광주과학기술원(GIST·총장 김기선)은 남호정 전기전자컴퓨터공학부 교수팀이 단백질 서열 기반으로 약물과 표적 단백질의 결합지역 및 상호작용을 예측(HoTS) 하는 인공지능(AI) 기술을 개발했다고 21일 밝혔다.
신약개발 후보 물질 발굴단계는 표적 단백질에 활성을 보이는 화합물을 찾아내는 초기 과정으로 수만-수십만개 화합물로부터 표적 단백질에 활성을 보이는 화합물을 찾아야 하는 힘겨움의 연속이다. 이러한 상황을 해결하기 위해 다양한 약물-표적 단백질 상호작용 예측 AI 모델이 개발됐다. 하지만 좋은 예측 성능에도 불구, 예측 결과에 대한 설명력이 부족해 실제 신약 개발에서 적극적으로 도입하지 않고 있다.
남 교수팀이 개발한 모델인 HoTS는 약물-표적 단백질이 결합하는 부분을 사전 학습한 뒤 예측함으로써 높은 정확도와 함께 약물-표적 단백질 상호작용 예측의 근거도 함께 제시한다. 신약개발 연구자에게 보다 신뢰할 수 있는 유효화합물 예측 결과를 제시해 줄 수 있다.
이번 연구는 대규모 단백질 3차원 구조 데이터베이스로부터 화합물과의 결합지역을 추출하여 합성곱 신경망(CNN)과 트랜스포머 기반 딥러닝 모델로 단백질 서열상의 결합지역을 예측할 수 있도록 학습됐다. 결합지역을 학습한 뒤 해당 학습을 기반으로 더 많은 트랜스포머 계층을 통해 약물-표적 단백질 상호작용을 예측할 수 있으며 딥러닝 모델이 결합지역과 함께 약물-표적 상호작용을 예측할 수 있게 됐다.
연구팀은 HoTS 모델이 다른 딥러닝 모델보다 더 높은 예측력을 보여줬으며 결합지역 예측도 단백질 서열 정보만을 사용함에도 불구, 3차원 구조 기반 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.
남 교수는 “천문학적 시간과 비용이 필요한 신약 개발 산업은 AI 기술을 활용해 혁명적 변화를 이끌 수 있는 산업으로 주목받고 있다”며 “AI 이용해 신약 후보물질 탐색 시간을 단축함으로써 결과적으로 신약개발에 소요 기간과 비용을 획기적으로 줄일 수 있을 것”이라고 강조했다.
남 교수팀이 수행한 이번 연구는 '설명가능 AI 기반 약물 후보의 독성 및 부작용 예측 시스템 개발'(한국연구재단 중견연구자지원사업), '지스트-전남대학교병원 공동연구과제', 'GRI(GIST 연구원) 생명노화연구소' 사업 지원으로 이뤄졌다. 연구결과는 '화학정보학 저널' 온라인에 최근 게재됐다.
광주=김한식기자 hskim@etnews.com
