연구 도구 사용법과 나두바이오 서비스 소식을 전합니다.
같은 인실리코 플랫폼이라도 연구자가 맡길 수 있는 일은 다릅니다. 국내외 13개 사례를 계산 도구, AI 설계, 실행 환경, 공동연구의 관점에서 살펴봅니다.
약을 만드는 연구에 왜 컴퓨터과학이 필요할까요? 실험할 후보를 고르는 과정에서 생물학·데이터·계산이 만나는 이유를 설명하고, 실제 도구 검증 사례로 협업의 의미를 살펴봅니다.
UniProt은 단백질의 서열과 기능 정보를 모은 데이터베이스입니다. 같은 이름의 단백질이 여러 기록으로 나뉘는 이유와 Swiss-Prot·TrEMBL의 차이를 풀어봅니다.
PDB의 리본 그림은 실험으로 알아낸 원자의 위치를 표현한 것입니다. 구조를 얻은 방법, 그림에서 빠진 구간, 함께 있는 분자를 알면 그림에 담긴 정보가 더 분명해집니다.
AlphaFold DB의 구조는 왜 여러 색으로 표시될까요? 부위별 모양의 신뢰도인 pLDDT와 상대 배치의 불확실성을 나타내는 PAE를 구분해 설명합니다.
PubChem에서는 하나의 화합물에 여러 기관의 기록과 수치가 연결됩니다. SID와 CID의 차이를 알면 물질의 구조와 정보의 출처를 나누어 읽기 쉬워집니다.
실험값 10과 100 중 어느 쪽이 더 좋을까요? ChEMBL의 실험 기록을 바탕으로 IC50와 Kd의 차이, 농도 단위, 시험 조건이 숫자의 의미를 어떻게 바꾸는지 설명합니다.
Open Targets는 질병과 표적의 관계를 뒷받침하는 연구를 모아 보여 줍니다. 유전학·발현·약물 근거가 각각 무엇을 알려 주는지, 연관 점수는 어떻게 읽는지 알아봅니다.
구조 예측 모델은 왜 GPU를 쓰는지, 입력 크기에 따라 GPU 메모리가 얼마나 달라지는지, 그리고 나두바이오에서 작업 한 건이 계획부터 결과까지 어떤 과정을 거치는지 실측값과 함께 설명합니다.
Claude Code나 Codex 같은 AI 에이전트에 나두바이오를 연결하면, 구조 예측 같은 연구 도구를 대화로 준비하고 사람이 검토한 계획대로 실행할 수 있습니다. 왜 이런 연결이 필요한지와 설정 순서를 정리했습니다.