'신약 디자인' 더 빠르게···지스트, AI플랫폼 개발

입력 2023.09.19. 16:18 이정민 기자

http://www.mdilbo.com/detail/G3XMjU/703187 URL복사

기존 화합물 생성 AI 연구의 문제점 극복
효과 증진…新 약물 구조 자동 생성 기대

지스트(광주과학기술원) 연구팀이 신규 약물 구조를 생성해주는 인공지능 모델을 개발했다.

지스트는 남호정 전기전자컴퓨터공학부 교수 연구팀이 신규 약물 구조 디자인을 위한 최적의 생성 분포 학습 기술(LOGICS·Learning optimal generative distribution for designing de novo chemical structures)을 개발했다고 19일 밝혔다.

이번 개발된 인공지능 모델은 특정 표적 단백질에 특화된 모델이 아닌 다양한 치료제 개발에 적용될 수 있도록 표적 단백질 정보를 쉽게 변경 가능하도록 설계됐다. 이에 지스트는 큰 장점이 있어 범용적인 약물 개발 시장에 적용될 수 있을 것으로 기대하고 있다.

연구팀은 기존의 전이 학습 모델의 문제점을 해결하기 위해 미세조정 단계에서 경험 기억 메모리(Experience memory)와 토너먼트 선택(Tournament selection)을 이용하는 방식을 고안해 생성모델이 더욱 다양한 화합물 구조를 탐색할 수 있는 훈련 알고리즘을 제안했다.

이번 연구는 실제 약물 분자로부터의 화학적 거리를 측정하는 지표인 FCD를 기준으로, 이전에 소개된 대표적인 신약 개발 플랫폼들(REINVENT, DrugEx 등)과 비교했을 때 우수한 성능(REINVENT의 32.7 FCD 대비 29.4 FCD로 향상된 성능 확인)을 보였고, 신규 화합물들이 실제 활성 약물과 더욱 유사한 속성을 가지고 있음을 검증했다.

연구팀이 개발한 인공지능 모델이 제시한 분자 구조를 분석한 결과, 약물 후보로 예측된 다수의 생성물이 기존의 데이터에 있는 분자와는 유사성이 낮은 신규 구조임이 규명됐다.

또한 기존 화합물의 주요 골격은 유지하되, 세부 구조의 변화를 통해 표적 활성도 및 표적 단백질과의 3차원 구조적 결합을 향상하는 약물 최적화 방식도 적용 가능할 것으로 확인됐다.

특히 생성형 인공지능 모델을 이용하는 신약 디자인 플랫폼으로, 약물의 효과를 최적화한 저분자 화합물 생성을 통해 신약 개발 시간을 획기적으로 단축하는 데 기여할 것으로 기대된다.

남호정 교수는 "이번 연구 성과는 기존 전이학습 모델의 문제점을 해결해 안정적인 학습을 유도할 수 있으며, 데이터가 한정된 상황에서도 고품질의 다양한 신규 분자 구조를 제안하는 것이 가능하다"며 "신약 개발 초기 단계에 적용해 후보물질 및 선도물질 발굴 과정을 획기적으로 단축하고 효율성을 높일 수 있을 것으로 기대한다"고 말했다.

한편, 남호정 교수가 지도하고 배봉성 석박통합과정생과 배해리 박사과정생이 수행한 이번 연구는 화학정보학 분야 저명 학술지 'Journal of Cheminformatics'에 지난 7일 온라인 게재됐다.

이정민기자 ljm7da@mdilbo.com

# 이건어때요??