아주대병원은 방사선종양학과 허재성 교수팀과 중앙대 이윤지·백준기 교수팀이 신약 후보 물질의 간 대사 안정성을 정밀 예측하는 인공지능(AI) 모델 'MetaboGNN'을 개발했다고 20일 밝혔다.
연구팀은 분자 구조를 그래프로 해석하는 그래프 신경망(GNN)에 그래프 대조학습(GCL)을 결합해 실험 없이도 간 대사 안정성을 예측하는 모델을 구축했다. 특히 사람(HLM·human liver microsome)과 생쥐(MLM·mouse liver microsome) 데이터를 동시에 학습시켜 종간(interspecies) 대사 차이를 모델에 반영한 것이 특징이다.
'2023 대한민국 신약개발 데이터 챌린지'의 간 미소체 3981건으로 학습한 결과, MetaboGNN은 기존 모델 대비 예측 오차를 크게 줄였다. RMSE는 HLM 27.91, MLM 27.86, 분류 성능은 AUROC 0.81, MCC 0.47을 기록했다. 연구팀은 HLM-MLM 차이를 독립 학습 목표로 통합한 설계를 성능 향상의 주된 요인으로 분석했다.
모델은 아민·아마이드·플루오린 치환기 등 안정성에 기여하는 구조와 메톡시페닐기·벤질릭 탄소 등 분해 촉진 가능 구조를 시각화해 제시한다. 이 같은 해석가능 AI(interpretable AI) 기능은 후보물질 구조 최적화 단계에서 바로 활용 가능한 설계 단서를 제공한다.
허재성 교수는 “MetaboGNN은 간 대사 예측의 정확도를 높이는 동시에 예측의 화학적 근거를 제시하는 해석 가능한 AI 모델”이라며 “신약 설계-검증 과정을 효율화하는 데 기여할 것”이라고 말했다.
성과는 국제학술지 Journal of Cheminformatics 2025년 9월호에 실렸다.
수원=김동성 기자 estar@etnews.com
