%ec%9d%b4%ea%b4%80%ec%88%98
-
‘알파폴드 한계’ 넘었다…약물 작동까지 예측한다
우리 몸의 단백질은 스위치처럼 작동한다. 약물이 단백질에 결합하면 결합 부위 구조가 변하고, 그 변화가 단백질 전체로 전달돼 기능이 켜지거나 꺼진다. 구글 딥마인드의 알파폴드3는 약물-단백질 결합 여부와 결합 부위의 3차원 구조를 예측하는 데 성공했지만, 약물이 결합한 뒤 단백질 내부에서 어떻게 신호를 전달하고 단백질 전체 구조를 바꿔서 실제로 단백질의 기능을 활성화하거나 억제하는지까지는 예측하지 못했다. 우리 대학 연구진이 약물이 ‘붙는지’가 아니라 ‘실제로 작동하는지’까지 예측하는 AI를 개발했다.
우리 대학은 바이오및뇌공학과 이관수 교수 연구팀이 대표적인 신약 표적인 G-단백질 결합 수용체(GPCR)에 대해, 후보 물질이 단순히 결합하는지를 넘어 실제로 단백질을 활성화하는지까지 예측하는 인공지능 모델 ‘GPCRact(지피씨알액트)’를 개발했다고 8일 밝혔다.
GPCR(G-Protein Coupled Receptor)은 세포 표면에 있는‘신호 수신기’역할을 한다. 호르몬이나 신경전달물질, 약물이 세포 밖에서 신호를 보내면 이를 받아 세포 안으로 전달하는 문(게이트) 역할을 한다. 인체에는 약 800여 종의 GPCR이 존재하며, 현재 시판 약물의 약 30~40%가 이를 표적으로 한다. 심장 박동, 혈압 조절, 통증 감지, 면역 반응, 감정 조절 등 다양한 생리 기능에 관여하는 핵심 단백질이다.
하지만 약물이 GPCR에 결합했다고 해서 항상 원하는 기능이 작동하는 것은 아니다. 결합 이후 단백질 내부에서 일어나는 구조 변화와 신호 전달 과정이 실제 작용 여부를 결정한다. 이를 ‘알로스테릭 신호 전파’라고 한다.
연구팀은 약물 작용 과정을 ① 약물-표적 결합 단계 ② 단백질 내부 신호 전파 단계로 나누어 AI가 단계적으로 학습하도록 설계했다. 단백질의 3차원 구조를 원자 수준 그래프로 표현하고, 중요한 신호 전파 경로를 학습할 수 있도록‘어텐션 메커니즘’을 적용했다. 이를 통해 AI가 약물 결합 신호와 함께 단백질 내부 신호 전파 경로를 파악하여 단백질의 활성을 예측하도록 했다.
그 결과, 기존 모델이 어려워했던 복잡한 구조의 단백질에서도 약물 활성 예측 성능을 크게 향상시켰다. 이번 모델은 단순히 ‘활성’ 또는 ‘비활성’결과만 제시하지 않는다. 예측의 근거가 되는 단백질 내부 핵심 신호 경로를 제시해, 이른바 ‘블랙박스 AI’의 한계를 극복했다.
이는 연구자가 결과를 해석하고 검증할 수 있게 해 신약 개발의 신뢰성과 효율성을 동시에 높일 수 있는 중요한 진전이다. 앞으로 GPCR을 표적으로 하는 다양한 질병에서, 약물의 결합 여부뿐 아니라 실제 활성 여부까지 예측하는 정밀 신약 개발 AI 플랫폼으로 활용될 전망이다.
이관수 교수는 “알로스테릭 구조 변화는 약물이 단백질의 한 부분에 결합했을 때 그 영향이 내부로 전달돼 다른 부위의 기능까지 바뀌는 현상”이라며 “이 작동 원리를 딥러닝에 반영한 것이 이번 연구의 핵심”이라고 밝혔다. 이어 “앞으로 다양한 단백질로 확장하고, 세포와 인체 반응까지 예측하는 기술로 발전시키겠다”고 말했다.
손효진 박사과정생이 제1 저자로 참여한 이번 논문은 생물정보학 분야 최고 권위의 국제 학술지인 `브리핑스 인 바이오인포매틱스(Briefings in Bioinformatics, JCR 상위 2.2%)'에 1월 15일자 게재됐다.
※ 논문명 : GPCRact: a hierarchical framework for predicting ligand-induced GPCR activity via allosteric communication modeling, DOI: https://doi.org/10.1093/bib/bbaf719
※ 저자 정보 : 손효진 (KAIST, 제1 저자), 이관수 (KAIST, 교신저자)
이 연구는 개인기초연구(과학기술정보통신부, 한국연구재단, RS-2025-24533057)의 지원으로 수행됐다.
2026.03.09 조회수 2709 -
단백질 분해조절 효소 정보 담은 바이오마커 발굴 시스템 개발
- Mol Cell Proteomics지 게재, “바이오마커 개발의 새로운 패러다임 제시” -
단백질의 분해를 조절하는 효소와 기질에 대한 관계정보를 담은 바이오마커* 발굴 시스템(E3Net)이 국내 연구진에 의해 개발되어, 고부가가치의 새로운 바이오마커 개발에 가능성이 열렸다.
※ 바이오마커(Biomarker) : 유전자, 단백질 등에서 유래된 특이한 패턴의 분자적 정보로, 유전적․후천적 영향으로 발생한 신체의 변화를 감지할 수 있는 생물표지인자
우리학교 바이오및뇍 이관수 교수(49세)가 주도하고, 한영웅 박사과정생, 이호동 박사 및 박종철 교수가 참여한 이번 연구는 교육과학기술부(장관 이주호)와 한국연구재단(이사장 이승종)이 추진하는 선도연구센터지원사업(NCRC), 신기술융합형성장동력사업 및 교육과학기술부의 KAIST 미래형 시스템 헬스케어 연구개발사업의 지원으로 수행되었고, 단백질체 연구 분야의 권위 있는 학술지인 ‘Molecular and Cellular Proteomics"지 4월호(4월 1일자)에 게재되었다. (논문명: A system for exploring E3-mediated regulatory networks of cellular functions)이관수 교수 연구팀은 전 세계 바이오 관련 DB(데이터베이스)와 논문(약 2만 편)으로부터 정보를 추출해 단백질 분해를 조절하는 효소(E3 효소)와 기질*들 간의 네트워크를 집대성하여, 이와 관련된 세포의 기능과 질병을 분석하는 ‘E3Net’ 시스템을 개발하였다.
※ 기질(substrate) : 효소와 특이적으로 결합하여 화학반응을 일으키는 분자로, 소화작용은 우리의 몸속에서 일어나는 효소와 기질간의 반응의 대표적인 사례
세포는 시시각각 변하는 환경에 대응하여 필요한 단백질들을 생산, 폐기 및 재활용하는 정교한 시스템을 가지고 있는데, 만일 이 과정에서 오류가 생기면 ‘질병’으로 이어질 수 있다.
따라서 단백질 분해를 조절하는 E3 효소와 기질 간의 관계를 파악하면 관련 질병을 치료하거나 예방할 수 있게 된다. 특히 E3 효소는 단백질 분해의 80%를 담당하는 것으로 알려져 수많은 질병이 관련되어 있을 것으로 예측되고 있다.
그러나 E3 효소와 기질 간의 정보들이 개별 논문과 DB에 흩어져 있어, 단백질 분해 조절과 관련된 세포의 기능과 질병의 특성을 종합적․체계적으로 분석할 수 없었다.
이 교수팀은 모든 E3 효소(2,201개)와 기질(4,896개) 및 그 조절관계(1,671개)에 대한 정보를 통합하여 E3 효소 조절 네트워크 내에 존재하는 관련된 세포의 기능과 질병을 시스템적으로 분석할 수 있는 E3Net을 구축하는데 성공하였다.
이 네트워크는 지금까지 구축된 조절정보를 모두 합친 것보다 무려 10배에 이르는 방대한 양으로, E3 효소가 독자적으로 또는 협력해서 조절하는 세포의 기능과 관련 질병을 정확히 파악할 수 있는 토대가 마련된 첫 사례로서 의미가 크다.
연구팀은 E3Net을 이용하면 각각의 질병과 관련된 단백질들의 분해조절을 담당하는 E3 효소들을 찾을 수 있고, 분해조절 원리와 세포기능 네트워크를 함께 파악하여 질병의 발생 원인이나 환자에 적합한 맞춤형 치료방법을 제공할 수 있는 바이오마커를 발굴할 수 있을 것으로 기대한다.
실제 연구팀은 E3Net을 활용해 암, 뇌심혈관 질환 및 당뇨병 등 현대인의 대표적 질환과 관련된 E3 바이오마커 후보 수십 개를 새롭게 발견하는 등 눈에 띄는 성과를 거두었고, 현재 이를 검증할 후속 연구를 계획하고 있다. 이관수 교수는 “이번 연구결과로 E3 효소와 관련된 단백질 분해조절의 네트워크가 구축되고, 이 네트워크에 존재하는 세포의 기능과 질병의 특이성을 시스템적으로 분석할 수 있게 됨에 따라, E3 효소와 관련된 세포의 기능 연구와 질병 연구에 새로운 전기가 마련되었다”고 연구의의를 밝혔다.
2012.05.01 조회수 31184