가상오믹스
약을 먹이기 전에,
먹인 뒤의 세포를 먼저 봅니다
물질·용량·시간을 입력하면 AI가 투여 후 유전자들의 발현 변화를 생성합니다. 실측 데이터로 학습한 GeroEngine이 세포의 반응을 계산하고, 그 결과를 후보 순위와 근거로 바꿉니다.
몇 개의 마커만 보고
약을 만듭니다
약이 들어가면 세포 안의 유전체·전사체·단백체·대사체가 함께 움직입니다. 하지만 실제로 측정하는 마커는 많아야 수십 개입니다. 나머지 변화는 보지 못한 채 다음 단계로 넘어갑니다.
유전체GENOME
DNA 설계도
전사체TRANSCRIPTOME
유전자들의 on/off
단백체PROTEOME
실제로 일하는 단백질
대사체METABOLOME
그 결과로 생기는 물질
임상 1상에 진입한 신약 후보 중 최종 승인까지 가는 비율. 틀린 후보라는 사실은 수년 뒤에야 드러납니다.
조건 하나를 실측으로 확인하는 데 걸리는 시간. 투여 전·후 시료를 모아 측정하는 비용은 건당 수천만 원에 이릅니다.
물질 × 용량 × 시점 × 조직 × 개체. 확인해야 할 조건의 수가 실험만으로 감당할 수 있는 범위를 넘어섭니다.
전부 실측할 수 없다면,
전부 계산해서 보면 됩니다.
세 단계로
답을 먼저 봅니다
입력, 생성, 해석. 원료 한 개부터 수천 종의 라이브러리까지 같은 과정을 거칩니다.
후보 물질과
알고 싶은 효과를 넣습니다
물질의 구조, 용량과 처리 시간, 기준이 되는 세포 상태, 그리고 확인하고 싶은 효과를 정의합니다. 원료 한 개부터 수천 종의 라이브러리까지 같은 방식으로 다룹니다.
- 물질 구조
- 용량 · 시간
- 기준 세포
- 목표 효과
GeroEngine이
투여 후 오믹스를 생성합니다
실측 데이터로 학습한 생성 모델이 물질과 조건에 따른 세포 안의 변화량을 계산하고 투여 전과 비교합니다. 2,000종 스크리닝을 자체 GPU에서 10시간 안에 마칩니다.
- 유전자 변화 Δ
- 투여 전·후 비교
- 온프레미스 GPU
후보 순위와 이유,
다음 실험을 받습니다
어떤 작용이 좋아지는지(효과 가설), 원치 않는 신호는 없는지(주의 신호), 무엇이 근거인지(근거 경로)를 함께 해석해 먼저 실험할 후보와 확인 실험 설계를 제안합니다.
- 후보 순위
- 효과 가설
- 주의 신호
- 다음 실험
당신의 후보 물질,
실험 전에 먼저 계산해 보세요.
연구 질문을 보내 주시면 분석 범위와 데이터 형태, 일정에 맞춰 가장 알맞은 방식을 제안해 드립니다.