암은 전 세계에서 사망 원인의 주요 원인 중 하나로 남아 있으며, 공중보건 분야에서 심각한 도전 과제를 계속 제기하고 있다. 많은 현재 치료법의 제한된 성공은 종종 독성, 낮은 선택성, 그리고 약물 내성의 발달에 기인하므로, 새로운 한층 효과적인 치료 옵션의 필요성이 강조된다. 식물화학물질(Phytochemicals)은 항암제의 유용한 공급원으로 부상해 왔으며, 풍부한 구조적 다양성과 광범위한 생물학적 활성 범위를 제공한다. 그러나 천연물의 방대한 화학적 공간에서 유망한 화합물을 식별하는 일은, 보통 느리고 비용이 많이 들며 비효율적인 기존의 선별 방법으로는 여전히 어렵다. 최근 몇 년간 인공지능(AI)은 식물화학물질 기반 약물 발견을 변화시키기 시작했다. 현재 기계학습 및 딥러닝 접근법은 대사체 식별, 가상 선별(virtual screening), 표적 예측(target prediction), 독성 평가(toxicity assessment) 등 발견 과정의 핵심 단계들을 지원하는 데 활용되고 있다. 화학적, 생물학적, 그리고 다중오믹스(multi-omics) 데이터를 통합함으로써, AI는 천연물 다양성을 보다 체계적이고 데이터 기반으로 탐색할 수 있게 한다. 이러한 진전에도 불구하고, 특히 고품질 실험 데이터의 부족, 식물화학물질의 구조적 복잡성, 그리고 공개 데이터베이스에서의 제한된 대표성이라는 점에서 어려움은 지속되고 있다. 본 리뷰는 식물화학물질 기반 항암제 발견에서의 현행 AI 적용을 비판적으로 검토하고, 이러한 한계를 극복하기 위한 대두되는 전략들을 논의한다. 전반적으로, AI 주도형 식물화학물질 선별은 차세대 암 치료법의 개발을 가속하는 유망한 경로를 제시한다.

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