생명과 의학

단백질 접힘과 동역학

단백질을 수만 개의 원자로 보고, 물속에서 흔들리고, 접히고, 모양이 바뀌는 모습을 봐요.

답하는 질문: 이 아미노산 사슬은 어떻게 접혀서 기능하는 3차원 구조가 될까요?

빠진 것: 긴 실행도 많아야 마이크로초를 다루는데, 이는 실제 접힘 시간의 상당수에 한참 못 미쳐요.

돌아가는 곳: 약 10¹⁶ FLOPS 대략 마이크로초 분량의 전원자 동역학을 돌리는 GPU 클러스터처음 등장: 1977 맥캐먼, 줄랭, 카플러스의 최초의 단백질 동역학 시뮬레이션시뮬레이션 트리에서: 단백질 동역학

분자 도킹과 약물 결합

표적 단백질의 포켓에 넣어 본 후보 약물 분자.

답하는 질문: 분자 백만 개 가운데 어느 것이 이 표적에 달라붙을까?

빠진 것: 도킹 점수는 근사치이고, 예측된 결합체 대부분은 실험실에서 통하지 않아요.

돌아가는 곳: 약 10¹⁵ FLOPS 대략 후보 분자 수백만 개를 도킹하는 대학 클러스터처음 등장: 1982 Kuntz와 동료들의 DOCK, 최초의 자동 분자 도킹 프로그램

막과 이온 통로

세포의 지방질 피부와, 그곳으로 이온을 통과시키는 단백질 문.

답하는 질문: 신경 세포는 이온 통로를 어떻게 열고 닫을까요?

빠진 것: 실제 통로는 몇 밀리초에 걸쳐 열고 닫히는데, 이는 대부분의 시뮬레이션이 닿는 시간보다 훨씬 길어요.

돌아가는 곳: 약 10¹⁶ FLOPS 대략 지질 이중층과 그 채널을 시뮬레이션하는 GPU 클러스터처음 등장: 1982 판 데르 플뢰흐와 베렌센의 지질 이중층 동역학

바이러스 입자 전체

바이러스 껍질의 원자를, 때로는 1억 개 전부를, 한꺼번에 시뮬레이션해요.

답하는 질문: 바이러스는 어떻게 형태를 유지하고, 세포 안에서 어떻게 풀어질까요?

빠진 것: 실행은 나노초에서 마이크로초에 걸쳐 있어서, 실제 감염 주기에는 한참 못 미쳐요.

돌아가는 곳: 약 10¹⁷ FLOPS 대략 1억 개 원자 규모의 껍질을 시뮬레이션하는 국가 슈퍼컴퓨터처음 등장: 2006 Freddolino와 Schulten의 위성 담배 모자이크 바이러스 시뮬레이션

RNA 접힘과 구조

RNA 가닥이 스스로 짝을 짓는 염기의 사슬로, DNA의 곧은 이중 나선이 아니라 특정한 3차원 모양으로 접혀요.

답하는 질문: RNA 가닥은 어떻게 촉매나 조절 스위치로 작동하는 모양으로 자리 잡을까요?

빠진 것: 예측된 구조는 실험적 보정이 필요한 경우가 많고, 기능이 모양에서 저절로 따라 나오지는 않아요.

돌아가는 곳: 약 10¹² FLOPS 대략 자유 에너지 접힘 소프트웨어를 돌리는 데스크톱 워크스테이션처음 등장: 1981 주커와 스티글러의 최소 자유 에너지 RNA 접힘 알고리즘

효소 촉매

효소의 활성 부위와 기질, 주변 단백질을 모델링해요. 결합이 끊어지는 곳은 양자역학으로, 나머지는 고전역학으로 계산해요.

답하는 질문: 이 효소는 어떻게 반응 속도를 10억 배나 높일까요?

빠진 것: 단백질의 작은 부분에만 비싼 양자 처리를 하고, 그 선을 어디에 그을지는 모델링 선택이에요.

돌아가는 곳: 약 10¹⁵ FLOPS 대략 양자 계산과 고전 계산을 함께 돌리는 대학 클러스터처음 등장: 1976 워셸과 르빗의 효소 반응에 대한 양자-고전 결합 모델

조대 입자 DNA와 RNA 모델

각 뉴클레오타이드를 상호작용 자리가 몇 개 있는 강체로 보아, 접힘, 혼성화, 나노 구조를 시뮬레이션해요.

답하는 질문: 가닥은 어떻게 짝을 짓고 접혀서 설계된 구조로 조립될까요?

빠진 것: 원자 수준의 세부와 이온은 유효 상호작용으로 대체돼요.

돌아가는 곳: 약 10¹⁴ FLOPS 대략 GPU에서 수백만 개의 뉴클레오타이드처음 등장: 2011 oxDNA, a coarse-grained DNA model (2011) 출처

학습된 단백질 구조 예측

알려진 구조와 진화 데이터로 훈련한 신경망이 서열에서 단백질이 접힌 모양을 예측해요.

답하는 질문: 이 아미노산 사슬은 어떤 3차원 모양으로 접힐까?

빠진 것: 정적인 구조를 주며, 접힘 경로나 동역학은 주지 않아요.

돌아가는 곳: 약 10¹⁸ FLOPS 대략 대규모 학습, 예측 하나에 몇 분처음 등장: 2018 Improved protein structure prediction using potentials from deep learning (2020, CASP13 entry 2018) 출처

생성형 단백질 앙상블

구조와 시뮬레이션으로 훈련한 생성 모델이 단백질을 하나의 모양이 아니라 여러 입체 구조로 만들어 내요.

답하는 질문: 단백질은 어떤 다른 모양을 취할 수 있을까?

빠진 것: 상태의 개체군은 훈련 시뮬레이션만큼만 쓸 만해요.

돌아가는 곳: 약 10¹⁶ FLOPS 대략 학습과 저렴한 표집처음 등장: 2024 AlphaFold meets flow matching for generating protein ensembles (2024) 출처

자원자가 계산하는 분자 동역학

분자 하나의 독립적인 짧은 궤적 수천 개를 기부받은 가정용 컴퓨터에서 돌리고, 합쳐서 접힘 사건을 살펴봐요.

답하는 질문: 짧은 실행 여러 개를 합치면 느린 분자 과정을 드러낼 수 있을까요?

빠진 것: 궤적은 짧고 독립적이라서 통계를 이어 붙여야 해요.

돌아가는 곳: 약 10¹⁷ FLOPS 대략 자원봉사 기계의 집합처음 등장: 2000 Screen savers of the world unite! (2000), the distributed folding project 출처

확률론적 생화학

세포 안의 반응이 무작위로 한 번에 하나씩 일어나요. 평균을 내기에는 분자가 너무 적기 때문이에요.

답하는 질문: 유전적으로 똑같은 세포가 왜 다르게 행동할까?

빠진 것: 보통 세포 내부가 잘 섞여 있다고 가정하는데, 그렇지 않은 경우가 많아요.

돌아가는 곳: 약 10¹² FLOPS 대략 확률적 반응 시뮬레이션을 돌리는 데스크톱 워크스테이션처음 등장: 1977 Gillespie의 화학 반응 속도를 위한 정확한 확률적 시뮬레이션 알고리즘

유전자 조절 네트워크

유전자가 서로를 켜고 끄며, 상호작용의 네트워크를 이뤄요.

답하는 질문: 세포는 어떤 세포가 될지 어떻게 정할까요?

빠진 것: 실제 조절 네트워크 대부분은 일부만 알려져 있어서, 연결을 추론하는 경우가 많아요.

돌아가는 곳: 약 10¹² FLOPS 대략 유전자 네트워크의 동역학을 시뮬레이션하는 데스크톱 워크스테이션처음 등장: 1969 카우프만의 유전자 조절 무작위 불리언 네트워크

대사 네트워크

세포가 음식을 에너지와 부품으로 바꾸는 데 쓰는 모든 화학 반응을 플럭스 네트워크로 균형 맞춰요.

답하는 질문: 이 미생물이 쓸모 있는 화합물을 더 많이 만들게 하려면 어떤 유전자를 꺼야 할까?

빠진 것: 정상 상태와 실제 세포가 추구하지 않을 수 있는 최적 목표를 가정해요.

돌아가는 곳: 약 10¹² FLOPS 대략 게놈 규모 플럭스 균형 모델을 푸는 데스크톱 워크스테이션처음 등장: 1986 세포 대사 네트워크의 초기 플럭스 균형 분석

전세포 모델

세균 하나의 모든 유전자와 모든 분자 종류를 분열 주기 한 번 동안 따라가요.

답하는 질문: 살아 있는 세포를 부품 목록만으로 예측할 수 있을까요?

빠진 것: 이만큼 완전하게 모델링된 단순한 세균은 지금까지 하나뿐이에요.

돌아가는 곳: 약 10¹⁴ FLOPS 대략 세균의 분열 주기 한 번을 돌리는 대학 클러스터처음 등장: 2012 Karr와 동료들의 마이코플라스마 제니탈리움 전세포 모델

패턴 형성

화학 물질이 자라는 조직을 가로질러 확산하고 반응해요. 앨런 튜링이 줄무늬와 얼룩의 기작으로 제안한 것이에요.

답하는 질문: 반응-확산 메커니즘은 동물의 털가죽 무늬와 팔다리의 손가락 형성을 어떻게 설명할까요?

빠진 것: 실제 조직은 두 가지 화학 물질 모델보다 기계적 힘과 더 많은 신호를 써요.

돌아가는 곳: 약 10¹² FLOPS 대략 격자 위의 반응-확산 방정식을 푸는 데스크톱 워크스테이션처음 등장: 1952 튜링이 The Chemical Basis of Morphogenesis를 위해 한 반응-확산 계산시뮬레이션 트리에서: 튜링의 반응-확산

상호작용 모델 실행하기

조직과 종양 성장

개별 세포가 분열하고, 움직이고, 산소를 두고 경쟁하다가 죽어요.

답하는 질문: 종양은 어떻게 자라고, 치료 일정은 어떻게 그것을 멈출 수 있을까요?

빠진 것: 실제 종양 안의 분열률과 사망률은 직접 재기 어려워요.

돌아가는 곳: 약 10¹³ FLOPS 대략 분열하는 개별 세포 수천 개를 추적하는 대학 클러스터처음 등장: 1993 고형 종양 성장의 초기 세포 자동자 모델

세포 교란-반응 모델

단일 세포 데이터로 훈련한 모델이, 측정한 적 없는 약물이나 유전자 편집 뒤에 세포의 유전자 발현이 어떻게 바뀔지 예측해요.

답하는 질문: 아직 아무도 시도하지 않은 개입 뒤에 세포는 어떻게 될까?

빠진 것: 상관관계에 기반해서, 훈련 데이터와 먼 세포 유형이나 약물에는 외삽이 잘 안 돼요.

돌아가는 곳: 약 10¹⁶ FLOPS 대략 대규모 단일 세포 훈련 집합처음 등장: 2019 scGen predicts single-cell perturbation responses (2019) 출처

종양 진화 행위자 기반 모델

격자 위의 개별 암세포가 산소와 산이 변하는 미세 환경에서 분열하고, 돌연변이를 일으키고, 경쟁해요.

답하는 질문: 종양의 모양과 공격적인 특성은 선택압에서 어떻게 생겨날까요?

빠진 것: 규칙은 단순화되어 있고, 혈액 공급과 면역 세포는 없는 경우가 많아요.

돌아가는 곳: 약 10¹¹ FLOPS 대략 노드 한 대에서 수백만 개의 세포처음 등장: 2006 Tumor morphology and phenotypic evolution driven by selective pressure from the microenvironment (2006) 출처

미생물 군집 대사 모델

여러 종의 게놈 규모 대사 네트워크를 이어서, 한 종의 노폐물이 다른 종의 먹이가 돼요.

답하는 질문: 장내나 토양의 미생물은 어떻게 영양분을 나누고 함께 안정될까요?

빠진 것: 정상 상태와 최적 성장을 가정하며 조절과 공간은 무시해요.

돌아가는 곳: 약 10¹¹ FLOPS 대략 여러 종에 걸친 선형 계획법처음 등장: 2007 Metabolic modeling of a mutualistic microbial community (2007) 출처

종양 성장과 치료 반응

고형 종양을 확산하는 산소와 영양분을 받는 덩어리로 보고, 증식하며 자라는 가장자리와 굶주린 괴사 중심부를 둔 채 방사선이나 약물에 노출시켜요.

답하는 질문: 종양은 얼마나 빨리 자라고, 주어진 용량은 그것을 얼마나 줄일까요?

빠진 것: 실제 종양은 환자마다, 또 한 종양 안에서도 달라요. 모델은 평균 매개변수와 단순화한 기하를 써요.

돌아가는 곳: 약 10¹² FLOPS 대략 시뮬레이션 시간 몇 주에 걸친 치료 일정이 있는 3차원 반응-확산 모델.처음 등장: 1972 Greenspan, models for the growth of a solid tumour by diffusion. 출처

종양 미세환경 진화

격자 위의 개별 암세포가 산소와 공간을 두고 경쟁하고 산성도의 기울기가 새로운 표현형을 선택해서, 종양이 자라면서 진화해요.

답하는 질문: 주변 조직이 종양을 더 침습적인 세포 쪽으로 밀까요?

빠진 것: 세포 규칙은 단순화돼 있고, 살아 있는 종양에서는 매개변수를 재기 어려워요.

돌아가는 곳: 약 10¹² FLOPS 대략 워크스테이션이나 소형 클러스터에서 몇 달 치를 시뮬레이션하는 하이브리드 행위자-연속체 실행.처음 등장: 2006 앤더슨과 동료들의 미세환경이 이끄는 표현형 진화의 혼합 이산-연속체 모델. 출처

종양이 유도하는 혈관 성장

내피 세포가 종양이 내보내는 화학 기울기를 따라 싹을 틔우고 이동해, 종양을 먹여 살리는 가지 뻗은 혈관망을 이뤄요.

답하는 질문: 종양은 어떻게 혈액 공급을 끌어오고, 그 신호가 막히면 어떻게 될까요?

빠진 것: 혈관 속 흐름, 재형성, 신호 전달의 실제 화학은 크게 단순화돼 있어요.

돌아가는 곳: 약 10¹¹ FLOPS 대략 워크스테이션에서 도는 2차원 또는 3차원 발아 계산.처음 등장: 1998 앤더슨과 채플린의 종양 유발 혈관 신생 연속 및 이산 모델. 출처

암 약물 반응과 내성의 동역학

정상, 민감, 내성 암세포의 집단이 약물 치료 아래서 변해서, 환자가 처음에는 좋아지다가 재발할 수 있어요.

답하는 질문: 내성이 나타나기 전까지 약은 얼마나 오래 병을 억제할까요?

빠진 것: 측정할 수 있는 구획만 모델링하고, 줄기세포의 행동은 추론한 거예요.

돌아가는 곳: 약 10⁸ FLOPS 대략 환자 혈액 측정에 맞춘 상미분 방정식.처음 등장: 2005 Michor and colleagues, dynamics of chronic myeloid leukaemia. 출처

혈구 생성 역학

줄기세포, 전구세포, 성숙한 혈액세포가 지연이 있는 되먹임으로 이어져 있어서, 개수가 안정적으로 유지되거나 조절이 무너지면 진동해요.

답하는 질문: 어떤 혈액 질환은 왜 주기적으로 오르내리고, 무엇이 정상적인 생산을 되돌려 줄까?

빠진 것: 실제 골수에는 공간 구조와 뭉뚱그려진 많은 세포 유형이 있어요.

돌아가는 곳: 약 10⁶ FLOPS 대략 노트북에서 지연 미분방정식.처음 등장: 1978 Mackey, a unified hypothesis for aplastic anaemia and periodic haematopoiesis. 출처

세균 군집 성장과 바이오필름

세균 세포 하나하나를 자기 크기, 성장, 위치를 가진 개체로 시뮬레이션하며, 군집이나 바이오필름 안에서 확산하는 영양분을 먹어요.

답하는 질문: 군집은 어떻게 모양을 갖추고, 안쪽의 세포는 어떻게 살아남을까요?

빠진 것: 세포 행동은 단순화돼 있고, 실제 바이오필름 기질의 화학은 담지 못해요.

돌아가는 곳: 약 10¹¹ FLOPS 대략 클러스터에서 수백만 개 세포의 개체 기반 성장.처음 등장: 1998 Kreft, Booth and Wimpenny, BacSim, a simulator for individual-based modelling of bacterial colony growth. 출처

심장

심장 근육을 가로지르는 전기 파동과 그것이 일으키는 수축과 혈류.

답하는 질문: 이 약이나 이 기기는 불규칙한 심장 박동을 악화시킬까?

빠진 것: 실제 심장들 사이의 개체 변이를 하나의 모델에 담아내기는 아직 어려워요.

돌아가는 곳: 약 10¹⁶ FLOPS 대략 심장 전체의 전기역학적 박동 한 번을 돌리는 대학 클러스터처음 등장: 1960 노블의 단일 푸르킨예 섬유 세포 활동 전위 컴퓨터 모델. 심장 전체 모델은 나중에 나왔어요 출처시뮬레이션 트리에서: 심장 세포 모델

혈류

동맥, 정맥, 스텐트와 판막 같은 기구를 지나는 피의 움직임.

답하는 질문: 이 동맥은 어디가 약해지거나 막히기 쉬울까?

빠진 것: 혈관벽은 흔히 단단하다고 다루기 때문에, 실제 탄성을 놓쳐요.

돌아가는 곳: 약 10¹⁵ FLOPS 대략 환자별 동맥 흐름 시뮬레이션을 돌리는 대학 클러스터처음 등장: 1989 Perktold와 동료들의 경동맥 흐름 유한 요소 모델

호흡과 기도

가지 뻗은 기도를 지나는 공기와 거기에 실린 입자.

답하는 질문: 들이마신 약이나 오염 물질은 어디에 이를까?

빠진 것: 대부분의 모델은 특정인이 아니라 이상화된 하나의 기도 트리를 써요.

돌아가는 곳: 약 10¹⁴ FLOPS 대략 가지 뻗은 기도 나무를 통한 공기 흐름을 시뮬레이션하는 대학 클러스터처음 등장: 1993 기관지 나무의 공기 흐름에 대한 초기 유체 동역학 모델

근골격 생체역학

뼈, 관절, 근육을 서로 이어진 기계 시스템으로 보고, 걷고, 들고, 넘어지는 모습을 다뤄요.

답하는 질문: 어떤 근육이 하중을 받고, 이 임플란트는 어떤 모양이어야 할까?

빠진 것: 실제 팔다리 안의 힘은 측정한 것이 아니라 간접적으로 추정한 거예요.

돌아가는 곳: 약 10¹² FLOPS 대략 한 동작의 근골격 모델을 푸는 데스크톱 워크스테이션처음 등장: 1990 Delp와 동료들의 근골격 운동 컴퓨터 모델

면역 반응

면역 세포와 병원체가 몸속에서 만나고, 증식하고, 신호를 주고받아요.

답하는 질문: 어떤 감염은 왜 낫고 어떤 감염은 만성이 될까?

빠진 것: 실제 면역 신호는 어떤 모델이 전부 추적하는 것보다 훨씬 복잡해요.

돌아가는 곳: 약 10¹³ FLOPS 대략 에이전트 기반 면역 시뮬레이션을 돌리는 대학 클러스터처음 등장: 1992 Celada와 Seiden의 면역 반응 세포 자동자 모델

약동학

약물이 흡수되어 몸의 구획으로 퍼지고, 분해되고, 배출돼요.

답하는 질문: 이 나이와 몸무게의 사람에게는 어느 정도를, 얼마나 자주?

빠진 것: 집단 평균 모델은 특정 환자가 약물을 어떻게 다루는지를 놓칠 수 있어요.

돌아가는 곳: 약 10¹⁰ FLOPS 대략 구획 약물 모델을 푸는 데스크톱 워크스테이션처음 등장: 1937 테오렐의 약물 분포 이구획 모델

인실리코 임상시험

현실적인 변이를 가진 가상 환자 집단에게 실제 시험 전이나 시험과 함께 치료를 해 봐요.

답하는 질문: 이 치료는 누구를 도울 가능성이 크고, 누구에게는 해가 될 수 있을까?

빠진 것: 규제 당국은 여전히 실제 시험을 함께 요구해요. 가상 환자가 그것을 완전히 대신할 수는 없어요.

돌아가는 곳: 약 10¹⁴ FLOPS 대략 가상 환자 수천 명을 돌리는 대학 클러스터처음 등장: 2011 2011년까지, 의료기기의 증거와 함께 제출된 초기 인실리코 시험

심장 디지털 트윈

한 환자의 스캔과 신호에 맞춘 심장 모델로, 그 심장이 치료에 어떻게 반응할지 예측해요.

답하는 질문: 이 환자의 심장은 특정한 치료에 어떻게 반응할까요?

빠진 것: 맞춤의 질은 영상 데이터에 달려 있고, 조직 특성은 추정한 거예요.

돌아가는 곳: 약 10¹⁵ FLOPS 대략 개인 맞춤 전기기계 실행과 피팅처음 등장: 2020 The 'Digital Twin' to enable the vision of precision cardiology (2020) 출처

감각 뇌 영역의 신경 예측 모델

기록된 반응으로 훈련한 신경망이 뇌 영역의 대역이 되어, 연구자가 뉴런을 가장 크게 흥분시키는 자극을 컴퓨터 안에서 시험하게 해요.

답하는 질문: 어떤 자극이 한 뉴런을 가장 세게 움직일까?

빠진 것: 예측은 실제 조직에서 검증해야 하고, 시험한 동물에만 해당해요.

돌아가는 곳: 약 10¹⁶ FLOPS 대략 기록 자료로 학습한 뒤 무제한 가상 시험처음 등장: 2019 Inception loops discover what excites neurons most using deep predictive models (2019) 출처

뇌 자극 전기장 모델

유한 요소 머리 모델로, 전극이나 코일에서 나온 전류가 두피, 두개골, 뇌 조직을 통해 어떻게 퍼지는지 추적해요.

답하는 질문: 자극기에서 나온 전기장은 뇌의 어디에 닿을까?

빠진 것: 조직의 전도도는 불확실하고, 신경 반응은 시뮬레이션하지 않아요.

돌아가는 곳: 약 10¹² FLOPS 대략 개별 머리 메시에 대한 유한 요소 풀이처음 등장: 2009 Gyri-precise head model of transcranial direct current stimulation (2009) 출처

가상 집단 약물 노출 모델

나이, 유전자, 장기 기능이 제각각인 합성 집단 전체에 대해 온몸의 약물 이동 모델을 돌려요.

답하는 질문: 약물 농도는 어린이, 노인, 장기 질환 환자에게서 얼마나 다를까요?

빠진 것: 측정된 효소와 수송체 데이터에 달려 있어요.

돌아가는 곳: 약 10¹¹ FLOPS 대략 워크스테이션 한 대에서 수천 명의 가상 피험자처음 등장: 2009 The Simcyp population-based ADME simulator (2009) 출처

장내 미생물 군집 모델

장 속 수십 종의 세균이 경쟁과 교차 먹이 공급으로 상호작용하며, 식단이나 항생제 교란 아래 시간에 따른 개체 수를 추적해요.

답하는 질문: 장 속에서 어떤 종은 안정적으로 남고, 어떤 교란이 군집을 무너뜨릴 수 있을까?

빠진 것: 상호작용의 세기는 잡음이 있는 데이터에서 추정한 것이어서, 표본이 된 조건 밖에서는 성립하지 않을 수 있어요.

돌아가는 곳: 약 10¹⁰ FLOPS 대략 워크스테이션에서 일반화된 로트카-볼테라 맞춤과 대사 군집 시뮬레이션.처음 등장: 2013 Stein and colleagues, ecological modelling from time-series inference of intestinal microbiota. 출처

환자 맞춤 모델을 이용한 수술 계획

스캔으로 개인 맞춤 해부 모델을 만들고, 수술 방법을 가상으로 적용해 흐름이나 응력을 계산해, 수술 전에 결과를 비교해요.

답하는 질문: 어떤 수술 방법이 이 환자에게 가장 좋은 결과를 줄까?

빠진 것: 조직의 성질은 평균값으로 가정하고, 수술 뒤의 회복은 모델링하지 않아요.

돌아가는 곳: 약 10¹⁴ FLOPS 대략 후보 계획마다 흐름이나 응력 풀이 한 번, 클러스터로 몇 시간.처음 등장: 1999 Taylor and colleagues, predictive medicine using computational techniques for therapeutic decision-making. 출처

심장 판막 유체-구조 상호작용

유연한 판막 잎과 그 둘레를 흐르는 피를 함께 계산해요. 잎은 자신이 제어하는 흐름에 밀려 열리고 쾅 닫혀요.

답하는 질문: 판막은 어떻게 열리고 닫히며, 대체 판막은 흐름을 어떻게 바꿀까요?

빠진 것: 판막 소엽의 재료 물성과 주변 근육의 움직임은 단순화되어 있어요.

돌아가는 곳: 약 10¹⁵ FLOPS 대략 클러스터에서 움직이는 경계의 유체 풀이.처음 등장: 1972 Peskin, flow patterns around heart valves, introducing the immersed boundary method. 출처

뼈 적응과 임플란트 재형성

응력이 높은 곳에는 조직을 더하고 낮은 곳에서는 덜어 내는 뼈의 유한 요소 모델로, 몇 달과 몇 해에 걸쳐요.

답하는 질문: 임플란트 주변의 뼈는 시간이 지나면서 어떻게 변할까요?

빠진 것: 재형성 규칙은 현상론적 법칙이고 환자마다 달라요.

돌아가는 곳: 약 10¹¹ FLOPS 대략 워크스테이션에서 반복하는 유한 요소 풀이.처음 등장: 1987 Huiskes and colleagues, adaptive bone-remodelling theory applied to prosthetic design. 출처

수술을 위한 근골격 모델

다리나 팔의 뼈, 관절, 근육-힘줄 작동기를 모델링해, 힘줄 이식 같은 수술적 변화가 움직임에 미치는 효과를 시험할 수 있어요.

답하는 질문: 이 힘줄을 옮겨 붙이면 환자의 걸음이 나아질까?

빠진 것: 근육 활성화는 측정한 것이 아니라 추정한 것이고, 신경 제어는 모델링하지 않아요.

돌아가는 곳: 약 10⁹ FLOPS 대략 노트북으로 하는 역동역학과 근육 최적화.처음 등장: 1990 Delp와 동료들, 정형외과 수술을 연구하기 위한 하지의 대화형 그래픽 기반 모델. 출처

방사선 치료 선량 계산

환자 스캔을 따라 광자나 양성자를 몬테카를로 수송으로 추적해서, 종양과 건강한 조직에 들어가는 방사선량을 계산해요.

답하는 질문: 계획한 빔이 주변 장기를 아끼면서 종양에 선량을 전달할까요?

빠진 것: 스캔은 한순간의 모습이라서, 치료 중 환자의 움직임과 해부 구조의 변화는 근사로 다뤄요.

돌아가는 곳: 약 10¹³ FLOPS 대략 클러스터나 GPU에서 계획 하나당 수백만에서 수십억 번의 이력.처음 등장: 1988 Mackie and colleagues, photon energy deposition kernels generated with the EGS Monte Carlo code. 출처

영상용 가상 해부 팬텀

세밀한 장기와 뛰거나 숨 쉬는 움직임을 갖춘 디지털 인체로, 시뮬레이션 스캔의 대상으로 써서 영상 방법을 알려진 진실에 대고 시험해요.

답하는 질문: 이 스캐너와 알고리즘이 알려진 이상을 복원할 수 있을까요?

빠진 것: 팬텀은 몇 명의 대상에 맞춰 만든 형상 모델이라서, 해부 구조의 전체 범위를 담지 못해요.

돌아가는 곳: 약 10¹¹ FLOPS 대략 워크스테이션에서 스캔마다 하는 광선 추적이나 수송 시뮬레이션.처음 등장: 2010 Segars and colleagues, the 4D XCAT phantom for multimodality imaging research. 출처

자기 공명 영상 시뮬레이션

자기장 속 핵스핀의 물리를 펄스 시퀀스로 시뮬레이션해서, 가상의 몸에 대한 합성 스캔을 만들어요.

답하는 질문: 이 시퀀스는 이 조직에 대해 어떤 영상을 만들어 낼까?

빠진 것: 조직의 이완 값은 평균이고, 움직임과 하드웨어의 불완전함은 일부만 모델링해요.

돌아가는 곳: 약 10¹² FLOPS 대략 GPU로 부피 전체의 블로흐 방정식 시뮬레이션.처음 등장: 2005 브누아-카탱과 동료들의 SIMRI 대화형 MRI 시뮬레이터. 출처

골절 치유 시뮬레이션

뼈가 부러진 뒤 아물어 가는 틈의 기계적 변형률이 조직이 연골이 될지, 새 뼈가 될지, 섬유성 흉터가 될지 정해요.

답하는 질문: 이 골절 고정은 뼈가 붙도록 해 줄까?

빠진 것: 조직 분화 규칙은 경험적이고, 혈액 공급은 단순화했어요.

돌아가는 곳: 약 10¹⁰ FLOPS 대략 워크스테이션에서 시뮬레이션 몇 주에 걸친 유한 요소 풀이.처음 등장: 1999 Claes와 Heigele, 뼈 표면을 따른 국소 응력과 변형률이 골절 치유의 경과와 유형을 예측함. 출처

숙주 내 바이러스 동역학

환자 한 명 안의 자유 바이러스, 감염 세포, 표적 세포를 추적해, 치료 시작 뒤의 변화로 바이러스가 얼마나 빨리 만들어지고 제거되는지 알아내요.

답하는 질문: 바이러스는 사람 몸 안에서 얼마나 빨리 복제되고, 치료는 무엇을 바꿀까요?

빠진 것: 조직 구조와 혈액 이외의 감염 부위는 나타내지 않아요.

돌아가는 곳: 약 10⁷ FLOPS 대략 환자 시계열에 맞춘 몇 개의 연립 미분방정식.처음 등장: 1996 Perelson and colleagues, HIV-1 dynamics in vivo. 출처

스캔으로 구하는 관상동맥 혈류 예비력

심장 스캔으로 관상동맥을 흐르는 혈류를 계산해, 좁아진 곳이 스텐트가 필요할 만큼 흐름을 막는지 추정해요.

답하는 질문: 이 협착은 심장 근육에 피가 가지 않을 만큼 좁을까요?

빠진 것: 작은 혈관의 경계 조건은 측정한 것이 아니라 환자에게서 추정해요.

돌아가는 곳: 약 10¹⁴ FLOPS 대략 클러스터에서 스캔마다 환자 맞춤 흐름 풀이 한 번.처음 등장: 2013 Taylor and colleagues, CFD applied to cardiac CT for noninvasive quantification of fractional flow reserve. 출처

달팽이관 역학

속귀 유체 속의 음파가 달팽이관 안에서 진동하는 막과 맞물려, 음높이를 가려내는 진행파를 만들어요.

답하는 질문: 귀는 소리를 어떻게 위치로 부호화된 신호로 바꿀까요?

빠진 것: 유모세포의 능동 증폭은 근사한 되먹임으로 표현해요.

돌아가는 곳: 약 10¹⁰ FLOPS 대략 워크스테이션에서 달팽이관 액체의 유한 차분 풀이.처음 등장: 1981 Neely, a finite-difference solution of a two-dimensional model of the cochlea. 출처

온몸 통합 생리학

혈압, 신장, 체액 균형, 호르몬을 순환과 그 조절을 아우르는 하나의 모델로 연결해요.

답하는 질문: 몸은 혈압을 어떻게 조절하고, 장기 하나가 망가지면 어떻게 될까요?

빠진 것: 각 장기는 한 덩어리 구획이고 세포 수준의 세부는 없어요.

돌아가는 곳: 약 10⁶ FLOPS 대략 노트북으로 수백 개의 미분 방정식.처음 등장: 1972 Guyton, Coleman and Granger, circulation: overall regulation. 출처

생체열 전달과 온열 치료

혈류가 열을 실어 나르는 조직 속의 열전도로, 발열, 열 스트레스, 열을 이용한 암 치료 중의 온도를 예측하는 데 써요.

답하는 질문: 조직은 얼마나 뜨거워지고, 열은 얼마나 깊이 들어갈까요?

빠진 것: 혈액 관류를 균일한 열 흡수원으로 다뤄요.

돌아가는 곳: 약 10⁹ FLOPS 대략 워크스테이션에서 유한 요소 열 풀이.처음 등장: 1948 Pennes, analysis of tissue and arterial blood temperatures in the resting human forearm. 출처

신장 네프론 수송 모델

물, 염분, 요소가 신장의 고리와 세뇨관을 지나 움직이는 과정을 서로 맞물린 흐름으로 풀어서, 소변이 어떻게 농축되는지 보여 줘요.

답하는 질문: 세뇨관의 역류 배열은 어떻게 신장이 소변을 농축하게 할까요?

빠진 것: 세뇨관의 성질과 3차원 배치는 몇몇 종에서만 측정돼 있어서, 매개변수는 동물 실험에서 외삽해요.

돌아가는 곳: 약 10⁹ FLOPS 대략 워크스테이션으로 몇 분에서 몇 시간.처음 등장: 1966 스티븐슨의 신장 역류 시스템 농축 분석이에요. 출처

성대와 발성 모델

용수철에 매달린 질량 같은 성대가 폐에서 오는 공기에 움직여서 목과 입의 모양과 맞물리며 유성음을 만들어요.

답하는 질문: 성대 주름의 어떤 물리적 설정이 맑은 소리, 숨 섞인 소리, 거친 소리를 낼까?

빠진 것: 성대 주름은 몇 개의 질량으로 줄여서, 조직 층과 완전한 3차원 공기 흐름은 담지 못해요.

돌아가는 곳: 약 10⁸ FLOPS 대략 유성음 한 문장당 몇 초에서 몇 분.처음 등장: 1972 이시자카와 플래너건의 유성음 합성용 성대 2질량 모델 출처

생체 시계 모델

몸 시계를 뜻하는 결합 진동자가 빛과 휴식 타이밍에 반응해, 일정이나 여행이 바뀔 때 수면과 각성이 어떻게 달라지는지 예측해요.

답하는 질문: 비행이나 근무 교대 뒤에 생체 시계가 적응하는 데 얼마나 걸릴까요?

빠진 것: 진동자 몇 개가 뉴런 네트워크 전체를 대신하고, 사람마다 시계 주기와 빛 민감도가 크게 달라요.

돌아가는 곳: 약 10⁵ FLOPS 대략 노트북으로 몇 초.처음 등장: 1982 Kronauer and colleagues' mathematical model of the human circadian system with two interacting oscillators. 출처

구획 전염병 모델

집단을 감수성자, 감염자, 회복자로 나누고 그 사이로 비율이 흐르게 해요.

답하는 질문: 이 유행은 얼마나 커지고, 언제 정점에 이를까요?

빠진 것: 균일 혼합을 가정해 모든 사람이 다른 모든 사람을 같은 비율로 만난다고 보는데, 실제 접촉 양상은 그렇지 않아요.

돌아가는 곳: 약 10⁹ FLOPS 대략 서로 연결된 전염병 방정식 몇 개를 푸는 노트북처음 등장: 1927 커맥과 맥켄드릭의 닫힌 유행 방정식

상호작용 모델 실행하기

에이전트 기반 감염병

도시나 나라 전체의 합성 인구로, 각 사람에게 가구, 학교나 직장, 질병이 퍼지는 접촉 관계가 있어요.

답하는 질문: 어떤 조치가 가장 적은 비용으로 확산을 가장 많이 늦출까?

빠진 것: 많은 나라에 없는 자세한 가구, 학교, 직장 데이터가 필요해요.

돌아가는 곳: 약 10¹⁶ FLOPS 대략 나라 규모의 합성 인구를 시뮬레이션하는 대학 클러스터처음 등장: 2005 롱기니, 퍼거슨과 동료들의 행위자 기반 인플루엔자 대유행 모델

상호작용 모델 실행하기

병원체 진화

바이러스나 세균이 숙주 사이를 옮겨 다니는 동안 돌연변이가 생기고 퍼져요.

답하는 질문: 이 약에 대한 내성은 얼마나 빨리 진화할 수 있을까요?

빠진 것: 실제 돌연변이와 적합도 지형은 몇 개의 유전자 자리보다 훨씬 복잡해요.

돌아가는 곳: 약 10¹² FLOPS 대략 약물 내성의 진화를 시뮬레이션하는 데스크톱 워크스테이션처음 등장: 1990 HIV 약물 내성 진화의 초기 확률 모델

질병 부담과 보건 경제 모델링

질병과 치료를 질병, 장애, 비용, 사망의 확률로 따라가며, 어떤 보건 개입이 1파운드당 가장 큰 효과를 내는지 비교해요.

답하는 질문: 같은 비용으로 어떤 치료나 프로그램이 건강한 삶의 햇수를 가장 많이 늘려 줄까?

빠진 것: 삶이나 고통의 한 해에 숫자를 매기는 것은 산술로 포장한 가치 판단이에요.

돌아가는 곳: 약 10¹¹ FLOPS 대략 코호트 비용 효과 모델을 돌리는 데스크톱 워크스테이션처음 등장: 1993 세계은행의 전 세계 질병 부담 연구(장애보정생존연수)

유행 병원체 유전체 역학

유행 중에 채취한 병원체 유전체로 감염의 가계도를 만들어서, 누가 누구를 감염시켰을 가능성이 가장 높은지와 얼마나 빨리 퍼지고 있는지를 추론해요.

답하는 질문: 이 유행은 접촉자 추적만으로는 보이지 않는 곳에서 실제로 어떻게 퍼지고 있을까요?

빠진 것: 염기서열이 분석된 사례만 계통수에 나타나서, 빈약하거나 치우친 표본은 오해를 부를 수 있어요.

돌아가는 곳: 약 10¹³ FLOPS 대략 수천 개의 게놈으로 계통수를 만드는 대학 클러스터처음 등장: 2013 서아프리카 에볼라 유행의 실시간 유전체 추적

환경과 화학 물질 노출 위험 평가

인구가 오염 물질, 식품 오염, 방사선량에 노출될 때 해를 입을 확률이 어떻게 달라지는지를, 데이터의 불확실성 범위 전체에 걸쳐 계산해요.

답하는 질문: 이 화학 물질은 전체 인구가 노출되어도 안전한 양이 얼마일까요?

빠진 것: 동물에게 준 높은 시험 용량에서 사람의 낮은 용량으로 외삽하는 일은 계속 따라붙는 판단의 문제예요.

돌아가는 곳: 약 10¹¹ FLOPS 대략 몬테카를로 용량-반응 모델을 돌리는 데스크톱 워크스테이션처음 등장: 1983 미국 국립연구회의의 화학물질 위해성 평가 틀

이동 네트워크 유행 모델

통근과 항공 이동 데이터로 이어진 전 지구 도시 네트워크 전반에 질병의 확산을 시뮬레이션해요.

답하는 질문: 유행은 다른 지역과 나라에 얼마나 빨리 닿을까요?

빠진 것: 각 도시 안의 혼합은 단순화되어 있고, 행동 변화는 모델링하지 않아요.

돌아가는 곳: 약 10¹² FLOPS 대략 수천 개 하위 집단에 걸친 확률론적 실행처음 등장: 2009 Multiscale mobility networks and the spatial spreading of infectious diseases (2009) 출처

개체 기반 말라리아 모델

시뮬레이션된 사람, 모기, 기생충이 숙주 안 감염과 전파를 따라가며 통제 전략을 시험해요.

답하는 질문: 모기장, 약, 백신을 어떻게 섞어야 말라리아 전파를 줄일 수 있을까?

빠진 것: 모기 생태와 지역 보건 체계는 거칠게 모델링해요.

돌아가는 곳: 약 10¹³ FLOPS 대략 시뮬레이션된 마을의 많은 확률적 실행처음 등장: 2008 Towards a comprehensive simulation model of malaria epidemiology and control (2008) 출처

시나리오 모델링 허브

여러 모델링 팀이 백신이나 변이에 대한 같은 가정으로 모델을 돌리고, 그 전망을 하나의 앙상블로 합쳐요.

답하는 질문: 정책이나 변이 가정마다 어떤 범위의 미래가 뒤따를까?

빠진 것: 시나리오는 조건부이고, 일어날 일에 대한 예측이 아니에요.

돌아가는 곳: 약 10¹² FLOPS 대략 여러 팀의 유행 모델 앙상블처음 등장: 2020 미국 COVID-19 시나리오 모델링 허브, 2020년 12월부터 출처

디지털 접촉 추적 모델

앱 기반 접촉 추적 단계가 들어간 전파 모델로, 확산을 막으려면 추적과 격리가 얼마나 빨라야 하는지 추정해요.

답하는 질문: 유행을 통제하려면 접촉자를 얼마나 빨리 추적해야 할까요?

빠진 것: 참여율과 준수율은 가정한 값이에요.

돌아가는 곳: 약 10⁹ FLOPS 대략 분기 과정 또는 에이전트 실행처음 등장: 2020 Quantifying SARS-CoV-2 transmission suggests epidemic control with digital contact tracing (2020) 출처

항균제 내성 확산

감수성 세균과 내성 세균이 환자 몸속에서 경쟁하고 환자들 사이로 퍼져요. 항생제를 돌려 쓰기, 섞어 쓰기, 병용 같은 여러 정책에서 어떻게 되는지 봐요.

답하는 질문: 어떤 치료 정책이 내성 감염의 증가를 늦출까?

빠진 것: 내성 비용과 전파 속도는 제대로 측정되지 않았고, 결과는 그에 좌우돼요.

돌아가는 곳: 약 10⁹ FLOPS 대략 노트북에서 구획 및 개체 기반 병원 모델.처음 등장: 1997 보네푀퍼, 립시치, 레빈, 항생제 내성을 막는 치료 프로토콜 평가. 출처

말라리아 전파 및 개입 모델

모기의 흡혈, 기생충의 발달, 사람의 면역, 모기장이나 백신 같은 개입을 한 마을이나 한 나라에서 함께 시뮬레이션해요.

답하는 질문: 어떤 방제 조합이 말라리아를 줄이거나 없앨 수 있을까?

빠진 것: 모기 생태와 지역 주민의 행동은 제대로 측정되지 않았어요.

돌아가는 곳: 약 10¹¹ FLOPS 대략 클러스터에서 수십 년에 걸친 한 나라의 개체 기반 시뮬레이션.처음 등장: 2008 Smith and colleagues, towards a comprehensive simulation model of malaria epidemiology and control. 출처

실내 공기 전파 시뮬레이션

숨 쉬기, 기침, 말하기가 비말과 에어로졸을 방 안에 내보내면, 유체역학이 그것이 어디로 가고 두 번째 사람이 얼마나 들이마시는지 추적해요.

답하는 질문: 내쉰 바이러스는 얼마나 멀리 가고, 마스크나 환기는 노출을 얼마나 줄여 줄까요?

빠진 것: 감염 용량과 실제 실내 조건은 어떤 시뮬레이션 설정이 가정하는 것보다 훨씬 폭넓게 달라요.

돌아가는 곳: 약 10¹⁴ FLOPS 대략 클러스터에서 입자 추적을 곁들인 방 하나의 큰 에디 시뮬레이션.처음 등장: 2020 Mittal, Ni and Seo, the flow physics of COVID-19, reviewing computational studies of respiratory flows. 출처

담배 규제 정책 시뮬레이션

한 나라의 흡연 시작, 금연, 사망을 세금, 금지, 캠페인에 따라 예측해서 흡연율의 변화와 살린 생명의 수를 구해요.

답하는 질문: 세금이나 금연법은 몇 명의 목숨을 구할까요?

빠진 것: 정책 효과는 과거의 증거에서 가져온 것이어서, 새로운 환경에는 적용되지 않을 수 있어요.

돌아가는 곳: 약 10⁶ FLOPS 대략 노트북으로 하는 인구 추계 모델.처음 등장: 2000 Levy, Cummings and Hyland, a simulation of the effects of youth initiation policies on overall cigarette use. 출처

백신 배분 최적화

전염병 모델을 최적화 도구와 결합해, 어떤 연령이나 위험 집단이 부족한 백신을 먼저 맞을지 정해요.

답하는 질문: 가장 많은 생명을 살리려면 누구부터 백신을 맞아야 할까?

빠진 것: 접촉 양상과 백신 효과는 불확실하고, 가장 좋은 집단은 목적에 따라 달라요.

돌아가는 곳: 약 10⁸ FLOPS 대략 워크스테이션에서 많은 유행 실행에 걸친 최적화.처음 등장: 2009 Medlock and Galvani, optimising influenza vaccine distribution. 출처

가상 영상 시험

시뮬레이션된 환자, 촬영 장치, 판독자를 써서, 실제 사람을 모집하지 않고 영상 기술을 비교해요.

답하는 질문: 새 영상 장비가 지금 장비만큼 암을 잘 찾을까요?

빠진 것: 가상 병변과 판독자는 모델이라서 실제 임상의 다양성을 놓칠 수 있어요.

돌아가는 곳: 약 10¹³ FLOPS 대략 클러스터에서 수천 장의 시뮬레이션 이미지.처음 등장: 2018 바다노와 동료들의 디지털 유방 단층 합성과 전장 유방 촬영의 인실리코 영상 시험. 출처

접촉 네트워크 위의 전염병

질병이 연결 수 분포가 매우 고르지 않을 수 있는 네트워크의 노드 사이로 퍼지고, 결과는 허브에 달려 있어요.

답하는 질문: 허브가 있는 네트워크에서 전염병은 전염성이 어느 수준이면 폭발할까?

빠진 것: 실제 접촉 네트워크는 시간에 따라 변하고 일부만 관찰돼요.

돌아가는 곳: 약 10⁷ FLOPS 대략 워크스테이션에서 100만 노드 네트워크의 몬테카를로 확산.처음 등장: 2001 Pastor-Satorras and Vespignani, epidemic spreading in scale-free networks. 출처

모기 개체군 동역학

병을 옮기는 모기의 알, 애벌레, 번데기, 성충이 용기 속에서 지역의 기온과 강수에 따라 발달해, 사람을 무는 수를 알려 줘요.

답하는 질문: 다음 계절에 모기는 얼마나 많아지고, 번식지를 없애면 어떻게 될까요?

빠진 것: 번식지는 세기 어렵고 거리마다 달라요.

돌아가는 곳: 약 10⁷ FLOPS 대략 노트북으로 하는 생명표 시뮬레이션.처음 등장: 1993 Focks와 동료들, 이집트숲모기의 동적 생명표 모델. 출처

암 검진 마이크로시뮬레이션

암의 자연 경과를 따른 개인별 생애 이력을 검진이 있을 때와 없을 때로 시뮬레이션해서, 발견되는 환자 수와 막을 수 있는 사망자 수를 추정해요.

답하는 질문: 검진 프로그램은 몇 명의 사망을 막고, 그 대가로 과잉 진단은 얼마나 생길까요?

빠진 것: 관찰되지 않은 암의 초기 경과는 가정해야 해요.

돌아가는 곳: 약 10⁹ FLOPS 대략 워크스테이션에서 수백만 명의 시뮬레이션된 삶.처음 등장: 1985 Habbema and colleagues, the MISCAN simulation program for the evaluation of screening. 출처

비만과 식이 행위자 기반 모델

몸무게, 소득, 이웃이 있는 에이전트가 먹고 움직이며, 식품 가격이나 정책이 바뀌면 인구의 체중 분포가 달라져요.

답하는 질문: 어떤 개입이 수십 년에 걸쳐 인구의 체중을 바꿀까?

빠진 것: 행동은 몇 가지 규칙으로 줄어 있고 장기 증거는 빈약해요.

돌아가는 곳: 약 10⁸ FLOPS 대략 워크스테이션에서 하는 인구 행위자 기반 시뮬레이션.처음 등장: 2007 Hammond and Epstein, exploring price-independent mechanisms in the obesity epidemic. 출처

장기 배분 정책 시뮬레이션

이식 대기 명단의 환자, 들어오는 기증 장기, 배분 규칙을 시뮬레이션해서 대기 시간과 생존율을 비교해요.

답하는 질문: 어떤 배분 규칙이 가장 많은 생존 연수와 가장 공정한 대기를 낳을까?

빠진 것: 장기의 질과 환자와 센터의 결정은 단순화되어 있어요.

돌아가는 곳: 약 10⁸ FLOPS 대략 노트북에서 몇 년 치 대기자 명단의 사건 시뮬레이션.처음 등장: 2000 Zenios, Chertow and Wein, dynamic allocation of kidneys to candidates on the transplant waiting list. 출처

구급차와 소방서 배치 모델

긴급 신고가 무작위로 들어오고 출동 부대가 배치되며, 대기행렬 모델이 위치와 관할 구역 배치마다 대응 시간을 알려 줘요.

답하는 질문: 대응 시간을 줄이려면 기지와 부대를 어디에 둬야 할까?

빠진 것: 이동 시간과 수요의 실제 분포는 가정해요.

돌아가는 곳: 약 10⁷ FLOPS 대략 노트북으로 하는 대기행렬과 몬테카를로.처음 등장: 1974 Larson, a hypercube queueing model for facility location and redistricting in urban emergency services. 출처

합성 환자 기록 생성

인공 인물에게 발표된 임상 규칙에 따라 질병, 치료, 진료를 주어, 실제 사람이 한 명도 들어 있지 않은 현실적인 건강 기록을 만들어요.

답하는 질문: 소프트웨어와 분석을 누구의 데이터도 노출하지 않고 현실적인 기록으로 시험할 수 있을까요?

빠진 것: 기록에는 생성기에 넣은 패턴만 담겨 있어서, 희귀 질환과 실제 진료 경로는 드물게만 나타나요.

돌아가는 곳: 약 10¹⁰ FLOPS 대략 환자 100만 명 규모를 노트북으로 실행.처음 등장: 2010 Buczak과 동료들의 합성 전자 의료 기록을 만드는 데이터 기반 접근. 출처

예측 독성학

후보 약물의 구조를 합성하기 전에 알려진 독성 분자 데이터베이스와 비교하거나, 실험실과 동물 데이터로 훈련한 모델에 넣어 봐요.

답하는 질문: 이 분자는 만들기 전에 간, 심장, 유전자를 해칠 가능성이 있을까요?

빠진 것: 예측은 모델을 훈련한 과거의 독성 분자만큼만 믿을 만하고, 생물학적 예외는 계속 나타나요.

돌아가는 곳: 약 10¹³ FLOPS 대략 훈련된 독성 예측 모델을 돌리는 대학 클러스터처음 등장: 2000 약물의 독성을 선별하는 데 쓰인 초기 구조-활성 관계 모델

약력학 모델링

표적에서의 약물 농도가 수용체 결합부터 측정된 증상이나 바이오마커까지 몸에 미치는 효과로 어떻게 이어지는지를 다뤄요.

답하는 질문: 주어진 용량은 실제로 얼마나 큰 효과를 내고, 얼마나 오래 갈까요?

빠진 것: 깔끔한 농도-효과 관계를 가정하는데, 내성과 질병의 진행이 이를 흐트러뜨릴 수 있어요.

돌아가는 곳: 약 10¹⁰ FLOPS 대략 서로 연결된 효과 방정식 몇 개를 푸는 데스크톱 워크스테이션처음 등장: 1968 약물 농도를 효과와 연결하는 초기 수용체 점유 모델

임상 시험 설계 시뮬레이션

가정한 환자 변이와 약효에 따라 수천 번의 가상 임상시험을 돌려서, 시험의 규모, 기간, 조기 중단 규칙을 정해요.

답하는 질문: 이 시험에는 환자가 실제로 몇 명이나 필요하고, 언제 안전하게 멈출 수 있을까요?

빠진 것: 시뮬레이션한 임상시험은 거기에 넣어 준 환자 반응 가정만큼만 현실적이에요.

돌아가는 곳: 약 10¹² FLOPS 대략 시험 반복 수천 번을 시뮬레이션하는 소형 클러스터처음 등장: 1994 적응형 임상 시험 설계를 계획하는 데 쓰인 초기 시뮬레이션 연구

약물 재창출 네트워크 모델

약물, 유전자, 단백질, 질병을 하나의 큰 네트워크로 엮어, 알려진 연결이 예상치 못한 새 용도를 시사하는 기존 약물을 찾아요.

답하는 질문: 한 질병에 이미 승인된 약이 다른 질병도 치료할 수 있을까요?

빠진 것: 네트워크 연결은 힌트일 뿐 증거가 아니에요. 제안된 용도 변경은 대부분 시험하면 여전히 실패해요.

돌아가는 곳: 약 10¹² FLOPS 대략 방대한 약물-유전자-질병 네트워크를 탐색하는 데스크톱 워크스테이션처음 등장: 2011 약물 재창출 후보를 찾는 초기 네트워크 기반 선별

약물 제형과 전달 모델링

알약이 녹고, 패치가 약을 방출하고, 나노입자가 약물을 몸속으로 나르는 과정을 몇 분에서 며칠에 걸친 확산과 반응으로 따라가요.

답하는 질문: 이 약은 삼키거나 주사한 뒤 실제로 얼마나 빨리, 어디에서 표적에 닿을까요?

빠진 것: 실험실의 용출 장치와 실제 소화는 항상 일치하지는 않아요.

돌아가는 곳: 약 10¹¹ FLOPS 대략 확산과 방출 방정식을 푸는 데스크톱 워크스테이션처음 등장: 1961 히구치의 고체 기질에서의 약물 방출 수학 모델

백신 항원 설계

병원체 단백질의 표면을 원자 수준으로 시뮬레이션해서, 면역계가 가장 잘 알아보고 기억할 모양을 찾거나 설계해요.

답하는 질문: 이 병원체의 어느 부분이 백신의 가장 좋은 표적일까?

빠진 것: 화면에서는 좋은 표적처럼 보이는 모양도 실제 면역계에서 작동해야 해요.

돌아가는 곳: 약 10¹⁵ FLOPS 대략 후보 항원의 원자 시뮬레이션을 돌리는 대학 클러스터처음 등장: 2013 안정화한 호흡기 바이러스 항원의 구조 기반 설계

폐루프 당뇨 제어 인실리코

제1형 당뇨병을 가진 가상 인구에 식사와 포도당-인슐린 동역학을 넣어, 사람 대상 시험 전에 투여 제어 알고리즘을 시험해요.

답하는 질문: 이 제어 알고리즘은 아주 다양한 사람들에게서 혈당을 안전하게 유지할까?

빠진 것: 스트레스, 질병, 센서 고장 같은 실제 행동은 일부만 담겨 있어요.

돌아가는 곳: 약 10⁹ FLOPS 대략 노트북으로 수백 명을 대상으로 한 가상의 긴 하루 시뮬레이션.처음 등장: 2009 Kovatchev and colleagues, in silico preclinical trials of closed-loop control of type 1 diabetes. 출처