토스 카지노

"다른 경쟁자와 같은 자원을 쓰고, 신약개발을 진행한다면 과연 우리가 글로벌 제약사들과 경쟁할 수 있습니까? 실패 확률이 높은 신약개발에서 실패에 대한 요인 분석없이 실패 경험만 쌓아갈 여유가 국내 업계에 있을까요? 적어도 현재의 기술에서 토스 카지노(딥러닝)이 해결책을 줄 것입니다."

모든 이슈가 코로나19에 집중된 2020년. '토스 카지노'을 활용한 신약개발은 수면 아래로 가라앉은 듯 하다. 지난해 3월 한국제약바이오협회와 한국보건산업진흥원도 '토스 카지노(AI) 신약개발 지원센터'의 문을 열었다. 센터 개소 전부터 국내 제약사 24곳도 추진단에 참여했으며, 과기부·중기부·복지부·산업부 등 관계부처들도 투자 계획을 속속 내놓았다.

뿐만 아니라 토스 카지노 신약개발에 두각을 나타내고 있는 스탠다임과 지난해 상장에 성공한 신테카바이오까지. 국내 토스 카지노 신약개발은 다른 분야보다 꽤 앞서 가는 듯 했다.

하지만 아직도 '토스 카지노'을 활용한 신약개발을 '어떻게'하겠다는 것인지 그 실체는 명확하게 와 닿지 않는다. 인간의 추론과 인지 한계를 뛰어넘는 토스 카지노이라는 기술이 신약개발에 접목하겠다는 개념은 일견 타당해 보인다. 그럼에도 불구하고 그들이 도대체 무엇을 하고 있는지, 정말 신약개발에 적용되는 '실체'가 있는 기술인지 궁금증은 날이 갈수록 커져갔다.

이런 와중에 또 다른 토스 카지노 신약개발 회사가 등장했다. 신테카바이오에서 주요 자문 역할을 해 주던 신재민 대표는 에이조스바이오에서 과학에서 가장 어려운 영역인 '신약개발'을 가장 정확한 수학모델인 토스 카지노(딥러닝)으로 정복해 보겠다고 도전장을 냈다. 토스 카지노 신약개발에 대한 궁금증을 잔뜩 품고, 양재역 에이조스바이오 사무실로 향했다. 첫 질문은 토스 카지노에 대한 개념으로 시작했다.

-토스 카지노, 딥러닝, 머신러닝 등 여러 용어로 말을 합니다. 용어 정리부터 해주세요.

"엄밀히 말하면 토스 카지노은스스로 '판단'해서 '행위'까지 이어지는 것입니다. 이와 달리 딥러닝은 행위 이전의 단계로, 가장 정확한 판단을 내릴 수 있는 수학적 모델이에요. 우리가 흔히 알고 있는 알파고는 정확히 표현하자면 딥러닝 툴이지 엄밀한 의미의 토스 카지노은 아니에요. 바둑을 두는 행위는 바둑 기사가 한 것이니까요. 알파고는 바둑돌을 어디에 둘지 '판단'하는 기술을 가진 것이지요. 머신러닝은 딥러닝보다 정확성이 떨어지는 수학 통계 모델이고요."

-그렇다면 현재 신약토스 카지노에 활용되는 기술은 딥러닝으로 이해하면 되겠네요.

"그렇죠. 토스 카지노 하위 기술 중 현재 구현할 수 있는 가장 완벽한 기술은딥러닝이라고 할 수 있습니다. 과거 딥러닝 이전에 머신러닝 등으로 대표되는 여러 수학적 통계 모델이 있었어요. 머신러닝을 활용한 바둑 프로그램도 있었는데, 딥러닝 기술을 활용한 알파고가 등장하며 딥러닝 기술이 주목받게 됐어요.

딥러닝은 데이터 탐색 과정을 넘어 '추론(abstraction)'을 할 수 있습니다. 단순히 데이터를 암기(저장)하는 것이 아니라, 자신이 가진 데이터의 인과관계를 스스로 설정하는 '추론'과정을 거치는 것이죠."

-토스 카지노, 딥러닝 개념 이해는 됐어요. 그런데 이 기술을 '어떻게'신약개발에 접목하는 거죠?

"공교롭게도 항암제 개발 회사와 공동연구를 하고 있거든요. 항암제 개발을 예로 설명드리면 좀 이해가 쉬울 것 같습니다. 보통 인산화효소(kinase)를 활용한 토스 카지노 신약개발을 저희 플랫폼을 통해 실행하고 있습니다.

우리가 가진 토스 카지노 플랫폼은 약 수십만 건 이상의 데이터학습(훈련) 과정을 거쳤습니다. 토스 카지노 훈련(training) 과정을 거친 토스 카지노 플랫폼은 추론화 과정을 통해 단백질 3차원 구조를 수초 내에 알 수 있습니다. 가령 우리가 개발한 신약개발 토스 카지노 플랫폼은 EGFR 돌연변이 상황에서 kinase inhibitor들의어떤 단백질 3차원 구조를 알아낼 수 있어요. 이런 기법을 인실리코 인산화효소 패널(in silico kinase panel)이라고 합니다.

신약개발 회사들이 항암제 중 kinase를 표적으로 할 때는 보통 단백질의 선택적 결합(selectivity) 데이터를 얻어야 합니다. 우리 토스 카지노 플랫폼이 훈련을 통해 점점 더 완벽해 진다면, 이러한 표적 물질을 수초 이내에 제시할 수 있습니다."

-오, 그렇다면 현재 토스 카지노 플랫폼 기술로도 수초 이내에 제시할 수 있나요?

"현재 기술이 100% 정확도를 가진다고 할 순는 없습니다. 다만 우리가 현재 연구 중인 특정 화합물(compound)에 대해서는 선택적인 후보물질 도출 시간을 단축할 수 있습니다. 실제로 글로벌 제약사 조차 자신들이 원하는 후보물질을 도출했다고 해도, 전임상 이전의 최적화(optimization) 단계까지최소 1~2년은 걸립니다.

그래서 이들도 아톰와이즈 등 토스 카지노 신약개발 회사와 협업하고 있는 것입니다. 토스 카지노을 활용하면 화합물은 단시간내1억개 이상을 만들 수 있고, 동시에 화합물의 구조와 물성도 계산할 수 있습니다. 현재는 토스 카지노 기술이 더 발전해 분자량만 지정하면 새로운(noble) 화합물도 스스로 만들어 낼 수 있습니다."

-엠비디, 웰바이오마커, 오토텔릭스 등 바이오벤처와 협업하고 있는 것으로 압니다.신약개발 자원이 풍부하지 않은 국내 기업들은왜 토스 카지노 신약개발에 투자해야 할까요?

"토스 카지노 기술을 배제하고 고전적인 방식으로 신약개발을 하면 결국 남들과 똑 같은 자원으로 신약개발을 해야 합니다. 실패 확률도 그들과 똑같습니다. 우리가 굳이 글로벌제약사가 실패한 선례를 따라갈 필요는 없지 않습니까? 진보된 기술이 있다면 그들보다 조금이라도 앞서 나가야 신약개발 경쟁력이 있겠죠."

-국내의 경우 신약개발 데이터 자체가 많지 않을 텐데, 공개된 데이터 셋만으로 토스 카지노을 학습시켜 성능을 높이는데 한계는 없나요? 공개된 데이터로만 학습시켜무언가 차별화된 토스 카지노 플랫폼을 만들기 쉽지 않을 것 같아요.

"토스 카지노(딥러닝)이 활용할 수 없는 데이터도 있어요. 아무리 공개된 데이터가 많다고 해도 토스 카지노이 학습할 만한 데이터로 만들어주는 게 중요한 기술이에요. 또 데이터를 훈련하는 방법도 중요한데요, 가령 추론화를 어느 단계에 둘지 좀 더 복잡한 과정이 거쳐 토스 카지노 성능이 결정됩니다. 똑같은 데이터가 주어져도 각 토스 카지노이 제시하는 해결책(solution)은 제 각각입니다. 물론 신약개발에서는 데이터 선별 작업 자체가 매우 중요합니다. 신약개발에서는 작은 데이터가 큰 결과를 불러오기도 하거든요."

-치료제로 한정시켰을 때, 기존 합성화학의약품와 바이오의약품, 더 나아가 세포치료제까지 필요한 데이터가 다를 텐데요. 토스 카지노 신약개발에 있어서도 바이오의약품과 세포치료제 개발에 있어 토스 카지노의 한계에 대한 지적이 있습니다. 이에 대한 생각을 말씀해 주신다면요?

"앞으로 해결해야 할 과제입니다. 사실 세 의약품은 개발 전략 자체가 다릅니다. 토스 카지노 신약개발에서도 마찬가지고요. 현재 합성화학의약품과 펩타이드의약품 데이터는 풍부하지만 항체의약품, 세포치료제 데이터는 토스 카지노을 훈련시킬 만한 데이터가 충분하지 않아요."

-끝으로...?

"알파고를 만든 회사의 직원 수는 3명이에요. 실제로 데미스 하사비스가 거의 딥러닝 로직을 다 짠 셈이죠. 보통 저희 회사가 10명 내외직원이 있다고 하면, 그 인원으로 어떻게 신약개발을 하느냐고 묻죠. 저는 알파고 사례로 답을 대신합니다. 인간이 하지 못하는 수많은 추론 영역을 토스 카지노이 대체할 것으로 봅니다.

물론 딥러닝이 가장 완벽한 토스 카지노 기술이라고 보지 않습니다. 하지만 제가 십 수년간 이 분야에 몸 담아오면서, 봐왔던 수학적 모델 중 딥러닝은 단연뛰어난 것 같아요. 과학에서 가장 어려운 영역인 신약개발을 현재 가장 진보된 추론 도구인 토스 카지노(딥러닝)으로 도전하는 게 현재 가장 좋은 선택이라고 봅니다."