예측 점수가 높은 분자를 찾았다. 이제 이 분자를 실험해 보면 될까? 신약 연구에서 어려운 질문은 모델을 실행한 뒤에 시작된다. 어떤 실험에서 얻은 숫자인지, 처음 보는 분자에도 예측이 통하는지, 몸속에서 약물로 작용하려면 무엇이 더 필요한지 살펴야 한다. 좋은 후보 목록에는 순위뿐 아니라 그 순서를 정한 이유가 담겨야 한다.

약이 될 분자를 찾아라는 공개 데이터와 무료 도구로 하나의 저분자 신약개발 프로젝트를 따라가는 책이다. 연구원 민수와 함께 EGFR을 표적으로 삼고, 활성 자료를 읽고 정리하는 일에서 출발한다. 분자 구조를 컴퓨터가 다룰 수 있는 표현으로 바꾸고, 간단한 모델을 만들며, 예측 결과를 새 분자 앞에서 검증한다. 이어 단백질 구조와 결합의 맥락, 물성과 ADMET, 안전성에 관한 근거를 살펴 후보의 우선순위를 세운다.

이 책은 생물학과 화학을 배웠지만 Python과 데이터 분석은 이제 시작하는 독자를 염두에 두었다. 세포의 신호가 왜 연구 질문이 되는지, 실험에서 측정한 값이 어떻게 데이터가 되는지부터 설명한다. 개념을 보여 주는 일러스트와 작은 실습, 영문 코드가 이어지고, 앞 장에서 만든 자료는 뒤 장의 판단에 다시 쓰인다. 신약개발 과정에서 계산이 맡는 일과 실험으로 확인해야 할 일을 함께 이해하도록 구성했다.

마지막에 남기는 것은 높은 점수 하나가 아니다. 어떤 후보를 먼저 확인할지, 선택의 근거가 무엇인지, 다음 실험이 어떤 빈칸을 채울지를 설명하는 제안이다. 책을 덮은 뒤 독자가 자신의 후보 목록을 놓고 “왜 이 분자인가?”라는 질문에 답할 수 있기를 바란다.