# Drug Discovery Process 약물 발견 프로세스는 질병의 치료 가능성을 가진 새로운 화합물(또는 생물학적 제제)을 식별하고, 그 작용 기전과 안전성, 효능을 체계적으로 평가하여 처음의 후보물질(Candidate)로 발전시키는 다학제적 연구 흐름이다. 이 과정은 생물학, 화학, 약물학, 독성학, 컴퓨테이팅, 시스템생물학 등 다양한 분야의 협업으로 이루어진다. --- ## 개요 - 목표: 질환의 병리와 관련된 분자 타깃을 식별하고, 그 타깃에 특이적이며 안전성과 유효성을 갖춘 신약 후보를 선발하는 것. - 단계성: 아이디어 구상에서 시작해 타깃 발견과 검증, 후보물질의 스크리닝 및 최적화, 전임상 평가를 거쳐 임상 개발로 이어진다. - 주요 관점: 효능-안전성의 균형, 약물동태학(PK)과 약물작용기전(PD), 재현성 있는 실험 설계, 데이터 관리와 재현성 확보. --- ## 주요 단계 ### Target Identification (타깃 식별) - 질환의 병리와 연결된 분자, 경로, 생리적 프로세스를 파악하고, 질환 표적(Target)을 후보화한다. - 접근법: 유전체학, 단백질체학, 네트워크 생물학, 질환 관련 데이터베이스 분석 등. ### Target Validation (타깃 검증) - 타깃이 질환의 원인 또는 주요 병리 프로세스에 필수적임을 증명한다. - 방법: 유전적 조작(유전자 knockout/knockdown), 약물적 차단, 동물모델에서의 기능적 검증, 화학적 커뮤니케이션의 효과 확인. ### Assay Development (생체 분석 개발) 및 Screening (스크리닝) - 신약 후보 발굴에 사용할 측정 가능한 검사법(assay)을 개발한다. - 스크리닝 전략: - Target-based screening: 특정 타깃에 대한 결합/활성 여부를 측정. - Phenotypic screening: 타깃이 명확히 정의되지 않아도 세포/동물의 표현형 변화로 후보를 찾는 접근. - High-Throughput Screening(HTS): 대규모 화합물 라이브러리를 빠르게 평가하는 자동화된 방법. ### Hit Identification and Hit-to-Lead (H2L) - "Hit"로 식별된 화합물이 타깃에 대해 초기 활성을 보일 때 이를 확인하고 재현성을 확보한다. - Hit의 우선순위화: 효능, 선택성, 독성 신호, 물질가용성 등을 종합적으로 평가. ### Lead Optimization (리드 최적화) - Hit를 여러 차례 화학적 변형하여 Lead로 발전시키는 과정. - 목표 특성: - 향상된 효능 및 선택성 - 적절한 ADMET(흡수, 분포, 대사, 배설, 독성) 프로파일 - 우수한 물리화학적 특성(공정성, 용해도, 안정성) - PK/PD 특성의 적합성 - 일반적 접근법: - 구조 기반 설계(SBDD), 분자 모델링, 스캐폴드 기반 변형, SAR(Structure-Activity Relationship) 탐색 - 프래그먼트 기반drug discovery(FBDD) ### Preclinical Candidate Identification (전임상 후보물질 선정) - Lead 최적화를 거쳐 최종 후보물질(Candidate)을 선정하고, 독성학, 약동학, 안전성 프로파일의 초기 데이터를 확보한다. - 예비 독성평가(Toxicology screening), 인체용량 예측, 약물상호작용 평가를 수행. - 후보물질의 대량 합성 가능성, 제조적합성(MOE)도 검토. ### IND-Enabling Studies 및 Regulatory Considerations (IND-허용 연구 및 규제 고려) - 임상시험 진입을 위한 IND([[Investigational New Drug]]) 신청에 필요한 자료를 준비한다. - 독성학, 안전성, 약리학 데이터의 심층적 검토 및 문서화. - 규제 요건에 맞는 연구 설계 및 데이터 관리 체계를 갖춘다. --- ## 기술과 접근법 - Target-based vs Phenotypic screening - Target-based: 특정 타깃의 생물학적 관련성을 바탕으로 활성화 여부를 측정. - Phenotypic: 타깃 식별이 불완전한 상황에서도 질병 관련 표현형 변화를 관찰. - Structure-Based Drug Design (SBDD) - 타깃 단백질의 3D 구조를 이용해 결합 모듈과 설계 방향을 정하는 방법. - Fragment-Based Drug Discovery (FBDD) - 저분자 fragment를 조합·확대해 효과적인 리드로 발전시키는 전략. - In Silico Drug Discovery - 분자 도킹, QSAR, 머신러닝 기반 예측 등 컴퓨테이팅 도구를 활용. - ADMET 및 PK/PD 고려 - 약물의 체내 거동, 독성 신호, 대사 경로를 예측하고 개선하는 단계. - 오픈 이노베이션(Open Innovation)과 협력 - 제약사, 학계, 바이오테크, 오픈 데이터 플랫폼 간의 데이터 공유와 협력. --- ## 데이터와 인프라 - 데이터 관리 - 실험계획, 시료 관리, 데이터 표준화(SD2, ISA-Tab 등)와 재현성 확보가 중요. - 대표 데이터베이스 및 도구 - PubChem, ChEMBL, DrugBank, ZINC - Protein Data Bank (PDB) - Open Targets, BindingDB - 분자 시뮬레이션 및 디자인 도구: AutoDock, Schrödinger, MOE 등 - AI/머신러닝의 역할 - 활성 예측, 독성 예측, 합성 경로 탐색, 가상 스크리닝 등에서 활용 증가. --- ## 리스크 및 의사결정 포인트 - 예측 불확실성 관리: 초기 후보의 효능/안전성 신호 간의 균형을 맞추며, 실패 원인을 조기에 식별. - 재현성 확보: 실험 조건 표준화, 대조군 및 독립 재현 실험 수행. - 제조 및 확장성: 후보물질의 합성 경로, 생산성, 순도 관리 가능성 평가. - 규제 리스크: IND-허용 범위 내에서의 데이터 품질 관리와 투명한 문서화. --- ## 사례 연구 개요 - 대표적 사례로, 표적 타깃에 대한 확실한 검증과 구조 기반 설계를 결합해 개발된 리드가 임상으로 진입하는 경로를 따라가며, 초기 Hit에서 Lead로의 최적화 과정에서 ADMET 개선과 독성 신호 감소를 달성하는 경향을 보인다. - 주의: 구체적 브랜드 이름이나 특허 상태 등은 상황에 따라 다르므로 일반 원칙과 절차에 초점을 둔다. --- ## 용어 모음 (Glossary) - Target: 약물의 작용 목표로 삼는 분자 또는 경로. - Hit: 타깃에 대해 초기 활성을 보이는 화합물. - Lead: 최적화를 거쳐 임상 후보로 발전 가능한 물질. - Candidate: IND 진입 가능성이 높은 최종 후보물질. - HTS (High-Throughput Screening): 대규모 화합물 라이브러리를 자동화된 방식으로 검사하는 방법. - SAR (Structure-Activity Relationship): 구조와 활성 간의 관계를 연구하는 분석. - QSAR (Quantitative Structure-Activity Relationship): 구조-활성 관계를 계량적으로 예측하는 방법. - SBDD (Structure-Based Drug Design): 타깃의 구조 정보를 기반으로 설계하는 접근. - FBDD (Fragment-Based Drug Discovery): 작은 fragment를 확장해 리드로 발전시키는 전략. - ADMET: 흡수(Bioavailability), 분포, 대사, 배설, 독성의 약물동태학 특성. - PK/PD: Pharmacokinetics(약물동태)와 Pharmacodynamics(약력학). - IND: Investigational New Drug, 임상시험 진입 전 제출하는 규제 문서. - QSAR: 구조-활성 관계를 계량적으로 분석하는 방법. - In silico: 컴퓨터 기반 예측 및 모델링. - Lead Optimization: Lead의 활성, 선택성, 안전성, 약물동태를 개선하는 과정. --- ## 참고 문헌 및 온라인 자원 - PubChem: https://pubchem.ncbi.nlm.nih.gov - ChEMBL: https://www.ebi.ac.uk/chembl - DrugBank: https://www.drugbank.ca - Protein Data Bank (PDB): https://www.rcsb.org - ZINC Database: https://www.zinc20.docking.org - Open Targets: https://www.opentargets.org - BindingDB: https://www.bindingdb.org - In silico 및 AI 응용 관련 개요: 관련 리뷰 및 학술 자료의 최신판을 참고 --- --- 관련 문서: [[Target Identification and Validation]], [[High-Throughput Screening]], [[Lead Optimization Strategies]], [[ADMET Profiling in Drug Discovery]], [[In Silico Drug Discovery and AI Applications]]