단백질 분해 표적 키메라(Proteolysis Targeting Chimeras, PROTACs)는 유비퀴틴-프로테아좀 시스템을 통해 질병 관련 단백질을 선택적으로 분해할 수 있게 함으로써 약물 발견 분야에서 혁신적인 치료 양식으로 자리매김하고 있다. 그럼에도 불구하고 PROTAC의 합리적 설계는 표적과 리가아제(ligase) 간 적합성, 삼원 복합체 형성, 링커 최적화, 분해 효율과 같은 여러 변수를 포함하며, 복잡하고 자원이 많이 소요되는 과정이다. 최근 인공지능(AI)의 발전은 삼원 복합체에 대한 구조 기반 모델링부터 분해 가능성 예측, 생성형 링커 설계, 약동학적 특성 추정에 이르기까지 이러한 장애물을 해결하기 위한 새로운 전략을 제공해 왔다. 본 리뷰는 PROTAC 개발 파이프라인에서 AI를 직접 또는 간접적으로 어떻게 활용할 수 있는지를 탐색하는 것을 목표로 한다. 먼저, 삼원 복합체 구조 예측, 분해 가능성 예측, 링커 설계, ADME 예측과 같은 기존 AI 적용 사례를 분석한다. 또한 PROTAC 발견의 과제를 해결하기 위해 관련 분야의 다른 접근법이 어떻게 적용될 수 있는지 논의한다. 마지막으로, 현재의 AI 모델이 직면한 제한 데이터, 낮은 해석 가능성, 낮은 일반화 가능성과 같은 도전 과제를 다룬다. 종합하면, 이러한 장벽을 극복함으로써 AI 기반 전략이 PROTAC 발견을 가속하고, 표적 단백질 분해제(targeted protein degrader) 개발을 위한 보다 합리적인 틀을 제공할 수 있을 것이다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.