Q-Dock
결합 평가표적 부위→히트 우선순위
α4β7의 결합 환경을 모델링하고 표적과 후보물질의 상호작용을 평가합니다.
- 결합부위 분석
- 결합력 및 결합 구조 예측
QUEST™ / Quantum–AI 신약개발
신약개발의 핵심 병목을 혁신합니다.
QUEST™는 분자 모델링, 실험 근거, 인공지능과 양자 기반 분자 표현을 결합하여 히트 발굴부터 전임상 예측까지 더 나은 의사결정을 지원합니다.
01 / QUEST™의 적용 영역
QUEST™는 신약개발 성패를 좌우하는 핵심 병목을 해결합니다.
QUEST™는 QIC의 통합 Quantum–AI 신약개발 솔루션입니다. 세 개의 전문 모듈을 통해 실험 검증 가능성이 높은 히트를 선별하고, 후보물질을 최적화하며, 전임상 단계의 ADMET·PK 위험을 조기에 평가합니다.
신약개발 전 과정QUEST™ 적용 범위
01표적
02히트 발굴
03히트-투-리드
04선도물질 최적화
05전임상
06임상
임상개발은 후속 단계이며 현재 QUEST™의 모듈 범위에는 포함되지 않습니다.
01Q-Dock ↗02Supernatural AI ↗03Virtual CRO ↗
유효 히트 선별의 불확실성
기존 AI 기반 가상 스크리닝은 학습 데이터와 통계적 유사성을 바탕으로 후보물질에 예측 점수를 부여합니다. 그러나 높은 예측 점수가 실제 표적 결합력과 선택성, 정확한 결합 구조를 의미하지는 않으며, 실험에서 재현되지 않는 위양성 후보가 발생할 수 있습니다.
상충하는 신약 특성의 동시 최적화
결합력이 높은 후보물질이 반드시 우수한 신약 후보가 되는 것은 아닙니다. 결합력·선택성·투과성·용해도·대사 안정성·독성 등 여러 특성을 함께 충족해야 하지만, 한 특성을 개선하면 다른 특성이 저하될 수 있어 최적의 균형점을 찾는 과정이 복잡합니다.
ADMET·PK 리스크의 뒤늦은 발견
후보물질의 흡수·분포·대사·배설·독성과 약동학적 문제는 상당한 시간과 비용을 투입한 전임상 단계에서 뒤늦게 확인되는 경우가 많습니다. 이는 후보물질의 개발 중단과 전체 신약개발 일정의 지연으로 이어질 수 있습니다.
개발 전 과정의 과제
데이터 중심 AI의 한계. 부족하거나 편향된 데이터, 새로운 화학공간, 분자 물리 현상에 대한 제한적인 표현은 개발 전 과정의 예측 신뢰도를 낮출 수 있습니다.
02 / QUEST™ · 모듈 01
히트 발굴Q-Dock
Q-Dock은 표적의 결합 환경과 후보물질을 함께 모델링하고, 두 분자의 3차원 구조와 전자적 상호작용 패턴을 비교해 결합친화도와 가장 가능성 높은 결합 구조를 예측합니다.
모델 학습·데이터 기반
Chemical DB + Quantum Modeling
분자 구조와 상호작용 데이터를 모델이 학습할 수 있는 형태로 구축합니다.
→
3D Image Match ML Model
후보물질 비교에 활용되는 패턴 인식·평가 모델을 학습합니다.
Q-Dock / STEP 01
표적 결합부위 분석
결합 포켓
공간 구조 · 전자적 환경
- 표적 결합부위
- 결합 포켓
- 공간 구조
- 전자적 환경
STEP 01
표적 결합부위 분석
표적의 결합 포켓을 정의하고 공간적 구조와 전자적 상호작용 환경을 분석합니다.
03 / QUEST™ · 모듈 02
스크리닝 및 선도물질 최적화Supernatural AI
Supernatural AI는 약효에 기여하는 핵심 분자 조각을 식별하고, 이를 재조합해 결합력·선택성과 신약 특성이 개선된 후보물질을 반복적으로 설계합니다.
Supernatural AI / STEP 01
분자 조각 라이브러리 · 실험 결과 · 가상 분자 분해 · DEL 스크리닝 데이터
약효와 관련된 화학적 신호 추출
후보 설계의 출발점이 되는 분자 조각 · 노이즈 제거
- 분자 조각 라이브러리
- 실험 결과
- 가상 분자 분해
- DEL 스크리닝
- 활성 신호
- 노이즈 제거
STEP 01
약효와 관련된 화학적 신호 추출
분자 조각 라이브러리, 실험 결과, 가상 분해와 DEL 스크리닝 데이터를 통합해 신뢰도 높은 활성 신호를 선별합니다.
- 후보 설계의 출발점이 되는 분자 조각
- 실험·DEL 스크리닝 근거
- 노이즈 제거
식별평가설계
설계한 후보물질을 다시 평가하고 개선하는 과정을 반복해 약효와 신약 특성의 목표 균형에 도달합니다.
04 / QUEST™ · 모듈 03
전임상 예측Virtual CRO
Virtual CRO는 분자 구조를 바탕으로 ADMET·PK 특성과 PK/PBPK 모델, 농도–시간 변화를 예측합니다. 이를 통해 전임상 후보를 더 이른 단계에서 비교하고 최적화할 수 있습니다.
Virtual CRO / STEP 01
분자 구조 또는 SMILES
약물 구조 입력
- 약물 구조 입력
- 분자 구조
- SMILES
STEP 01
약물 구조 입력
분자 구조 또는 SMILES
05 / QUEST™ 적용 사례산업 신약개발 프로젝트 01
경구용 펩타이드 신약 개발
QUEST™는 QIC의 α4β7 후보물질 발굴부터 경구용 신약 개발까지 이끕니다.
QIC는 QUEST™를 활용해 자체 보유한 α4β7 표적 펩타이드 후보물질을 발굴하고, 결합력·표적 선택성·약물성을 최적화하며 PK/PD와 독성을 예측합니다. 디앤디파마텍은 ORALINK™ 플랫폼 적용·최적화와 실험적 효능평가를 통해 해당 자산을 경구 투여가 가능한 신약 후보물질로 개발합니다.
QIC · QUEST™ 적용 범위하나의 자산 · 세 개의 전문 모듈
Supernatural AI
후보 최적화분자 조각 설계→물성 균형
활성·선택성·개발 가능성을 고려해 펩타이드 후보물질을 설계하고 최적화합니다.
- 후보물질 발굴 및 설계
- 복수 신약 특성 최적화
Virtual CRO
전임상 예측ADMET / PK→개발 위험
PK/PD와 독성을 예측해 개발 리스크를 조기에 확인하고 후보물질 개선 방향을 제시합니다.
- PK/PD 및 체내 노출 예측
- 독성 및 안전성 평가
06 / QUEST™ 문의
플랫폼 역량을 실제 신약개발 프로그램과 연결합니다.
QIC의 자체 파이프라인을 살펴보거나 히트 발굴·최적화·전임상 예측 프로그램을 논의할 수 있습니다.