 성취뿐만 아니라, 예측 모델이 직면한 과학적 불확실성과 실험 데이터와의 간극 등 실제 연구 과정에서 마주한 한계점들을 포함합니다. 이러한 분석을 바탕으로, AI 신약 개발 시대의 연구자에게 요구되는 것은 단순한 알고리즘의 활용 능력이 아니라, 데이터의 물리화학적 의미를 꿰뚫어 보는 비판적 사고와 탄탄한 기초 과학 지식임을 역설하고자 합니다. 본 발표가 기술 중심의 사고를 넘어 연구의 본질을 고찰하는 겸손한 시작점이 될 수 있기를 기대합니다.
