신약 후보물질 발굴, AI로 더 빠르게

2019.06.18 17:02
연구를 주도한 남호정 GIST 전기전자컴퓨터공학부 교수(왼쪽)와 공동제1저자 이인구 연구원. 사진제공 GIST
연구를 주도한 남호정 GIST 전기전자컴퓨터공학부 교수(왼쪽)와 공동제1저자 이인구 연구원. 사진제공 GIST

신약 개발 초기 단계에서 가장 중요한 과정 중 하나는 표적 단백질을 선정한 뒤 이 단백질과 결합하는 후보 약물을 선정하는 과정이다. 보통 약물과 단백질이 결합하는지를 실험을 통해 일일이 확인한다. 무작위 실험을 해야 하는데다 시간과 비용이 많이 들어 신약 개발을 어렵게 만드는 요인으로 꼽힌다. 국내 연구팀이 인공지능(AI)을 이용해 이 과정의 시간과 절차를 획기적으로 줄일 수 있는 방법을 개발했다.


광주과학기술원(GIST)은 남호정 전기전자컴퓨터공학부 교수와 이인구, 금종수 연구원팀이 약물 개발 초기 단계에 AI를 도입해 약물과 표적 단백질의 상호작용을 빠르게 확인하는 방법을 개발했다고 18일 밝혔다. 연구 결과는 생명정보학 분야 국제학술지 ‘플로스 계산생물학’ 14일자에 발표됐다.


남 교수팀은 약물과 상호작용하는 단백질의 서열을 추출하는 데 인공신경망의 일종인 합성곱신경망(CNN)을 이용했다. 단백질은 수백~수천 개의 아미노산으로 구성되며, 이 아미노산이 구부러져 3차원 구조를 가진다. 후보 약물은 이런 3차원 구조의 일부와 반응하는데 기존에는 단백질과 결합하는 약물을 찾기 위해 단백질을 구성하는 아미노산 서열 전체를 탐색해 효율성이 낮았다.


연구팀은 2만 4000개 이상의 약물-표적 단백질 데이터를 시험해 약 80%의 정확도로 실제 결합도를 예측할 수 있음을 확인했다. CNN을 이용해 추출한 아미노산 서열 패턴 역시 실제로 약물과 표적 단백질이 상호작용하는 부분임을 확인했다.

 

단백질 FKBP12과 MAPKAPK2을 대사응로 합성곱 신경망을 이용해 분석한  결과, 특정 지역(붉은색)에서 화합물이 더 잘 결합함을 알 수 있었다. 사진제공 GIST
단백질 FKBP12과 MAPKAPK2을 대사응로 합성곱 신경망을 이용해 분석한 결과, 특정 지역(붉은색)에서 화합물이 더 잘 결합함을 알 수 있었다. 사진제공 GIST

남 교수는 김용철 GIST 생명과학부 교수, 안진희 GIST 화학과 교수와 함께 AI가 찾은 후보 약물이 실제로 단백질과 상호작용이 강한지 실험으로 검증했다. 그 결과 키네이스(인산화효소), 이온통로, G 단백질 결합 수용체(GPCR) 등의 단백질군에서 결합을 잘 하는 약물후보를 발굴하는 효과가 10배(이온통로)~21배(효소) 상승한다는 사실을 확인했다. 남 교수는 “기존의 무작위 선별 방식에 비해 약물 개발 시간과 비용을 크게 줄일 수 있다는 뜻”이라고 의의를 말했다. 


연구팀이 개발한 AI 모델은 김동욱 한국화학연구원 책임연구원팀과 공동으로 개발중인 신약개발 플랫폼에 공식 탑재할 예정이며 올해 말 서비스를 시작할 계획이다.
 

메일로 더 많은 기사를 받아보세요!

댓글 0

작성하기

    의견쓰기 폼
    0/150