약물 발견 업무를 하시는 분들을 위한 팁 2


🧬 분자 데이터베이스 & 검색 (HGET/TGET 관련)

ZINC20 (2020버전)

  • 기존 ZINC15는 2억개인데, ZINC20은 10억개 이상 purchasable compounds
  • wget으로 bulk download 가능: tranches/ 디렉토리
  • 실전 팁: lead-like, fragment-like subset만 받으면 80% 빠름
  • Docking 전용 3D conformer도 제공 (MOL2 format)
wget -r -l1 -np -nd -A "*.mol2.gz" http://files.docking.org/catalogs/

SureChEMBL vs PatCID

  • SureChEMBL: 특허 내 화학구조 1억개 (API: https://www.surechembl.org/api/)
  • PatCID: PubChem의 특허 subset, CID 기반 cross-reference
  • 조합기술: SureChEMBL로 구조 찾고 → PatCID로 생물활성 데이터 매핑
# SureChEMBL API 예제
import requests
r = requests.get(f"https://www.surechembl.org/api/compounds/{schembl_id}")

ChemSpider API (무료지만 숨은기능)

  • InChIKey로 여러 DB 동시 검색 (ChEMBL, PubChem, DrugBank 통합)
  • 실시간 상업성 체크: commercialAvailability endpoint
# 숨은 엔드포인트
GET /v2/compounds/{id}/details/suppliers

MolPort API

  • 800개 이상 벤더 실시간 가격/재고 확인
  • Building block screening (합성 가능성 예측)
  • 무료 tier: 월 1000 requests

COCONUT (Natural Products)

  • 천연물 40만개, SMILES + 3D 구조
  • 기존 UNPD보다 깔끔한 데이터
  • MongoDB dump 제공 - 로컬 구축 가능
# pymongo로 직접 쿼리
collection.find({"molecular_weight": {"$lt": 500}})

🎯 타겟 발견 & 검증 (TGET 관련)

AlphaFold Protein Structure Database

  • 2억개 단백질 구조 예측 (전체 UniProt)
  • 직접 다운: https://ftp.ebi.ac.uk/pub/databases/alphafold/
  • pLDDT score로 신뢰도 필터링
# pLDDT > 90인 영역만 추출
from Bio.PDB import PDBParser
parser = PDBParser()
structure = parser.get_structure('protein', 'AF-P12345.pdb')
high_conf_residues = [r for r in structure.get_residues() 
                      if r['CA'].get_bfactor() > 90]

OpenTargets Platform API

  • 질병-타겟 연관성 스코어 (genetic evidence 기반)
  • GraphQL endpoint로 복잡한 쿼리 가능
{
  target(ensemblId: "ENSG00000139618") {
    associatedDiseases {
      rows {
        disease { name }
        score
        datatypeScores { id score }
      }
    }
  }
}

Pharos / TCRD

  • NIH의 타겟 개발 수준 분류 DB
  • Tdark (unexplored targets) 찾기 최고
  • API: https://pharos.nih.gov/idg/api/v1/
  • 실전: 경쟁 적은 타겟 스크리닝
# Tdark & druggable targets
params = {'tdl': 'Tdark', 'facet': 'Target Development Level'}

STRING DB (Protein Interaction)

  • PPI 네트워크 bulk download
  • Combined score > 0.7 필터링 추천
# 타겟 주변 상호작용 단백질 찾기
import requests
r = requests.get('https://string-db.org/api/json/network',
                 params={'identifiers': 'TP53', 'species': 9606})

DepMap Portal (Cancer Dependency)

  • 암세포주별 필수 유전자 데이터
  • CRISPR 스크리닝 결과 (1000+ cell lines)
  • CSV bulk download로 로컬 분석
  • 조합: 높은 dependency + 낮은 정상세포 발현 = 이상적 타겟

💊 Virtual Screening & Docking (HGET 관련)

GNINA (CNN-based docking)

  • Vina보다 정확한 스코어링
  • GPU 가속 (CUDA)
gnina -r protein.pdb -l ligand.sdf --cnn_scoring rescore \
      --gpu 0 --exhaustiveness 8

DiffDock (Diffusion Model)

  • 최신 딥러닝 도킹 (2023)
  • Blind docking 가능 (pocket 몰라도 됨)
  • GitHub: gcorso/DiffDock
python inference.py --protein_path protein.pdb \
                    --ligand ligand.sdf

Smina (Vina fork with custom scoring)

  • Vinardo scoring function (더 정확)
  • 커스텀 scoring 함수 추가 가능
smina -r receptor.pdb -l ligand.mol2 \
      --scoring vinardo --exhaustiveness 32

LeDock (중국산)

  • 무료인데 성능 Glide급
  • 매우 빠름 (Vina 대비 5배)
  • Windows/Linux 버전

rDock

  • Open-source, cavity detection 자동
  • 높은 throughput screening 특화
rbcavity -r protein.prm -was  # cavity 자동 탐지
rbdock -r protein.prm -i ligands.sd -n 100

P2Rank (Pocket Prediction)

  • ML 기반 binding site 예측
  • AlphaFold 구조에도 작동
prank predict protein.pdb

🧪 ADMET & Toxicity 예측 (OGET 관련)

ADMETlab 2.0 CLI

  • 웹버전 말고 Python API 있음
  • 50+ ADMET properties
from admetlab import ADMETlab
predictor = ADMETlab()
results = predictor.predict_smiles("CCO")

SwissADME API (비공식)

  • Lipinski, Veber, Egan 룰 자동 체크
import requests
url = "http://www.swissadme.ch/predictions"
# POST로 SMILES 배치 전송 가능

pkCSM API

  • 무료 REST API
  • ADMET + toxicity 30+ endpoints
import requests
r = requests.post('http://biosig.unimelb.edu.au/pkcsm/prediction',
                  data={'smiles': 'CCO'})

Pred-hERG

  • hERG 독성 예측 전문
  • QSAR model (정확도 90%+)
  • GitHub: mol-net/pred-herg

OCHEM (Online CHEmical Modeling)

  • QSAR 모델 직접 학습/배포
  • 30+ pre-trained models
  • ADMET, toxicity, activity 다 가능
  • API endpoint로 배치 예측

vNN-ADMET (Virtual Neural Network)

  • 그래프 신경망 기반
  • Transfer learning으로 적은 데이터로도 학습
from vnn_admet import VNNPredictor
model = VNNPredictor.load('herg_blocker')
predictions = model.predict_smiles(['CCO', 'c1ccccc1'])

ADMET AI (NCATS)

  • NIH 개발, transformer 기반
  • PubChem 전체로 학습
  • pip install 가능
pip install admet-ai

🧬 Peptide 특화 (RGET 관련)

PepFun (Peptide Function Prediction)

  • 서열만으로 기능 예측
  • Anticancer, antimicrobial, antihypertensive 등

CAMPR3 (Antimicrobial Peptides)

  • 2만개 AMP 서열
  • SVM/RF 기반 activity 예측
  • Web API 있음

CPPsite 2.0 (Cell-Penetrating Peptides)

  • CPP 데이터베이스 + 예측기
  • 서열 → CPP 확률 점수

HELM Notation Tools

  • Linear notation보다 명확한 펩타이드 표기
  • Python library: helm-notation
from helm_notation import HELMParser
helm = "PEPTIDE1{A.C.D.E}$$$$"
parser = HELMParser(helm)

PeptideBuilder (Python)

  • 서열 → 3D 구조 자동 생성
  • 백본 angle 커스터마이징
from PeptideBuilder import Geometry
import PeptideBuilder
structure = PeptideBuilder.make_structure("ACDEFGHIKLMNPQRSTVWY")

ESMFold (Meta AI)

  • PepFold3보다 100배 빠름
  • 정확도 유사
  • API: https://api.esmatlas.com/
import requests
r = requests.post('https://api.esmatlas.com/foldSequence/v1/pdb/',
                  data={'sequence': 'MKFLILLFNI'})

modlAMP

  • Peptide descriptor 계산
  • 400+ physicochemical properties
from modlamp.descriptors import PeptideDescriptor
desc = PeptideDescriptor('GLFDIVKKVVGALGSL', 'eisenberg')
desc.calculate_global()

📊 Molecular Descriptors & Fingerprints

mordred (2600+ descriptors)

  • RDKit 확장
  • 3D, topological, quantum chemical
from mordred import Calculator, descriptors
calc = Calculator(descriptors, ignore_3D=False)
df = calc.pandas([mol1, mol2, mol3])

molfeat (Unified API)

  • 모든 fingerprint 통합
  • Transformer embeddings도 가능
from molfeat.trans import MoleculeTransformer
transformer = MoleculeTransformer('MACCS', n_jobs=-1)
fps = transformer.transform(['CCO', 'c1ccccc1'])

FPSim2 (Fast Similarity Search)

  • Tanimoto 검색 초고속 (백만개 1초)
  • GPU 버전도 있음
from FPSim2 import FPSim2Engine
fp_engine = FPSim2Engine('chembl.h5')
results = fp_engine.similarity('CCO', 0.7, n_workers=4)

MHFP (MinHash Fingerprint)

  • Tanimoto보다 빠른 유사도 계산
  • Shingling 기반
from mhfp.encoder import MHFPEncoder
encoder = MHFPEncoder()
fp = encoder.encode('CCO')

🤖 AI/ML 라이브러리 (딥러닝 특화)

TorchDrug

  • GNN for drug discovery
  • Pre-trained models 다수
from torchdrug import datasets, models
dataset = datasets.BACE()
model = models.GIN(input_dim=dataset.node_feature_dim,
                   hidden_dims=[256, 256, 256])

DeepChem

  • 생각보다 강력함
  • MolGAN, MPNN, GraphConv 다 있음
import deepchem as dc
featurizer = dc.feat.MolGraphConvFeaturizer()
model = dc.models.GraphConvModel(n_tasks=1, mode='regression')

MOLFEAT + Hugging Face

  • Transformer embeddings
  • ChemBERTa, MolFormer 등
from molfeat.trans.pretrained import PretrainedHFTransformer
transformer = PretrainedHFTransformer(kind='ChemBERTa-77M-MLM')
embeddings = transformer(['CCO'])

DGL-LifeSci

  • Deep Graph Library for life sciences
  • MPNN, AttentiveFP, GCN
from dgllife.model import GCN
from dgllife.utils import smiles_to_bigraph
g = smiles_to_bigraph('CCO')
model = GCN(in_feats=74, hidden_feats=[64, 64])

Chemprop

  • Message Passing Neural Network
  • ADMET 예측에 최적화
from chemprop.train import make_predictions
predictions = make_predictions(args, smiles=['CCO'])

🔬 Molecular Dynamics & Simulation

OpenMM-ML

  • ML force fields (ANI, MACE)
  • 기존 MM보다 정확하고 빠름
from openmmml import MLPotential
potential = MLPotential('ani2x')
simulation.context.setPositions(positions)

TorchMD-NET

  • 그래프 신경망 MD
  • GPU 가속 (100배 빠름)
torchmd-train --conf config.yaml

ProLIF (Protein-Ligand Interaction Fingerprints)

  • MD trajectory 분석
  • 상호작용 자동 추출
from prolif import Fingerprint, Molecule
fp = Fingerprint(['Hydrophobic', 'HBDonor', 'HBAcceptor'])
fp.run(trajectory, protein, ligand)
df = fp.to_dataframe()

PLUMED-NEST

  • Enhanced sampling 레시피 저장소
  • Metadynamics, umbrella sampling

GetContacts (Ligand Interactions)

  • MD trajectory → 상호작용 분석
  • Flare plot 생성
get_dynamic_contacts.py --topology top.pdb \
                        --trajectory traj.dcd \
                        --output contacts.tsv

📈 시각화 & 분석

py3Dmol + NGLview

  • Jupyter 내 3D 시각화
import py3Dmol
view = py3Dmol.view(query='pdb:1ATP')
view.setStyle({'cartoon': {'color': 'spectrum'}})

ProLIF + Plotly

  • 인터랙션 timeline
import prolif as plf
fp = plf.Fingerprint()
fp.run(...)
plf.plot.barcode(fp.to_dataframe())

rdkit-utils (숨은 gem)

  • MCS (Maximum Common Substructure)
from rdkit.Chem import rdFMCS
mcs = rdFMCS.FindMCS([mol1, mol2, mol3],
                     timeout=10,
                     completeRingsOnly=True)

mols2grid

  • 분자 그리드 시각화 (Jupyter)
  • interactive filtering
import mols2grid
mols2grid.display(df, smiles_col='SMILES',
                  subset=['Name', 'MW', 'LogP'])

RDKit Molecule Drawing Options (숨은기능)

from rdkit.Chem.Draw import IPythonConsole
from rdkit.Chem import Draw
IPythonConsole.drawOptions.addAtomIndices = True
IPythonConsole.drawOptions.addStereoAnnotation = True

🔍 패턴 & 특허 분석

SureChEMBL + RDKit Cartridge

  • 로컬 특허 화학구조 DB 구축
CREATE INDEX molidx ON surechembl USING gist(mol);
SELECT * FROM surechembl WHERE mol @> 'c1ccccc1'::qmol;

PatCID Bulk Download

wget ftp://ftp.ncbi.nlm.nih.gov/pubchem/Compound/Extras/CID-Patent.gz

Google Patents Public Datasets (BigQuery)

  • SQL로 특허 쿼리
  • 화학 분류코드 필터링
SELECT * FROM `patents-public-data.patents.publications`
WHERE application_number LIKE '%/2023%'
AND cpc_code LIKE 'A61K%'

Espacenet OPS API

  • 유럽 특허청 API
  • 화학식, 서열 검색

🗄️ Database 로컬 구축

PostgreSQL + RDKit Cartridge

CREATE EXTENSION rdkit;
CREATE TABLE molecules (
    id SERIAL PRIMARY KEY,
    smiles TEXT,
    mol MOL
);

CREATE INDEX molidx ON molecules USING gist(mol);

-- Substructure search
SELECT * FROM molecules WHERE mol @> 'c1ccccc1'::qmol;

-- Similarity search
SELECT id, smiles, tanimoto_sml(mol, 'CCO'::mol) AS similarity
FROM molecules
WHERE mol % 'CCO'::mol
ORDER BY similarity DESC
LIMIT 10;

MongoDB for Flexible Schema

from pymongo import MongoClient
client = MongoClient()
db = client.drugdiscovery

# Insert with flexible schema
db.compounds.insert_many([
    {"smiles": "CCO", "properties": {"MW": 46}, "assays": [...]},
    {"smiles": "c1ccccc1", "metadata": {...}}
])

# Index for fast queries
db.compounds.create_index([("properties.MW", 1)])

DuckDB for Analytics (초고속)

import duckdb
con = duckdb.connect('compounds.db')

# Parquet 지원 (압축률 좋음)
con.execute("COPY (SELECT * FROM chembl) TO 'chembl.parquet'")

# SQL aggregations 엄청 빠름
result = con.execute("""
    SELECT molecular_weight_bucket, COUNT(*)
    FROM compounds
    GROUP BY FLOOR(molecular_weight/100)*100 AS molecular_weight_bucket
""").fetchdf()

🧰 실전 Workflow 조합

Hit Discovery Pipeline

# 1. ZINC20에서 fragment library 다운
# 2. RDKit로 Lipinski 필터링
from rdkit import Chem
from rdkit.Chem import Descriptors

def lipinski_filter(smiles):
    mol = Chem.MolFromSmiles(smiles)
    mw = Descriptors.MolWt(mol)
    logp = Descriptors.MolLogP(mol)
    hbd = Descriptors.NumHDonors(mol)
    hba = Descriptors.NumHAcceptors(mol)
    return mw<=500 and logp<=5 and hbd<=5 and hba<=10

# 3. FPSim2로 similarity clustering
# 4. GNINA로 docking
# 5. ProLIF로 상호작용 분석

ADMET Prediction Ensemble

from admetlab import ADMETlab
from pkcsm import pkCSM
import numpy as np

def ensemble_admet(smiles):
    pred1 = ADMETlab().predict(smiles)
    pred2 = pkCSM().predict(smiles)
    # Ensemble averaging
    return np.mean([pred1, pred2], axis=0)

Patent Freedom-to-Operate Check

# 1. SureChEMBL로 유사 구조 검색
# 2. RDKit MCS로 공통 구조 추출
# 3. PatCID로 생물활성 확인
# 4. Espacenet으로 특허 상태 확인

🚀 Performance 최적화

Parallel Processing

from joblib import Parallel, delayed
from rdkit import Chem

def process_smiles(smi):
    mol = Chem.MolFromSmiles(smi)
    return Descriptors.MolWt(mol)

# 멀티코어 활용
results = Parallel(n_jobs=-1)(
    delayed(process_smiles)(smi) for smi in smiles_list
)

Dask for Big Data

import dask.dataframe as dd

# Pandas보다 100배 빠름 (큰 데이터셋)
df = dd.read_csv('chembl_30.csv')
filtered = df[df['molecular_weight'] < 500].compute()

Cython for Speed

# similarity.pyx
import numpy as np
cimport numpy as np

def tanimoto_cython(np.ndarray[np.uint8_t, ndim=1] fp1,
                    np.ndarray[np.uint8_t, ndim=1] fp2):
    cdef int c = np.sum(fp1 & fp2)
    cdef int a = np.sum(fp1)
    cdef int b = np.sum(fp2)
    return c / float(a + b - c)

📚 추가 자료

Awesome Lists (GitHub)

  • awesome-cheminformatics
  • awesome-drug-discovery
  • awesome-molecular-generation

Papers with Code (Drug Discovery)

  • 최신 논문 + 구현 코드
  • Leaderboards

RDKit Cookbook (비공식)

  • Greg Landrum의 숨은 예제들
  • https://github.com/rdkit/rdkit/wiki

댓글

댓글 쓰기

이 블로그의 인기 게시물

약물 발견 분야의 숨은 팁

 약물 발견 분야에서 일하시는 분께 딱 맞는 숨은 고수들의 툴들을 알려드리겠습니다: 데이터베이스 & 리소스 ChEMBL-RDF / UniChem API ChEMBL 쓰시겠지만, RDF 버전과 UniChem의 structure-based cross-referencing은 아는 사람이 적어요. 화합물 ID 매핑할 때 진짜 개꿀입니다. BindingDB의 hidden dataset Ki, Kd, IC50 데이터가 40만개 이상인데, 대부분 사람들은 웹 인터페이스만 써요. bulk download해서 로컬 PostgreSQL에 넣으면 속도가 10배 차이납니다. PubChem Protein Target 다들 화합물만 찾는데, protein-chemical interaction 네트워크 데이터가 엄청나요. BLAST 없이도 유사 타겟 찾기 가능. 계산화학 라이브러리 RDKit의 숨은 기능 rdkit.Chem.Descriptors3D - 3D descriptor 계산 (대부분 2D만 써요) rdkit.Chem.rdMolInterchange - JSON 직렬화가 pickle보다 빠름 rdkit.Chem.rdRGroupDecomposition - R-group 자동 분해, SAR 분석에 필수 datamol 라이브러리 RDKit wrapper인데 진짜 편해요. standardization, clustering 원라이너로 해결. molfeat 분자 feature 추출 통합 라이브러리. Morgan부터 transformer embedding까지 API 하나로. AI/ML 특화 TAPE (Tasks Assessing Protein Embeddings) 단백질 시퀀스 pretrained model들. ESM, ProtBERT보다 가벼운데 성능 비슷. TorchDrug graph neural network 약물 발견 특화. 논문 재현 코드 다 있음. DeepChem의 MolGAN 생성 모델인데 문...
자세한 내용 보기

WaterMap 관련 기술 - 최신 기술 동향 종합 보고서

🌊 WaterMap 관련 기술 - 최신 기술 동향 종합 보고서 1. 기술 개요 및 배경 단백질-리간드 결합에서 물 분자는 결합 친화도와 선택성에 결정적인 역할을 합니다. WaterMap은 분자 동역학(MD) 시뮬레이션과 통계 열역학을 결합하여 단백질 표면의 물 분자 열역학적 특성(엔트로피, 엔탈피, 자유 에너지)을 기술하는 계산 방법입니다. 2. 주요 경쟁 기술들 2.1 GIST (Grid Inhomogeneous Solvation Theory) GIST는 Inhomogeneous Solvation Theory(IST)를 3차원 그리드에 이산화하여 용매 구조 및 열역학을 연속적인 공간 함수로 표현하는 방법입니다. 기존 방법들이 고밀도 단일 수화 사이트에 제한되었던 것과 달리, 저밀도 영역까지 포함한 전체적인 정보를 제공합니다. 장점: 오픈소스로 AmberTools cpptraj에 구현 WaterMap보다 유연한 분석 가능 바인딩 전후 용매화 자유 에너지 변화 정량화 2.2 3D-RISM (3D Reference Interaction Site Model) 3D-RISM은 통계역학의 적분방정식 이론에 기반하며, 모든 용매화 열역학을 자연스럽게 재현합니다. 분자 시뮬레이션이나 연속체 모델과 달리 용매의 화학적 특성을 명시적으로 고려합니다. 최근 RISMiCal 패키지가 개발되어 GPU 가속을 통한 빠른 3D-RISM 계산이 가능해졌습니다. 특징: 시뮬레이션 없이 평형 용매 분포 획득 ADF/AMS 소프트웨어에 통합 수화 자유 에너지, 부분 몰 부피 등 직접 계산 2.3 SZMAP (OpenEye) SZMAP은 용매를 상관관계 없는 유체로 처리하며, 단일 프로브 접근 방식을 사용합니다. WaterFLAP, 3D-RISM, WaterMap과 함께 상업적으로 가장 많이 사용되는 도구 중 하나입니다. 2.4 SSTMap (오픈소스) SSTMap은 MD 궤적에서 구조 및 열역학적 물 특성을 매핑하는 소프트웨어 패키지로, HSA...
자세한 내용 보기

2025년 양자컴퓨팅 최신 기술 50선 종합 보고서

2025년 양자컴퓨팅 최신 기술 50선 종합 보고서 작성일 : 2025년 10월 31일 대상 : 약물 발견 AI 연구자 출처 : McKinsey, Nature, IBM, Google, Microsoft 등 최신 자료 📋 목차 양자 하드웨어 플랫폼 (15개) 양자 소프트웨어 및 프로그래밍 (10개) 양자 암호화 및 보안 (7개) 양자 센서 및 계측 (7개) 양자 통신 및 네트워크 (5개) 양자 알고리즘 및 응용 (12개) 1. 양자 하드웨어 플랫폼 1.1 Google Willow Chip 특징 : 105큐비트 초전도 양자칩 최초로 임계값 이하 오류율 달성 (2024년 12월) 큐비트 수 증가시 지수적 오류 감소 시연 Random Circuit Sampling 벤치마크에서 10^25년 걸릴 계산을 5분에 완료 장점 : ✅ 양자 오류 정정의 획기적 돌파구 ✅ 실용적 양자 컴퓨팅으로의 명확한 경로 제시 ✅ 빠른 게이트 속도 (~100ns) ✅ 높은 큐비트 충실도 단점 : ❌ 극저온 냉각 필요 (15mK) ❌ 높은 운영 및 유지보수 비용 ❌ 제한된 큐비트 연결성 (nearest-neighbor) ❌ 상용화까지 수년 소요 예상 활용 분야 : 🔬 재료 과학 (초전도체, 배터리 재료) 💊 약물 발견 (복잡한 분자 시뮬레이션) 🤖 머신러닝 최적화 🧬 단백질 접힘 예측 무료 여부 : 클라우드 접근 가능 (유료) 공개 여부 : 연구용 제한적 공개, Google Cloud 통해 접근 개발사 : Google Quantum AI 1.2 IBM Heron Processor & IBM Quantum System Two 특징 : 133큐비트 Heron R2 프로세서 모듈러 아키텍처로 16,632큐비트까지 확장 가능 5,000+ 게이트 파라메트릭 회로 실행 가능 2025년 Nighthawk (120큐비트 square lattice) 출시 예정 장점 : ✅ 우수한 회로 품질과 낮은 오류율 ✅ Qiskit 생태계...
자세한 내용 보기