< (왼쪽부터) 화학과 김우연 교수, 정원호 박사과정, 김형우 박사과정 >
최근 자연어나 이미지, 동영상, 음악 등 다양한 분야에서 주목받는 생성형 AI가 신약 설계 분야에서도 기존 신규성 문제를 극복하고 새로운 혁신을 일으키고 있다고 하는데 어떤 기술일까?
우리 대학 화학과 김우연 교수 연구팀이 단백질-분자 사이의 상호작용을 고려해 활성 데이터 없이도 타겟 단백질에 적합한 약물 설계 생성형 AI를 개발했다고 18일 밝혔다.
신규 약물을 발굴하기 위해서는 질병의 원인이 되는 타겟 단백질에 특이적으로 결합하는 분자를 찾는 것이 중요하다. 기존의 약물 설계 생성형 AI는 특정 단백질의 이미 알려진 활성 데이터를 학습에 활용하기 때문에 기존 약물과 유사한 약물을 설계하려는 경향이 있다. 이는 신규성이 중요한 신약 개발 분야에서 치명적인 약점으로 지적되어 왔다. 또한 사업성이 높은 계열 내 최초(First-in-class) 타겟 단백질에 대해서는 실험 데이터가 매우 적거나 전무한데, 이 경우 기존 방식의 생성형 AI를 활용하는 것이 불가능하다.
연구팀은 이런 데이터 의존성 문제를 극복하기 위해 단백질 구조 정보만으로 분자를 설계하는 기술 개발에 주목했다. 타겟 단백질의 약물 결합 부위에 대한 3차원 구조 정보를 주형처럼 활용해 해당 결합 부위에 꼭 맞는 분자를 주조하듯 설계하는 것이다. 마치 자물쇠에 딱 맞는 열쇠를 설계하는 것과 같은 이치다.
또한 기존 단백질 구조 기반 3차원 생성형 AI 모델들은 신규 단백질에 대해 설계한 분자들의 안정성과 결합력이 떨어지는 등 낮은 일반화 성능을 개선하기 위해서 연구팀은 신규 단백질에 대해서도 안정적으로 결합할 수 있는 분자를 설계할 수 있는 기술을 개발하는 데 초점을 뒀다.
연구팀은 설계한 분자가 단백질과 안정적으로 결합하기 위해서는 단백질-분자 간 상호작용 패턴이 핵심 역할을 하는 것에 착안했다. 연구팀은 생성형 AI가 이러한 상호작용 패턴을 학습하고, 분자 설계에 직접 활용할 수 있도록 모델을 설계하고 재현할 수 있도록 학습시켰다.
기존 단백질 구조 기반 생성형 AI 모델들은 부족한 학습 데이터를 보완하기 위해 10만~1,000만 개의 가상 데이터를 활용하는 반면, 이번 연구에서 개발한 모델의 장점은 수천 개의 실제 실험 구조만을 학습해도 월등히 높은 성능을 발휘한다는 것이다. 이는 자연에서 관찰되는 단백질-분자 상호작용 패턴을 사전 지식의 형태로 학습에 활용함으로써 적은 데이터만으로도 일반화 성능을 획기적으로 높인 것에 기인한다.
일례로 아시아인에 주로 발견되는 돌연변이 상피 성장인자 수용체(EGFR-mutant)*는 비소세포폐암의 주요 원인으로 알려져 있는데, 이를 타겟으로 하는 약물을 설계하기 위해서는 야생형(wild-type) 수용체**에 대한 높은 선택성을 고려하는 것이 필수적이다.
*상피 성장인자 수용체: 상피 성장인자 수용체:상피 성장인자 수용체는 상피 세포의 성장을 촉진하는 인자에 결합함으로써 활성화되는 막 단백질로, 이 수용체의 돌연변이로 인한 지나친 활성은 다양한 종양의 발생과 관련이 있다고 알려져 있음
**야생형 수형체: 야생형은 자연 상태에서 가장 흔하게 발견되는 유전자형 또는 표현형으로, 유전자나 생체 분자 등의 변이가 없는 정상적인 상태를 말함
< 그림 1. 본 연구진이 개발한 단백질-분자 상호작용 패턴 기반 3차원 생성형 AI의 개념도. (a) 첫 번째 단계에서는 타겟 단백질의 결합 부위를 분석하여 가능한 상호작용 패턴을 규명한다. (b) 두 번째 단계에서 AI는 미리 지정한 상호작용 패턴에 따라 단백질 결합 부위의 3차원 공간 내부에 원자를 순차적으로 추가함으로써 분자를 완성한다. 원 안의 문자는 다음과 같은 상호작용 유형을 나타낸다: 수소 결합(H), 소수성 상호작용(D), 이온 결합(S) 및 파이 겹침(π) >
연구진은 생성형 AI를 통해 돌연변이가 일어난 아미노산에 특이적인 상호작용을 유도해 분자를 설계했고, 그 결과 생성된 분자의 23%가 이론상으로 100배 이상의 선택성을 가지는 것으로 예측됐다. 이와 같은 상호작용 패턴에 기반한 생성형 AI는 인산화효소 저해제(kinase inhibitor)* 등과 같이 약물 설계에 있어 선택성이 중요한 상황에서 더욱 효과적으로 활용될 수 있다.
*인산화효소 저해제: 단백질의 인산화를 촉진하는 효소로, 일반적으로 아데노신 삼인산(ATP)으로부터 인산기를 단백질의 특정 잔기에 전달함. 인산화효소는 세포 내 신호전달 네트워크의 핵심 조절자로서, 다양한 질병의 기전에 관여하여 약물 개발의 표적으로 여겨지고 있음. 이를 위해 인산화효소에 결합하여 활성을 억제하는 목적을 가지는 분자를 인산화효소 저해제라 함
제1 저자로 참여한 화학과 정원호 박사과정 학생은 “사전 지식을 인공지능 모델에 사용하는 전략은 상대적으로 데이터가 적은 과학 분야에서 적극적으로 사용되어 왔다”며 “이번 연구에서 사용한 분자 간 상호작용 정보는 약물 분자뿐 아니라 다양한 생체 분자를 다루는 바이오 분야의 문제에도 유용하게 적용될 수 있을 것”이라고 말했다.
한국연구재단의 지원을 받아 수행된 이번 연구는 국제 학술지 ‘네이처 커뮤니케이션즈(Nature Communications) (IF=16.6)’ 2024년 3월 15호에 게재됐다. (논문명: 3D molecular generative framework for interaction-guided drug design, 논문 링크: https://www.nature.com/articles/s41467-024-47011-2)
최근 크리스퍼(유전자 가위) 기술을 활용한 유전자 교정 치료제 연구가 활발하다. 기존 화학적 항암치료제와는 달리 크리스퍼 기술 기반 유전자 교정 치료제는 질병 표적 유전자를 영구적으로 교정할 수 있어 암 및 유전 질환 치료제로 각광받고 있지만, 생체 내에서 암 조직으로 낮은 전달 효율과 낮은 효능으로 어려움을 겪고 있다. 우리 대학 생명과학과 정현정 교수 연구팀이 크리스퍼 기반 표적 치료제로 항체를 이용한 크리스퍼 단백질을 생체 내 표적 조직에 특이적으로 전달하는 항암 신약을 개발해 암세포 선택적 유전자 교정 및 항암 효능을 보였다고 8일 밝혔다. 유전자 치료에 사용하는 바이러스 기반 전달 방법은 인체 내 면역 부작용, 발암성 등 한계점을 가지고 있다. 이에 선호되는 비 바이러스성 전달 방법으로 단백질 기반의 크리스퍼 기술 전달은 본래의 표적과는 다른 분자를 저해 혹은 활성화하는 효과를 가져오는 오프타깃 효과가 최소화되며 보다 높은 안전성으로 치료제로서 개발이 적합하다.
2024-04-08자연에 풍부한 탄화수소를 원료로 페니실린 등 항생제를 합성할 수 있는 새로운 촉매가 나왔다. 우리 대학 화학과 장석복 특훈교수(기초과학연구원 (IBS) 분자활성 촉매반응 연구단장) 연구팀은 서상원 전(前) 기초과학연구원 차세대 연구 리더(現 DGIST 화학물리학과 교수)와의 협업으로 경제적인 니켈 기반 촉매를 이용해 탄화수소로부터 항생제 원료물질인 ‘카이랄 베타-락탐’을 합성하는 화학반응을 개발했다. 1928년 영국의 생물학자인 알렉산더 플레밍은 푸른곰팡이에서 인류 최초의 항생제인 페니실린을 발견했다. 이후 1945년 영국 화학자 도로시 호지킨이 베타-락탐으로 불리는 고리 화합물이 페니실린을 구성하는 주요 구조임을 밝혀냈다. 베타-락탐은 탄소 원자 3개와 질소 원자 1개로 이루어진 고리 구조(4원환 구조)로 페니실린 외에도 카바페넴, 세팔렉신과 같은 주요 항생제의 골격이기도 하다. 페니실린 구조 규명 덕분에 인류는 베타-락탐 계열의 항생제를 화학적으로 합
2023-08-25우리 대학 화학과 박희성 교수 연구팀이 질병을 유발하는 다양한 바이오마커들에 맞추어 재단하듯이 디자인이 가능한 고리형 펩타이드*기반 신약 발굴 플랫폼 기술을 개발했다고 21일 밝혔다. *고리형 펩타이드: 기본 선형으로 이루어진 펩타이드를 약리 효과를 높일수 있도록 고리형태의 구조로 만들어진 아미노산 중합체를 지칭함 고리형 펩타이드는 낮은 독성과 뛰어난 약리 활성으로 인해 많은 주목을 받아왔지만 자유롭게 디자인하고 제조하기가 어려워 실제 신약 개발에 활용되기 어려운 단점이 있었다. 박 교수팀은 암을 포함한 다양한 질병들에 대한 치료제 후보물질 발굴에 매우 유용하게 활용될 수 있도록 이러한 고리형 펩타이드의 맞춤형 디자인을 가능하게 하는 신약 발굴 플랫폼 기술을 개발하는데 성공하였다. 우리 몸의 세포에서 만들어지는 단백질들은 다양한 변형을 통해 기능과 활성이 조절되며 이러한 변형은 생체 내에서 세포 신호 전달 등 우리 몸의 정상적인 신진대사 활동을 조절하는 매우 중요
2023-02-21㈜엔지노믹스(대표 서연수)가 24억 원의 발전기금을 우리 대학에 약정했다. ㈜엔지노믹스는 연구용 효소 개발 및 생산하는 바이오기업으로 2007년 설립됐다. 서연수 KAIST 생명과학과 교수가 최고기술경영자(CTO)를 역임한 뒤 지난해부터 대표를 맡고 있다. 발전재단 관계자는 "㈜엔지노믹스는 2015년부터 올해까지 우수한 박사학위논문을 발표한 학생들을 위한 장학금을 매년 기부해 온 기업"이라고 설명했다. 이어, "이번에는 ㈜엔지노믹스가 생명과학과와 향후 신약 개발을 위한 연구 협력을 추진하고 학과의 부족한 연구 공간을 증축하는 데 보탬이 되기 위해 거액의 발전기금을 쾌척했다"라고 전했다.이번 기부금은 생명과학과 건물 증축(가칭 바이오신약센터)기금으로 전액 사용된다. 2026년 상반기 준공 목표인 바이오신약센터는 교원 연구공간 및 학생 교육 공간 확보, 첨단 연구 장비 및 신약 연구시설 집적화, 행정·기술지원 시설 보강 등을 위해 건립을 추진 중이다. 14일
2022-10-14한성손재한장학회(이사장 손명아)와 한성과학상 심사위원회는 우리 대학 생명화학공학과 정유성 교수를 제4회 한성과학상 화학분야 수상자로 선정했다고 24일 밝혔다. 정유성 교수는 신물질 발견과 그 합성 가능성을 알고리즘이 학습을 통해 예측하는 인공지능 (AI) 역설계 기법을 독자적으로 개발함으로써, 데이터 기반의 소재 및 분자 설계의 새로운 연구 방향을 제시하였다. 기존의 신물질 발견 과정은 전문가의 직관이나 실험적 시행착오를 통해 후보 물질을 제시하고 합성한 후 물성을 측정함으로써 응용 목적에 맞는 후보 물질을 발굴하는 직접 설계 방법이 주를 이루었으나, 많은 시간이 소요되거나 전문가의 직관에서 벗어나는 획기적인 물질의 발견이 더뎠다. 정유성 교수가 독창적으로 구현한 AI 소재 역설계 기법은, 원하는 물성을 갖는 결정구조를 전문가의 직관이나 편견 없이 데이터와 인공지능 알고리즘을 통하여 역으로 찾는 방법으로 신 물질 발견의 시간을 크게 줄여주었고, 화합물의 합성 가능성을 실험
2021-06-30