AI로 신약개발에 한걸음… GIST, AI 모델 개발

약물-표적 단백질 상호작용 실험결과 정확도 80%
기존 방법 대비 초기 약물 후보 발견까지 10~20배 성능 향상

GIST 생명과학부 김용철 교수 연구실과 GIST 화학과 안진희 교수 연구팀의 스크리닝 결과 AI 추천 화합물이 GPCR, Kinase 군에서 높은 초기 활성 물질 비율을 보여줬다. Ion Channel, Enzyme 군에서는 골격별 대표 화합물 라이브러리에 비해 10~20배 상승효과를 확인했다. 자료=GIST

신약개발때 인공지능이 초기 화합물 실험을 해줘 사람이 일일이 하지 않아도 되는 날이 가까워지고 있다.

GIST 전기전자컴퓨터공학부 남호정 교수 연구팀이 약물 개발의 초기 단계에서 표적 단백질이 약물과 실제 결합 여부를 판별하는 인공지능 모델을 개발했다.

연구팀은 기존에 실험적으로 수행되던 약물-표적 단백질 상호작용 판별을 합성곱 신경망 인공지능 모델을 이용해 예측했다.

연구팀이 2만4000개 이상의 약물-표적 단백질 데이터를 시험한 결과 약 80%의 정확도를 보여줬다. 또한, 합성곱 신경망의 결과를 해석해 추출된 지역 서열 패턴이 실제로 약물-표적 단백질 상호작용에 관련하는 부분임을 확인할 수 있었다.

합성곱 신경망이란 인간의 신경망을 본 뜬 딥러닝 기술 중 하나로 이미지 인식과 음성 인식 등 다양한 곳에 사용되고 있다.

현재 남호정 교수와 과학기술정보통신부 '인공지능 기반 신약개발 플랫폼 구축'과제를 공동으로 수행하고 있는 GIST 생명과학부 김용철 교수와 GIST 화학과 안진희 교수는 해당 인공지능 모델을 통하여 제시된 화합물에 대하여 실제 스크리닝 실험을 진행했다. 그 결과 키나아제(kinase), 이온 통로(ion channel), G-단백질 결합 수용체 등의 단백질 군에서의 초기 활성 물질의 비율이 10~20배의 상승하는 효과를 확인했다.

현재 개발된 인공지능 모델은 한국화학연구원 연구진과 공동 개발 중인 신약개발 플랫폼에 공식 탑재될 예정이며, 특정 단백질에 대한 상호작용 판별을 화합물은행 화합물에 적용해 올해 말 서비스를 시작할 계획이다.

연구성과는 생명정보학의 저명 학술지 PLoS Computational Biology에 14일 온라인판에 게재됐다.

약물 개발의 초기 단계에서 질병에 관여한다고 생각되는 표적 단백질이 선정된 후, 표적 단백질과 상호작용하는 화합물을 선별하게 된다. 실험적으로 수행되는 약물-표적 단백질 상호작용의 판별은 많은 시간과 비용을 소모한다. 또한, 실험적인 약물-표적 단백질 상호작용의 판별은 주어진 화합물 라이브러리내에서 무작위 화합물에 대해 수행되기 때문에 실제 상호작용하는 화합물이 선별되는 비율은 매우 낮은 편이다.

약물과의 상호작용에서 단백질의 모든 서열이 관여하지는 않는다.

그러나 기존에 단백질을 표현하는 컴퓨터 모델들은 단백질의 모든 서열과 그에 기반한 물리-화학적 속성을 이용했다. 따라서 이번 연구에서는
합성곱 신경망을 사용해 약물과 상호작용하는 지역적인 서열 패턴을 추출하고, 이를 약물-표적 단백질 상호작용의 예측에 이용했다.

남호정 교수는 "이번 연구는 기존의 무작위 스크리닝방식이 아닌 인공지능을 통해 예측된 후보군에 대해 실험을 수행하면 약물 개발의 시간적 비용적 효율성을 크게 높일 수 있을 것"이라고 말했다.

[e-mail] 김만기 기자