“천문학적 비용소요 신약개발” AI로 시간·비용 잡는다

[헤럴드경제=구본혁 기자] 막대한 비용과 시간이 소요되는 신약개발을 도울 인공지능(AI) 기술이 개발됐다.

광주과학기술원(GIST) 전기전자컴퓨터공학부 남호정 교수 연구팀은 단백질 서열 기반으로 약물과 표적 단백질의 결합지역 및 상호작용을 예측(HoTS)하는 인공지능 기술을 개발했다.

신약개발의 초기 단계인 후보 물질 발굴단계는 표적 단백질에 활성을 보이는 화합물을 찾아내는 단계로써, 수만⋅수십만 개의 화합물로부터 표적 단백질에 활성을 보이는 화합물을 찾아야 하는 힘겨운 과정이다.

이같은 상황을 해결하기 위해 다양한 약물-표적 단백질 상호작용 예측 인공지능 모델들이 개발됐지만, 좋은 예측 성능에도 불구하고 예측 결과에 대한 설명력이 부족했기 때문에 실제 신약 개발에서 적극적인 도입에 어려움을 겪어왔다.

연구팀이 개발한 모델인 HoTS는 약물-표적 단백질이 결합하는 부분을 사전학습한 후 예측하게 함으로써, 높은 예측 정확도와 함께 약물-표적 단백질 상호작용 예측의 근거도 함께 제시해 신약개발 연구자들에게 보다 신뢰할 수 있는 유효화합물 예측 결과를 제시해 줄 수 있게 됐다.

이 기술은 연구는 대규모의 단백질 3차원 구조 데이터베이스로부터 화합물과의 결합지역을 추출하여 CNN(Convolutional Neural Network)과 트랜스포머 기반의 딥러닝 모델로 단백질 서열상의 결합지역을 예측할 수 있도록 학습됐다.

결합지역을 학습한 후, 해당 학습을 기반으로 더 많은 트랜스포머 계층을 통해 약물-표적 단백질 상호작용을 예측, 그 결과 딥러닝 모델이 결합지역과 함께 약물-표적 상호작용을 예측할 수 있다.

결과적으로 HoTS 모델은 다른 딥러닝 모델들보다 더 높은 예측력을 구현, 결합지역 예측도 단백질 서열 정보만을 사용함에도 불구하고 3차원 구조 기반의 타 예측 모델과 비슷한 수준의 성능을 확인했다.

남호정 교수는 “이번 연구성과는 신약 개발 단계 중 유효화합물 발굴의 효율성을 크게 높여주는 기술이며, 무엇보다 3차원 구조 정보가 없는 신규 표적 단백질에 대한 신약 개발의 가능성을 열어줬다는데 의의가 있다”면서 “향후 해당 모델을 통해 약 개발 단계에서의 빠르고 효율적인 유효화합물 발굴이 가능할 수 있을 것으로 기대된다”고 말했다.