[매일일보 윤성수 기자] GIST(지스트, 총장 김기선) 전기전자컴퓨터공학부 남호정 교수 연구팀이 약물 개발의 초기 단계에서 수행되는 약물-표적 단백질 상호작용 판별을 인공지능 모델로 수행하는 방법론을 제시하였다.
연구팀은 기존에 실험적으로 수행되던 약물-표적 단백질 상호작용 판별을 합성곱 신경망 인공지능 모델을 이용하여 예측했다.
약물 개발의 초기 단계에서 질병에 관여한다고 생각되는 표적 단백질이 선정된 후, 표적 단백질과 상호작용하는 화합물을 선별하게 된다. 실험적으로 수행되는 약물-표적 단백질 상호작용의 판별은 많은 시간과 비용을 소모한다. 또한, 실험적인 약물-표적 단백질 상호작용의 판별은 주어진 화합물 라이브러리내*에서 무작위 화합물에 대하여 수행되기 때문에 실제 상호작용하는 화합물이 선별되는 비율은 매우 낮은 편이다.
약물과의 상호작용에서 단백질의 모든 서열이 관여하지는 않는다. 그러나 기존에 단백질을 표현하는 컴퓨터 모델들은 단백질의 모든 서열과 그에 기반한 물리-화학적 속성을 이용하였다. 따라서 본 연구에서는 합성곱 신경망(Convolutional Neutral Network, CNN)* 을 사용하여 약물과 상호작용하는 지역적인 서열 패턴을 추출하고, 이를 약물-표적 단백질 상호작용의 예측에 이용하였다.
24,000개 이상의 약물-표적 단백질 데이터를 시험한 결과 약 80%의 정확도를 보여주었다. 또한, 합성곱 신경망의 결과를 해석하여 추출된 지역 서열 패턴이 실제로 약물-표적 단백질 상호작용에 관련하는 부분임을 확인할 수 있었다.
현재 남호정 교수와 과학기술정보통신부‘인공지능 기반 신약개발 플랫폼 구축’과제를 공동으로 수행하고 있는 GIST 생명과학부 김용철 교수와 GIST 화학과 안진희 교수는 해당 인공지능 모델을 통하여 제시된 화합물에 대하여 실제 스크리닝 실험을 수행하였으며, 그 결과 키나아제(kinase), 이온 통로(ion channel), G-단백질 결합 수용체(G-protein coupled receptor, GPCR) 등의 단백질 군에서의 hit*의 비율이 10~20배의 상승하는 효과를 확인하였다.
남교수는 “이번 연구는 약물 개발의 초기 단계에서 수행되는 약물-표적 상호작용 판별을 인공지능을 이용하여 수행한 것”이라며, “기존의 무작위 스크리닝방식이 아닌 인공지능을 통해 예측된 후보군에 대하여 실험을 수행하면 약물 개발의 시간적 비용적 효율성을 크게 제고할 수 있을 것이다”라고 말했다.
현재 개발된 인공지능 모델은 한국화학연구원 연구진(김동욱 책임)과 공동 개발 중인 신약개발 플랫폼에 공식 탑재될 예정이며, 특정 단백질에 대한 상호작용 판별을 화합물은행 화합물에 적용하여 올해 말 서비스를 시작할 계획이다.
