생성형 AI로 혁신적 신약 개발 가능성 열어
KAIST의 김우연 교수 연구팀이 새로운 형태의 생성형 AI를 활용해 획기적인 신약 설계 기술을 개발했다. 이 기술은 기존의 데이터 의존적인 한계를 극복하고, 신약 개발 분야에서 필수적인 신규성을 크게 향상시키는 데 성공했다.
전통적인 생성형 AI 기술은 이미 알려진 단백질의 활성 데이터를 바탕으로 학습하여 약물을 설계하는 방식이었다. 이 방법은 기존 약물과 유사한 새 약물을 만드는 경향이 있어, 신약 개발에서 요구되는 신규성을 달성하기 어려웠다. 특히, 실험 데이터가 거의 없는 새로운 타입의 단백질(First-in-class)에 대해서는 이 방식을 적용하기가 힘들었다.
이에 대한 해결책으로, 김 교수 연구팀은 단백질의 3차원 구조 정보를 활용하여 타겟 단백질의 약물 결합 부위에 꼭 맞는 분자를 '주조'하는 방식을 개발했다. 이 기법은 마치 자물쇠에 딱 맞는 열쇠를 제작하는 것과 유사하다.
연구팀은 이 새로운 AI 기술을 사용하여 단백질과 안정적으로 결합할 수 있는 분자 설계에 집중했다. 특히, 자연에서 관찰되는 단백질-분자 간의 상호작용 패턴을 사전 지식으로 학습하여 이를 설계에 적용함으로써, 필요한 실험 데이터의 양을 대폭 줄일 수 있었다. 이 접근법은 몇 천 개의 실제 실험 구조만으로도 뛰어난 일반화 성능을 보여주는 결과를 낳았다.
한 예로, 비소세포폐암의 주요 원인인 돌연변이 상피 성장인자 수용체(EGFR-mutant)를 타깃으로 하는 약물을 설계할 때, 이 기술을 통해 생성된 분자의 약 23%가 이론적으로 100배 이상의 선택성을 가질 것으로 예상됐다. 이는 특히 선택성이 중요한 약물 설계에 매우 유용하게 사용될 수 있다.
정원호 박사과정 학생은 “이번 연구에서 사용한 분자 간 상호작용 정보는 약물 분자뿐만 아니라 다양한 생체 분자를 다루는 바이오 분야에서도 큰 도움이 될 것”이라며, “상대적으로 데이터가 적은 과학 분야에서도 이 같은 사전 지식을 활용하는 전략이 적극적으로 사용될 수 있을 것”이라고 말했다.
헬로티 임근난 기자 |
