최적의 약물 후보를 자동으로 설계하는 인공지능 모델이 국내에서 개발됐다.
이 모델을 이용하면 보다 빠르고, 정확한 신약 개발이 가능해질 것으로 기대된다.
KAIST는 화학과 김우연 교수 연구팀이 이 같은 기능의 인공지능(AI) 모델 'BInD'를 개발했다고 10일 밝혔다.
BInD의 핵심은 '동시 설계'다.
결합하는 약물 후보 분자의 사전정보 없이 단백질의 구조만으로 약물 후보 분자와 결합 방식(비공유 결합성 상호작용)을 동시 설계해 최적화할 수 있다.
기존 AI 모델이 분자만 만들거나 만들어진 분자와 단백질의 결합 여부만 따로 평가할 수 있었다면, BInD는 분자와 단백질 사이의 결합 방식까지 함께 고려해 한 번에 설계가 가능하다.
또 단백질과 결합할 때 중요 요소를 미리 반영, 효과적이며 안정적인 분자를 만들어낼 확률이 높다.
이러한 생성과정은 단백질의 표적 부위에 맞춰 원자의 종류와 위치, 공유결합과 상호작용을 하나의 생성 과정에서 동시에 만들어내는 과정을 시각적으로 나타낸다.
신약을 설계할 때 필수로 고려해야 할 분자의 안정성·물성·구조의 자연스러움 등 복수의 요소를 동시에 충족하도록 설계한 것도 BInD의 장점이다.
기존에는 1~2가지 목표에 집중해 다른 조건을 희생하는 경우가 많았지만 BInD는 다양한 조건을 균형 있게 반영해 실용성을 크게 높였다.
BInD는 무작위 상태에서 점차 정교한 구조를 그려가는 방식인 '확산 모델'을 기반으로 작동한다.
확산 모델은 지난해 노벨 화학상을 받은 '알파폴드3'의 단백질-약물 구조 생성에서 활용돼 높은 효율성을 입증한 모델이다.
여기에 더해 연구팀은 '결합 길이'나 '단백질-분자 간 거리' 등 실제 화학 법칙에 맞는 기준을 알려주는 지식 기반 가이드를 BInD에 반영해 생성된 구조가 보다 현실적인 결과를 도출할 수 있게 했다.
원자가 공간상 어디에 있어야 하는지 좌표를 찍어주는 데 방점을 둔 알파폴드3와 구별되는 지점이다.
연구팀은 한 번 만든 결과 중에서 뛰어난 결합 패턴을 찾아 다시 활용하는 최적화 전략도 적용했다.
이를 통해 추가 학습 없이도 뛰어난 약물 후보를 만들어낼 수 있었고, 특히 암 관련 표적 단백질(EGFR)의 돌연변이에 선택적으로 작용하는 분자를 생성하는 데 성공하는 성과를 거뒀다.
이번 연구는 연구팀이 앞서 발표한 '단백질에 어떤 분자가 어떻게 결합하는지'에 대한 조건을 입력해야만 했던 기존 AI를 한 단계 더 발전시켰다는 점에서도 의미를 갖는다.
김우연 교수는 "연구팀이 개발한 AI 'BInD'는 표적 단백질에 결합하는 핵심 요소를 스스로 학습하고 이해해 사전 정보 없이도 상호작용 하는 최적의 약물 후보(분자)를 설계할 수 있다"며 "이는 신약 개발의 패러다임을 새롭게 정립, 보다 빠르고 정확하게 신약을 개발하는 데 기여할 것으로 기대한다"고 말했다.
한편 한국연구재단과 보건복지부의 지원을 받아 수행한 이번 연구는 KAIST 화학과 이중원·정원호 박사과정 학생이 공동 제1 저자로 참여했다.
연구 결과(논문)는 지난달 11일 국제학술지 '어드밴스드 사이언스(Advanced Science)'를 통해서도 소개됐다.
대전=정일웅 기자 jiw3061@asiae.co.kr
<ⓒ투자가를 위한 경제콘텐츠 플랫폼, 아시아경제 무단전재 배포금지>
