전산독성학 (In Silico Toxicology)
한 줄 정의: 컴퓨터 모델과 통계·인공지능 기법을 이용하여 화학물질의 독성을 실험 없이 예측하는 독성평가 방법입니다.
쉽게 풀면
모든 화학물질을 일일이 동물이나 세포로 실험하기에는 시간과 비용이 너무 많이 듭니다. 전산독성학은 이미 알려진 물질들의 구조와 독성 데이터를 컴퓨터로 학습시켜, 새로운 물질의 구조만 보고도 독성 가능성을 미리 예측하는 방법입니다. 마치 과거 사례를 바탕으로 위험도를 추정하는 것과 비슷합니다. QSAR(정량적 구조-활성 관계) 모델이 대표적인 예입니다.
왜 중요한가
신약이나 신소재 개발 초기 단계에서 위험성이 높은 후보물질을 빠르게 걸러낼 수 있어 시간과 비용을 크게 절감할 수 있습니다. 또한 동물실험을 줄이는 대체시험법으로서 규제기관에서도 보조적 근거자료로 점차 활용도가 높아지고 있습니다.
논문에서는 이렇게 쓰입니다
"본 연구는 in silico toxicology 기법을 활용하여 후보물질의 간독성 가능성을 사전에 스크리닝하였다."
실험 전에 컴퓨터 예측으로 위험 물질을 미리 걸러냈다는 의미입니다.
"QSAR 기반 in silico toxicology 모델의 예측 정확도를 기존 in vivo 자료와 비교 검증하였다."
컴퓨터 예측 모델의 신뢰도를 실제 동물실험 자료와 비교했다는 뜻입니다.
조금 더 깊게 보면
전산독성학에는 구조-활성 관계를 이용한 QSAR 모델, 알려진 독성 경고구조를 찾는 구조경보(structural alert) 분석, 기존 데이터베이스에서 유사물질을 찾아 결과를 유추하는 read-across 기법 등이 포함됩니다. 최근에는 머신러닝과 딥러닝 기법을 접목한 예측 모델 연구도 활발히 이루어지고 있습니다.
주의할 점
예측 모델은 학습에 사용된 데이터의 범위와 품질에 크게 의존하므로, 새로운 구조의 물질에 대해서는 예측 신뢰도가 떨어질 수 있습니다. 따라서 최종 판단은 실험적 근거와 함께 종합적으로 이루어져야 합니다.