분자 분해를 위한 방법 및 장치 document_id A220623042180

기존 의약품의 발명 과정과 제한점의 설명은 본 발명을 이해하는데 도움이 된다. 생물학적 건강상태를 다루거나 고치기 위한 신약개발은 보통 12년의 세월과 8억 달러가 들고 때론 15년 이상의 기간과 10억 달러가 드는 길고 돈이 많이 드는 과정이다. 이 과정은 스스로 약이나 약분자의 전조 역할을 하는 잠재적 화합물을 확인, 분석, 최적화하기 위해 습식 랩 테스트/실험, 다양한 생화학적, 세포기반의 분석, 동물 모델과 전산 툴 형태의 전산 모델링을 포함할 수도 있다. 약 발명과정의 목표는 잠재적 분자의 상호작용이나 결합을 통해 보통 생체고분자(biopolymer) 같은 유기체내의 한 개 혹은 그 이상의 생체분자(즉, 약의 '목표')의 기능에 영향을 미치는 화합물이나 리간드(즉, 바인더, 생체분자 )를 확인, 특징화하는 것이다. 여기서 생체고분자는 단백질, 핵산 (DNA 또는 RNA), 펩티드, 뉴클레오티드 배열 혹은 그것의 어떤 부분이나 조각 등의 하나 혹은 그 이상으로 구성되는 거대분자(macromolecule)를 지칭한다. 여기서 생체분자(biomolecule)는 합성의, 약의(medicinal), 약 같은(drug-like), 혹은 가공하지 않은 화합물, 혹은 그것의 어떤 부분이나 조각 등을 포함하지만 거기에 한정되지 않은, 무기든, 유기든 생체고분자, 탄수화물, 호르몬이거나 다른 분자 혹은 화합물 등의 하나 혹은 그 이상으로 이루어 지는 화학적 존재를 말한다. 목표분자는 환자의 질병이나 다른 장애의 치료를 돕기 위해 기능, 구조, 화학적 활동에 변화를 끼치기를 바라는 보통 질병 관련 목표 단백질이나 핵산이다. 그렇지 않으면, 목표는 약효가 돌면 전염성 미생물의 생존이나 활동에 영향을 끼칠 바이러스, 박테리아 혹은 기생충같이 질병을 일으키는 유기체에서 발견되는 생체분자이다. 또 다른 경우에, 그 목표는 암세포와 같이 결함이 있거나 해로운 세포인 생체분자이다. 아니면, 목표는 알레르기 반응이나 다른 바람직하지 않은 면역적, 생물학적 반응을 일으키는 항원이나 기타 환경 화학물질이다. 리간드는 일반적으로 효능, 낮은 독성, 세포막 침투성, 가용성, 화학적 / 신진대사의 안정성 등의 측면에서 약과 유사한 특성을 가진 작은 분자 약이나 화합물로 알려진 것이다. 그렇지 않으면, 리간드는 투여된 단백질 기반이나 펩티드 기반의 약이나 심지어는 완전한 단백질과 같이 효소를 가졌다. 아니면, 리간드는 목표 효소의 화학적 기질일 수 있다. 리간드는 목표에 묶여 있거나 사실상 단백질의 일부분이다. 예를들면 부수적 구조의 단백질 구성물, 활성부분을 포함하거나 그 부근의 단백질영역, 단백질4구조의 단백질 하위단위 등이 있다. 앞으로 세세하게 언급 되지 않으면, (잠재적)분자의 결합은 하나의 리간드와 하나의 목표를 나타낼 것이다. 리간드와 목표는 각각의 화학물질이며 목표가 일반적으로 효소를 가진 단백질(변종이든 이상 타입이든 )이라면 리간드는 화합물로 생각될 것이다. 목표로서 핵산(DNA/RNA)의 빈도는 유전자 치료와 병원성 미생물이 진보함에 따라 앞으로 수년간 증가할 것 같다는데 주의를 두자. 또한 "분자 콤플렉스"는 적당한 (종종 수성의) 환경에서 상호작용할 때 목표와 리간드 사이의 묶여있는 상태를 일컫는다. "잠재적인" 분자 콤플렉스는 비록 낮은 가능성이지만 묶여있는 상태를 일컫는다. 그래서 사실상 정상상태에서 형태를 유지할 수도 있고 그렇지 않을 수도 있다. 신약개발 과정은 자체로서 보통 네 가지의 서로 다른 하위과정을 포함한다: (1) 목표 확인; (2) 선도체 생성/ 최적화; (3) 임상전의 테스트; (4) 임상 실험과 승인. 목표확인은 질병 관련성을 갖는 한 가지 혹은 그 이상의 목표를 결정하는 것으로 보통 2년 반정도가 걸린다. 목표확인 단계의 결과는 유기체 안에서 목표분자의 존재나 활동이 병을 개시하고, 악화시키고, 공헌하는지 등의 어떤 효과를 낳는지, 치료나 처리 방법 등을 결정하는 것을 포함할 수 있다. 일부에서 목표를 위한 천연 바인더나 기질이 실험적 방법을 통하여 결정될 수 있다. 선도체 생성은 일반적으로 목표분자에 묶여, 활성화, 비활성화, 촉매작용이나 목표기능의 억제를 통해 목표의 효과를 바꾸는 화합물의 확인을 포함한다. 여기서 선도체는 약 응용 과정에서 사용될 적당한 후보 리간드로 보여질 수 있다. 선도체 최적화는 바라는 목표로의 접합 친화력을 증진시키고, 선택을 늘리며, 독성, 용해성, 신진대사 등의 기본적 이슈를 다루기 위해, 선도체 후보가 약의 전조가 되기 위한 화학적, 구조적 개선을 포함한다. 선도체 생성과 선도체 최적화가 함께 보통 3년이 소요되고, 앞으로 고려할만한 한 가지 혹은 그 이상의 화학적으로 구별되는 선도체를 얻을 수 있다. 임상전 실험에서는, 생화학 분석과 동물 모델이 약의 흡수, 분배, 신진대사, 배설, 독성, 부작용과 필수 투약 량과 관련하여 다양한 약물동력학 요인의 선택된 선도체를 시험하기 위해 사용된다. 이 임상전 실험은 약 1년이 걸린다. 임상전 실험기간을 거치면 임상 실험과 승인에 또6년에서 8년, 때론 더 많은 시간이 소요된다. 이 기간 동안 의약품 후보는 안전과 효능의 시험을 위해 인간을 대상으로 실험된다. 합리적 의약품 설계에서는 보통 효율적인 선도체 후보 제너레이션과 최적화 설계를 위한 기초로 약의 목표(구조기반의)와/혹은 천연 리간드(리간드 기반의)에 대한 구조적 정보를 사용한다. 구조기반의 합리적 의약품 설계는 일반적으로 목표의 구조에 3차원적 모델을 사용한다. 목표단백질이나 핵산에 있어 이런 구조들은 X레이 결정학 / NMR 이나 기타 측정과정의 결과이거나, 상동 모델링, 단백질모티프 분석, 보존된 영역, 그리고/혹은 단백질 폴딩이나 핵산 등가물의 전산모델링으로 나오는 결과이다. 모델로 구성된 구조는 예를 들면 GPCR(G protein-coupled receptor) 과 이온 체널등 수 많은 세포막에 관련된 목표 단백질을 고려해 볼 때에 흔히 가능한 모든 것이다. 리간드의 구조는 유사한 방법으로 생성될 수 있거나 또는 리간드가 생물학적 중합체가 아닌 경우에 기조적인 물리학과 화학의 원리를 이용한 이미 알려진 2차원적인 화학적 표기 방식으로부터 처음부터 구성될 수도 있을 것이다. 합리적인 약품 디자인은 목표 리간드 분자 상화작용과 선도체 최적화와의 결합에 관한 컴퓨터를 이용한 모델링에서부터, 얻고자 하는 약과 유사한 생물학적 특성의 컴퓨터를 이용한 예측에 이르기까지의 범위에서 여러가지 컴퓨터상의 요소를 이용하는 것을 통합할 수 있을 것이다. 합리적인 약품 디자인과 관련하여 컴퓨터 모델링의 이용은 때로는 생물학 시험실의 이른바 습식(wet) 실험과 그와 유사한 일에 시간과 경비를 낭비하는 것을 피함으로써 소요되는 기간을 줄이고 약품 연구와 개발의 초점과 효과를 개선하려는 바람이 널리 퍼졌다. 선도체 생성과 관련하여 목표 리간드 분자 결합의 컴퓨터 모델링은 화합물 목록을 컴퓨터상으로 걸러내는 방대한 작업 (즉 라이브러리 스크리닝) 을 포함할 수도 있다. 그 목록은 가상으로 생성될 수도 있고 한 개 또는 그 이상의 화합물 구조 데이터베이스로 저장되었거나 또는 화합물 화학과 유기합성을 통하여서, 의도하는 목표 분자에 관한 생체활동 (혹은 그와 유사한 방법)을 컴퓨터상으로 예측하는 것에 근거하여 선정된 리간드의 부분 집단을 컴퓨터의 방법을 이용하여 순위를 배열함으로써 구성된 것일 수도 있다. 본문에서 "결합 모드"라는 용어는 결합상태나 또는 결합에너지의 최소한 근접한 (즉 결합 친화력이 최대한인) 상태에 있는 잠재적인 분자 복합체의 3차원 분자구조를 참조하는 것이며 여기서 "결합 에너지"(때로는 "결합 자유 에너지"란 말로 바꾸어 쓸 수도 있고 또는 개념상 정반대되는 "결합 친화력"이란 말로도 바꾸어 쓸 수 있는)라는 용어는 분자 시스템에 있어서 잠재적인 분자 복합체를 형성할 때에 즉 리간드와 목표가 결합되지 않은 상태에서 (잠재적으로) 결합된 상태로 전환할 때의 자유 에너지의 변화를 참조하는 것이다. 결합 친화력은 약을 발명하고 합리적인 약품 디자인을 하는 데에 직접적인 관심사이다. 왜냐하면 생물학적인 과정 또는 효소 접촉반응의 한 부분인 단백질과 생물학적인 과정 혹은 효소 접촉반응의 수정을 목표로 추구하는 약품 후보자 같은 그러한 두 개의 분자의 상호작용은 종종 약품 후보가 그의 목적에 얼마나 쓸모가 있는지를 보여주는 데에 도움이 되기 때문이다. 더 나아가서 결합 모드가 결정될 수 있으면 목표에 대한 약의 작용을 더 잘 이해할 수 있다. 그러한 이해는 예를 들면 리간드의 하나나 또는 그 이상의 특성을 좀 더 수정하여 그의 효력( 목표에 관련된), 결합 특이성 (기타 목표 생체폴리머와 관련한) 또는 기타 화학적 및 신진대사상의 특성을 개선하게 되는 경우에는 유용할 수도 있는 것이다. 목표 분자와 리간드 간의 친화력을 측정하거나 예상하기위한 여러가지 실험실의 방법이 있다. 종종 목표가 먼저 분리되고 그런 다음 리간드와 시험관 속에서 혼합되어 고도의 영상과 결합되어 무수한 생화학적 및 기능적인 실험에서와 같이 그렇게 분자 상호작용이 실험적으로 평가된다. 그렇지만 그러한 방법은 목표를 분리하는 것이 간단하고 리간드가 만들기 간단하고 그리고 분자 상호작용이 쉽게 측정될 수 있을 때에는 가장 쓸모가 있지만 그러나 목표가 쉽사리 분리될 수 없고, 분리작업이 생물학적인 과정이나 질병의 효소 접촉반응과 간섭이 일어나거나, 리간드가 충분한 량으로 합성하기가 어렵거나 또는 특정한 목표나 리간드가 제대로 앞서서 특성을 나타내지 못하는 때에는 더욱 문제가 많게된다. 후자의 경우에는 목표와 리간드와의 모든 가능한 결합에 대하여 수 천 또는 수 백만 번의 실험이 필요할 수도 있으며 그 실험 방법을 이용하는 것이 실현 불가능 하게 된다. 한편 이러한 병목현상을 해결하기 위한 여러 번의 시도가 맨 먼저는 목표 (또는 단백질 계와 같은 그러한 관련된 목표에 까지)에 관하여 다양한 화학적 및 생물학적인 특성에 관한 특수한 지식을 이용하여 이루어졌으며 실험과정에서 요구되는 결합의 숫자를 줄이기 위하여 한 개나 그 이상의 이미 알려진 목표에 대한 자연적인 결합자나 효소의 작용을 받는 물질에 관한 지식도 이용하였지만 이런 것은 아직도 실용적이지 못 하였으며 대부분의 경우 너무 경비가 드는 것이었다. 실제로 실험실에서 결합 분자를 설정하고 실험결과를 측정하는 대신에 다른 한가지 접근 방법은 컴퓨터를 이용하여 두 개 또는 그 이상의 분자들 간의 (즉 컴퓨터 상으로 분자결합 모델화된) 상호작용을 시뮬레이션하고 특성화하는 것이다. 분자결합과 상호작용을 평가하기 위하여 컴퓨터의 방법을 이용하는 것은 구조 기반이든, 리간드 기반이든 또는 양자 모두이든 간에 보통 한 가지나 또는 그 이상의 합리적인 약품 다자인과 단계와 관련되어 있다. 주어진 목표-리간드 쌍에 대한 가능한 분자 결합의 본성 과 또는 그 가능성을 컴퓨터상으로 모델링 할 때에 결합 모드와 친화성을 실제 컴퓨터상으로 예측하는 것은 통례상 두 부분으로 수행된다: (a) "독킹(docking)" 컴퓨터 시스템이 리간드와 목표의 선택적인 결합 모드를 예측하려고 하는 부분과 (b) "스코어링(scoring)" 컴퓨터 시스템이 컴퓨터로 결합한 모드와 관련하여 결합 친화력 평가를 정밀하게 하려고 하는 부분이 그것이다. 목록을 걸러내는 과정에서도 스코어링은 목표 분자에 대한 어느 한 리간드 대 다른 리간드의 상대적인 결합 친화력을 예측하는 데에 이용될 수도 있으며 그리하여 리간드들을 우선 순위로 정열하고 결합 가능성을 지정한다. 도킹은 본질적으로 결정론 적이든 확률추정적이건 간에 바람직한 친화력을 가진 한 개 또는 그 이상의 시스템 포즈(pose)를 찾아보려는 의도를 가지고 탐색하거나 기능을 최적화하는 알고리슴을 포함하고 있다. 스코어링은 한 가지 친화력 기능을 좀 더 정밀하게 평가하는 과정을 포함할 수가 있는데 ,이 경우에 친화력은 한 개 또는 그 이상의 분자역학 기반의, 양자 역학 기반의 또는 지식기반 의 즉 스코어링 함수 수식을 결합하여 나타내게 된다. 각각의 스코어링 함수들은 그들 자체가 각종 수식을 이용한 보다 견고한 총체적 일치 스코어링 체계를 형성하는 데에 결부되어 있을 수도 있다. 실제로 오늘날 컴퓨터를 이용한 약품 다자인과 관련하여 여러 가지 상이한 독킹 전략과 스코어링 체계가 채택되고 있다. 어떠한 컴퓨터를 이요한 방법을 선택하던지 간에 분자 모델들과 고유한 숫자 알고리슴 양자의 컴퓨터사의 복잡성과 각 각의 분자 결합을 처리하기 위하여 배정되어야만 하는 컴퓨터 자원 (시간, CPU의 개수, 시뮬레이션의 숫자) 의 량 사이에는 속성상 어쩔 수 없는 타협이 있게 마련이다. 예를 들자면 개방된 물 분자로 둘러싸인 두 개의 분자의 고도로 지능화된 분자역학 시뮬레이션(MD)은 몇 조 번이 넘는 단계로 전개시키면 가능한 분자 결합 모델링에서 비교적 높은 정확도에 이를 수 있지만 그 결과로 생기는 컴퓨터 비용 (즉 시간과 컴퓨터 전력) 은 너무나도 엄청나서 그러한 시뮬레이션은 아주 적은 분자결합 이외로는 이용하기가 어려운 것이다. 그 반면에 분자 상호작용을 표현하는 비교적 원시적인 모델을 다중의 때로는 오류가 있는 모델링 지름길과 대략 추측과 결합하여 사용하면 비교적 받아드릴 만한 컴퓨팅 비용에 결과를 얻을 수 있지만 그러나 모델링의 정확성과 예측 능력의 면에서 언제나 상당한 품질이 저하된 실행을 초래한다. 지금으로서는 어느 한 목표 단백질에 대한 약품 후보의 목록을 점검하는 과정 조차도 현재의 컴퓨터 시스템을 사용해서는 필요한 정확성을 기하는 데에 너무나 오랜 시간이 걸린다. 정확성과 신속성 사이의 트레이드 오프는 합리적 의약품 디자인에서의 다른 전산 단계에 존재한다. 예를 들어, 거대 가상 라이브러리은 정확하면서도 빠르게 신속한 가상의 스크리닝을 위해 유사한 분자들끼리 분류되어져야 한다. 또 다른 예로, 선도체의 정화는 선도체 생성 단계에 있는 비슷한 분자를 찾기 위해 분자 라이브러리를 정확하고 빠르게 찾는 것이 필요하다. 라이브러리 스크리닝과 검색을 위한 현 기술은 매우 부정확하고 비효율적이어서 합리적 의약품 발명 솔루션의 부분으로서 적절치 않다. 본 발명은 보통 다양한 시나리오 안에서 효율적인 분자 프로세싱을 가능하게하는 방식으로 분자 표현체(representation)를 산출하는 방법을 제공하는 것에 관여한다. 합리적 의약품 설계와 발명에 관련된 거의 모든 전산 과정은 -라이브러리 구축, 분자 매칭, 라이브러리 검색, 도킹, 평가 -이 방법으로부터 혜택을 받을 수 있다. 분자 표현체의 프로세싱은 결합력을 순환시키기, 결합력을 연장시키거나 수축시키기, 원자그룹을 순환 시키기 등으로 분자구조나 분자 일부를 변형시키는 것을 의미할 수 있다. 이것은 또한 분자나 분자의 일부 사이의 친화력 기능을 계산하는 것을 포함하기도 한다. 잠재적 투입의 다양성-각기 다른 규모와 구조를 가진 수천만의 분자-과 분자 프로세싱의 다양한 종류 때문에, 전산시스템 자원에 대한 수요는 광범위하게 달라진다. 예를 들어, 같은 목표에 대해 더 작은 분자의 결속 친화력을 계산하는 것이 큰 분자보다 일반적으로 전산자원이 적게 든다. 또 다른 예로, 보통 큰 분자보다 작은 분자의 공간적 변형을 계산하는 것이 전산상 돈이 덜 든다. 일반 마이크로프로세서를 실행하는 소프트웨어든 특별히 제작된 하드웨어든 간에 전산비용이 가변적인 작업은 비효율적인 경향이 있다고 전문가들은 이해하고 있다. 소프트웨어로 실행할 때, 전산비용의 불확실성은 코드(code)와 자료 집약성(locality)에서 수행능력이 떨어질 수 있으며 불확실한 메모리 접근성(예를 들어, 페이지 틀림(page fault))이 일어나고 소프트웨어가 최적화되는 정도의 제한이 일어나 소프트웨어의 응용력을 크게 제한할 수 있다. 전산비용이 가변적인 작업이 특별히 고안된 하드웨어에서 실행될 때,디자인 프로세스를 장기화, 고비용화 시키면서 하드웨어 디자인의 복잡성을 크게 증가시킨다. 그리고 최종 디자인은 일정한 비용이 드는 작업에는 덜 효율적인 경향이 있다. 따라서 전산비용이 가변적인 작업은 한 가지나 그 이상의 일정한 비용이 드는 작업 콜렉션으로 실행하는 것이 유리하다. 도표. 1은 일반 프로세싱 시스템100의 예를 보여준다. 이 것은 프로세싱 엔진101, 102, 103, 104 시리즈로 구성된다. 각 프로세싱 엔진의 산출은 다음의 프로세싱 엔진의 투입이 된다. 첫 번째 엔진101의 투입110은 데이터베이스 서버, 파일서버, 또 시스템 보드에서 저장고(storage)가 될 수 있는 투입블록으로부터 온다. 이것은. 최종 엔진104의 산출은 데이터베이스 서버, 프로세서 저장고, 또 시스템보드에서 저장고가 되는 산출블록 120으로 간다. 이런 엔진100시리즈는 파이프라인으로 알려져 있다. 투입으로부터 산출을 생산하는 파이프라인 단계에서의 소요시간은 파이프라인 단계구간(혹은, 단계 구간)로 정의된다. 파이프라인 단계로의 투입은 단계구간의 시작에서 읽힌다; 투입 데이터는 그 전에는 안되지만 한번 단계 구간이 시작되면 읽힐 수가 있도록 되어있다. 파이프라인 단계에서의 산출은 그 전은 안되고 단계 구간이 끝이 난 후에야 읽히도록 되어있다. 각 프로세싱 엔진의 단계구간이 정확히 같은 지속시간을 갖으면, 예를 들어 각 단계가 일정한 비용이 드는 작업을 수행한다면, 프로세싱 엔진101, 102, 103, 104는 쉴새 없이 돌아간다는 것이 분명하다. 특정 프로세싱 엔진이 투입으로부터 산출을 생산하자 마자 다음 투입은 프로세싱 하는데 사용된다. 쉴새 없이 엔진은 다음 투입을 기다리고 있다. 하나나 그 이상의 엔진이 파이프라인에서 산출하는데 다른 엔진보다 시간이 많이 소요되면, 엔진의 일부가 일정 시간을 쉬게 되어 프로세싱 엔진은 100%아래의 활용을 하게 된다. 프로세서 엔진 활용은 더 빠른 엔진이 느린 엔진이 잡아먹는 시간을 따라잡도록 하여 향상될 수 있다. 한 예로, 각 엔진101, 103, 104의 단계구간 은 10 개의 주기로 되어있으며, 102의 단계구간은 20개의 주기이다. 여기서 주기(cycle)는 컴퓨터가 인식한 시간의 기본적 기간으로 일반적으로 시스템 클록이 결정한다. 예로, 엔진 101, 103, 104 는 매 20주기마다 10주기씩 쉬어 파이프라인에서 4개중 3개가 50%의 활용률만 보인다. 한 예로, 102단계구간을 15주기로 감소시키면 엔진101, 103, 104의 활용률을 66.7%로 향상시킨다. 또 다른 예로, 102단계구간을 10주기로 감소시키면 101, 103, 104의 활용률을 100%로 개선시킨다. 102 단계구간을 5주기로 더 감소시키는 것은 101, 103, 104의 활용률을100%로 향상시키지만 102의 활용률은 50%로 떨어지게 된다. 그래서 파이프라인에서의 엔진의 활용률은 엔진과 투입데이터를 디자인함으로써 향상될 수 있다. 따라서 가능하다면 각 단계 구간은 같은 지속기간을 유지할 수 있다. 최대 엔진 활용은 모든 엔진의 단계 구간이 같은 지속기간을 유지할 때 나타난다. 한 통합체(embodiment)에서, 투입 데이터를 작은 부분으로 구획하는 것은 엔진의 단계 구간을 줄일 수 있다. 투입을 구획하여 효율을 높일 수 있는데 그러면 엔진이 각 구획에 거의 같은 시간을 쓰게 된다. 파이프라인의 한 통합체에서, 엔진이 정확하게 같은 시간을 각 구획에 소모하게 함으로써 파이프라인을 최대한 효율적으로 만드는 것이 바람직할 것이다. 단계 구간을 짧게 하는 또 다른 방법은 더 많은 전산 단위(unit)를 파이프라인 단계에 투입시켜 같은 양의 전산 일을 시키는 것이다. 파이프라인은 또한 다른 단계들보다 빠른 단계의 단계구간 지속기간을 늘려서 효율성을 증대시킬 수 있다. 단계구간지속을 늘리는 방법은 더 적은 수의 전산 단위(unit)를 투입시켜 같은 양의 전산 일을 시키는 것이다. 또 다른 방법은 엔진을 한 동안 놀리는 것이다. 다양한 종류의 잠재적 투입을 상기시켜라 -예를 들어, 수천만의 다른 규모와 구조를 가진 분자는- 전산시스템에 대한 변화하는 수요를 만들어낼 수 있다. 시스템에 대한 수요는 저장고의 변화하는 양과 투입데이터의 전송 대역폭(transmission bandwidth)을 포함한다. 예를 들어, 만약 시스템이 분자를 전체로 처리하면, 더 큰 분자는 작은 분자보다 프로세서의 더 큰 저장고를 필요로 할 것이다. 따라서 가장 다양한 분자를 처리하기 위해서 프로세서는 투입분자의 상당량이 가장 큰 분자보다 많이 작을지라도 가장 큰 분자와 관련한 데이터를 저장해야만 한다. 확실히, 가장 큰 분자를 담을 저장고를 디자인하는 것은 비효율적이고 낭비적이다. 저장과 전송 대역폭의 필수요건은 투입분자데이터를 작은 부분으로 구획하여 줄일 수 있어서 각 부분은 파이프라인 방식으로 처리된다. 이런 경우, 우리는 언제든 전체 분자를 전송, 저장할 필요 없이 파이프라인이 처리하는 분자데이터의 작은 부분들만을 전송하고 저장하면 된다. 덧붙여서, 엔진이 처리할 수 있는 분자의 규모는 더 이상 프로세서나 시스템보드의 저장고 규모에 따르지 않는다. 프로세싱 엔진은 작던 크던 작게 구획될 수만 있다면 어떤 규모의 분자도 처리할 수 있다. 우리는 어떻게 파이프라인된 프로세싱이 데이터를 작게 구획하여 이루어지는지 논의했다. 파이프라인 실행 자체는 구획의 규모에 제한을 둔다. 만약 구획의 규모가 매우 작다면 원하는 전산작업을 수행하기 위해서 많은 수의 파이프라인 단계가 필요하다는 것은 전문가들이 인정하는 바다. 각 단계는 매우 적은 양의 데이터를 처리하기 때문에 각 파이프라인 단계의 단계구간은 매우 짧아질 것이다. 그렇지만 증가한 파이프라인 단계의 숫자는 파이프라인의 더 복잡해진 디자인을 암시한다. 파이프라인이 더 복잡다단해지는 것에는 다양한 이유를 들 수 있다. 예를 들어 파이프라인 단계 사이의 증가한 경로와, 파이프라인 단계 사이의 증가한 저장고의 양 등이 있다. 복잡성의 증가는 보통 더 비용이 들고 길어진 디자인 주기, 그에 따른 더 값비싸진 제품으로 나타난다.. 이 특허에서 설명된 발명은 분자의 표현체(representation of a molecule) 같이 투입을 구획하여 각 구획이 시스템의 전산수요를 거의 같게 만드는 방법을 제공함으로써 분자 처리의 전산의 효율성을 증가시킨다. 한 예로, 전산수요는 프로세서 안이나 밖의 저장의 양으로써 측정할 수 있다. 또 다른 예로, 전산 수요는 하나 혹은 그 이상의 프로세서로 데이터를 옮기거나 받는데 필요한 대역폭의 양으로 측정할 수 있다. 또 한 예로, 전산 수요는 전산단위의 숫자로 측정할 수 있다. 이것은 반대로 프로세서상의 게이트의 수와 경로 필수요건, 계산블록(compute block) 규모 등으로 측정할 수 있다. 현재 리간드-목표 도킹 전산방법은 특정 도킹방법을 위해 고안된 디지털 분자 표현체를 사용한다. 예로, 플렉스X(FlexX)는 증가적으로(incrementally) 도킹하는 분자의 조각으로 잠재적 의약품 분자의 결합방식을 산출한다. 플렉스X(FlexX)는 유연한 분자에서 모든 결합을 끊어서 스스로 단단한 조각을 만든다. 플렉스X(FlexX)와 비슷하고 분자조각을 활용하는 또 다른 전산 도킹방법은 배치-결합(place-and-join) 방법 [22]이다. 이 방법에 사용되는 분자조각은 두 개의 인접하고 유연한 결합이 한 원자수준에서 깨져서 건축된다. 조각들은 증가적으로 '배치(placed)'되고 분자의 결합방식을 재건하려는 목적으로 깨진 지점에서 '결합(joined)'한다. 증가적 도킹방법은 전산 자원에 대해서 거의 동일한 수요를 만들지 못하는 조각들을 생산하기 때문에 파이프라인된 실행에 의지하는 도킹 실행에는 적합하지 못하다. 일부 분자 표현체의 설계는 특정 전산의 속도를 높이려는 필요성 보다 물리적 화학적 특성에 영향을 받는다. RECAP 은 일련의 화학규칙[58]에 근거해 분자들을 구획한다. RECAP 규칙은 화학적으로 합성될 수 있는 조각들을 생산하려 한다. 이 규칙은 결과로 나온 조각들의 경직성이나 유연성에 좌우되지 않는다. RECAP 규칙은 또한 효율적인 분자 처리전산을 촉진하기 위한 것이 아니라 결합하는 의약품 설계와 합성을 위한 안내를 제공하는데 있다. 이번 발명은 분자를 작은 부분으로 구획하여 전체 분자보다 효율적으로 저장되고, 전송되고 그렇지 않으면 특별히 고안된 하드웨어에 처리될 수 있도록 한다. 그 구획된 표현체는 분자구조와 분자에 수행될 프로세싱, 그리고 파이프라인의 설계를 고려하여 건축된다. 바람직한 통합체에서, 우선 분자의 그래프 표현체가 건축된다. 그 그래프 표현체는 먼저 불변의 연결제거 오퍼레이터(link removal operator) 를 사용하여 구획되고 특정 구획 기준을 만족시키는 하위그래프를 생산한다. 하나나 그 이상의 하위 그래프가 구획이 더 필요하다면, 마디부를 쪼개는 오퍼레이터(node-cleaving operator)가 적용되어 구획기준을 만족시키는 하위그래프가 더 생산된다. 마지막으로, 어떤 하위 그래프가 여전히 구획을 필요로 하면, 불변의 연결뿐이 아닌 모든 종류의 연결이 제거되어, 결과의 하위그래프가 마지막 기준을 만족시킬 때까지 마디부는 쪼개진다. 그래프 구획은 더 작은 부분으로 구획되어져 전체 분자들보다 저장, 전송, 처리가 훨씬 용이해진다. 효율성의 증가는 합리적인 의약품 발명이나 가상 라이브러리 설계처럼 복잡한 분자 처리를 요구하는 애플리케이션과 설계를 가능하게 한다. 발명의 개요 본 발명은 분자 표현체를 작은 부분으로 구획하여 분자를 더 빠르고 효율적으로 저장하고 전송하고 처리를 돕는 방법이다. 이 방법은 원자들 사이의 결합과 원자를 포함하는 분자 표현체를 제공하는 것을 포함한다. 이 분자 표현체는 분자구조와 분자의 하위집단이 분자과정의 일부분으로 겪을 변형에 근거해 하나 이상의 부분으로 구획된다. 이 구획 과정은 또한 구획에 사용될 도구 때문에 제한 점을 고려에 넣는다. 본 발명은 분자 처리에 있어 매우 유용하다. 구획된 분자의 하위집단은 분자의 변형, 결합 기능, 신 변형 제너레이션, 분자의 유사성 등을 효율적으로 계산하는데 사용된다. 이런 계산의 효율성 증가는 가상 스크리닝 같이 복잡한 분자 처리 애플리케이션을 가능하도록 해준다. 본 발명의 기타 특징과 이점은 세부설명과 우선하는 통합체(a preferred embodiment)의 관점에서 명백히 나올 것이다.