%EC%8A%A4%ED%81%AC%EB%A6%AC%EB%8B%9D
-
종양모델 칩으로 다조건 항암제 동시 평가
실제 인체에 항암제가 투여되면 약물 분자는 혈류를 따라 수송된다. 이 약물 분자들은 혈관 벽을 투과하고 확산한다. 확산한 분자는 종양 덩어리 내부까지 점차 침투해 약물 효능이 나타나게 된다. 우리 연구진이 바이오프린팅 기술로 36가지의 종양 미세환경을 유체채널 내부에 모사하여 12가지 실험 조건에 따른 항암제 효능을 동시에 평가하는데 성공하여 화제다.
우리 대학 바이오및뇌공학과 박제균 교수 연구팀이 기존 바이오프린팅* 및 랩온어칩** 기술의 한계점을 극복하고 장점을 극대화하여 복잡한 종양 미세환경이 구현된 랩온어칩을 개발하여 여러 분석 변수가 반영된 약물 스크리닝을 수행하는 데 성공했다고 16일 밝혔다.
* 바이오프린팅(bioprinting): 세포와 생체재료로 구성된 바이오 잉크를 활용하여 생체조직 및 기관과 유사한 기능적 구조물을 제작하는 3D 프린팅 기술
** 랩온어칩(lab-on-a-chip): “칩 위의 실험실”이란 개념을 갖고 있으며 각종 시료분석에 필요한 전처리, 분리, 희석, 혼합, 반응, 검출 기능 등을 미세유체 회로로 이루어진 채널 내에서 일괄적으로 수행할 수 있도록 만들어진 미세유체 소자 및 시스템
바이오프린팅은 조직이나 장기의 복잡한 형상과 조성을 체외환경에서 재현할 수 있는 생체모사 기술이지만, 제작된 생체모델의 배양 환경 제어와 분석이 어렵다. 반면, 랩온어칩은 미세 유체채널 내에서의 유체 제어 기술에 기반해 배양 환경의 정교한 제어와 다양한 분석 수행이 가능하지만, 미세한 유체 통로 내부에 생체 환경을 모사하는 데 한계가 있었다.
연구진은 바이오프린팅 기술로 서로 다른 조성으로 구성된 총 36개의 종양 모델을 랩온어칩 내에 형성한 후, 동일한 소자 내에서 12가지 실험 조건에 따른 항암제 효능을 동시에 평가하는 데 성공했다.
연구팀은 바이오프린팅의 우수한 공간적 자유도와 다양한 생체재료를 활용할 수 있다는 장점을 이용해, 세 가지 서로 다른 조성으로 이루어진 36개의 종양 모델을 하나의 미세 유체소자에 집적시켰다. 세포를 유동 배양해 물질 수송에 핵심 구조물인 혈관 벽과 종양 덩어리를 모사하여 네 가지 농도의 항암제를 종양 모델에 유입함으로써, 하나의 소자에서 12가지 실험 조건의 약물 평가를 수행했다.
또한 연구팀은 혈관 벽에 의해 약물 분자의 수송이 저해되고 종양 덩어리 내부까지 침투되는 현상을 관찰할 수 있었고, 체내 수송 과정을 모사하지 못했던 기존 종양 모델과 약물 효능에 큰 차이를 보인다는 것을 확인했다.
이처럼 바이오프린팅-랩온어칩 통합기술을 활용해 모델 복잡성, 모델 수, 모델 처리량 등 다양한 변수를 고려한 체외 종양 모델을 제작할 수 있었고, 더욱 신뢰성 있는 약물 평가를 수행할 수 있었다.
연구를 주도한 박제균 교수는 “바이오프린팅과 랩온어칩의 통합기술로 제작된 미세 유체 세포배양 및 분석 플랫폼의 개발에 따른 신뢰성 있는 약물 평가 모델에 대한 성과”임을 강조하며, “향후 다양한 조직 및 장기 특성을 모사하고 생물학적 분석과 약물 효능 평가를 고효율로 수행할 수 있는 동물실험 대체용 차세대 체외 세포배양 및 분석 기술로 활용될 수 있을 것”이라고 말했다.
바이오및뇌공학과 이기현 박사가 제1 저자로 참여한 이번 연구 결과는 국제 학술지 '어드밴스드 헬스케어 머티리얼즈(Advanced Healthcare Materials)'에 2024년 6월 3일 자로 온라인판에 게재됐다.
(https://doi.org/10.1002/adhm.202303716. 논문명: Bioprinted multi-composition array mimicking tumor microenvironment to evaluate drug efficacy with multivariable analysis).
또한, 이번 논문은 와일리-VCH(Wiley-VCH) 출판사의 ‘핫 토픽: 종양과 암(Hot Topic: Tumors and Cancer)’세션과 ‘핫 토픽: 미세유체공학(Hot Topic: Microfluidics)’세션에 동시 선정됐다.
한편 이번 연구는 한국연구재단 기초연구사업(중견연구)의 지원을 받아 수행됐다.
2024.07.16 조회수 2137 -
맞춤형 종양 모델 구축 스페로이드 플랫폼 개발
세포들이 뭉쳐 생성된 구형 집합체인 스페로이드(spheroid)의 제작 기술은 현재 단일 조건의 스페로이드를 대규모로 생성하는 것까지는 가능하나, 체내 조직의 기능을 모사할 수 있는 최적의 크기 및 세포 조성 범위의 탐색이 어렵고, 다중 약물 스크리닝에 적합하지 않다는 문제가 있었다. 우리 연구진이 단 3번의 세포 주입으로 10가지 세포 조성을 갖는 100개의 스페로이드를 제작하고, 25가지 약물 조합을 동시에 처리할 수 있는 플랫폼을 구축하는 데 성공했다.
우리 대학 바이오및뇌공학과 박제균 교수 연구팀이 다양한 스페로이드 어레이(배열)를 맞춤형으로 손쉽게 제작하고 이를 구획화해 다중 시약 처리를 수행할 수 있는 조립형 마이크로어레이 플랫폼을 개발했다고 27일 밝혔다.
기존 단일 조건의 스페로이드를 대규모로 제작하는 방법은 다중 약물 스크리닝이 어렵고, 다중 약물 스크리닝이 가능한 방법은 대규모 제작이 어려워, 두 가지 장점을 동시에 만족하는 플랫폼이 개발되지 않은 실정이었다.
* 다중 약물 스크리닝: 암 치료의 식별 및 약물 안전성 평가를 위해 약물의 종류, 농도 등 다양한 실험 조건 변화에 따른 세포 및 조직의 반응을 평가하는 방법
연구팀은 조립식 플랫폼의 핵심기술인 행잉드롭 마이크로어레이*, 그래디언트(gradient) 블록**, 오목 기둥 마이크로어레이***를 개발하고, 이들의 조립 방식에 따라 달라지는 여러 가지 스페로이드 어레이 기반 종양 모델의 제작 방법과 분석 방법을 발표했다.
* 행잉드롭 마이크로어레이: 고드름과 같이 표면에 매달린 형태의 물방울을 의미하는 행잉드롭 내에 세포가 존재하면 중력에 의해 세포들이 응집되어 스페로이드가 만들어짐. 행잉드롭 마이크로어레이는 바닥 면에 구멍이 2차원으로 배열되어, 단 한 번의 세포 혼합용액 주입으로 행잉드롭을 어레이 형태로 형성할 수 있어, 균일한 스페로이드 어레이를 제작할 수 있음
** 그래디언트 블록: 경사면을 가지는 블록으로, 행잉드롭 마이크로어레이와 조립하게 되면 각각의 어레이 구멍에 가라앉는 세포의 수가 선형으로 변화하게 되어 이를 통해 크기가 규칙적으로 변화하는 스페로이드 어레이를 제작할 수 있음
***오목 기둥 마이크로어레이: 행잉드롭과 접촉하여 스페로이드를 기둥 상부에 안착시켜 회수할 수 있는 구조를 갖고 있어, 스페로이드 어레이를 개별적으로 분리하고 이동시킬 수 있음
연구팀은 10가지의 다른 세포 조성을 가지며, 조성 별로 10개의 스페로이드가 존재하는, 총 100개의 삼중 배양 스페로이드로 구성된 어레이를 단 세 번의 세포 혼합용액 주입으로 생성시키는데 성공했다.
또한 연구팀은 행잉드롭 마이크로어레이와 오목 기둥 마이크로어레이의 조립을 통해 대규모로 생성된 스페로이드를 작은물방울 형태로 각각 분리하고, 구획화된 행잉드롭 마이크로어레이로 옮겨 스페로이드 어레이를 구획화시키는 방법을 새롭게 선보였다. 이를 통해 스페로이드 어레이의 순차적 다중 시약 처리 및 일괄적 형광 염색이 가능하게 되어 스페로이드 분석 및 실험 과정이 획기적으로 개선됐다.
연구를 주도한 박제균 교수는 “이번 연구는 다양한 크기와 조성을 갖는 스페로이드 어레이를 대규모로 제작하고, 원하는 대로 이동시켜 일괄 또는 다중 시약 처리가 가능한 고효율 스크리닝 플랫폼의 개발 성과”임을 강조하며, “간단하면서도 우수한 편의성을 갖춘 플랫폼이기에, 향후 다른 연구자들도 스페로이드 및 오가노이드의 크기와 조성에 따른 변화 연구와 다양한 세포 조성으로 이루어진 복잡한 스페로이드, 오가노이드 어레이를 이용한 고효율 약물 스크리닝 등에 활용할 수 있을 것”이라고 말했다.
우리 대학 바이오및뇌공학과 김휘수 박사가 제1 저자로 참여한 이번 연구 결과는 국제 학술지 ‘어드밴스드 헬스케어 머티리얼즈(Advanced Healthcare Materials)’에 2024년 5월 30일 자로 온라인판에 게재됐다.(https://doi.org/10.1002/adhm.202400501. 논문명: Reconfigurable Hanging Drop Microarray Platform for On-demand Preparation and Analysis of Spheroid Array) 또한 상기 논문은 와일리-VCH(Wiley-VCH) 출판사의 “핫 토픽: 종양과 암(Hot Topic: Tumors and Cancer)” 세션에도 선정됐다.
한편 이번 연구는 한국연구재단 기초연구사업(중견연구)의 지원을 받아 수행됐다.
2024.06.27 조회수 2273 -
인공지능 기반 약물 가상 스크리닝 기술로 신규 항암 치료제 발굴 성공
우리 대학 생명과학과 김세윤 교수 연구팀이 `약물 가상 스크리닝 기술을 이용한 신규 항암 치료제 개발'에 성공했다고 12일 밝혔다.
이번 연구 결과는 국제 학술지인 `세포 사멸과 질병(Cell Death & Disease)'에 지난 7월 12일 字 온라인 게재됐다.
※ 논문명 : Lomitapide, a cholesterol-lowering drug, is an anticancer agent that induces autophagic cell death via inhibiting mTOR
※ 저자 정보 : 이보아 (한국과학기술원, 공동 제1 저자), 박승주 (한국과학기술원, 공동 제1 저자), 이슬기 (한국과학기술원, 제2 저자), 오병철 (가천대학교 의과대학, 공동 저자), 정원석 (한국과학기술원, 공동 저자), 손종우 (한국과학기술원, 공동 저자), 김세윤 (한국과학기술원, 교신저자), 포함 총 10명
`엠토르(mTOR)'라고 알려진 신호전달 단백질은 많은 암세포에서 활성이 비정상적으로 높아져 있으며 또한 암뿐만 아니라 당뇨, 염증 및 노화와 같은 다양한 질병에서 핵심적인 역할을 한다. 특히 암을 유발하는 다양한 신호전달 경로가 엠토르 단백질을 통해 매개되기 때문에 많은 제약사에서 항암 치료제 개발의 목적으로 엠토르 저해제 개발에 많은 투자를 하고 있다.
자가포식(autophagy, 오토파지)으로 알려진 생명 현상은 세포 내 엠토르 단백질에 의해 활성 조절이 정교하게 매개되는 것으로 잘 알려져 있다. 자가포식이란 `세포가 자기 살을 먹는다'는 의미로, 영양분이 과도하게 부족하거나 세포 내외적 스트레스 조건에 처한 경우, 세포가 스스로 내부 구성물질들을 파괴해 활용함으로써 세포 내 항상성을 유지하는 일종의 방어기전이다.
이러한 자가포식 활성의 조절은 양날의 칼과 같이 작용하는 것으로 알려져 있으며, 이는 암, 당뇨와 같은 질환의 발생 및 치료에 이용 가능하다고 주목받고 있다. 암세포에 과도하게 활성화돼있는 엠토르 단백질의 활성을 저해하면 자가포식을 과도하게 증가시킬 수 있으며 이를 통해 암세포의 세포 사멸이 유도될 수 있다는 사실이 알려져 있으며 이를 바탕으로 자가포식 강화에 기반한 항암제 약물의 개발전략이 제시되고 있다.
이에 김세윤 교수 연구팀은 단백질의 3차원적 구조를 활용해 화합물과 표적 단백질 사이의 물리적 상호작용을 모델링하는 유효 결합 판별 기술에 기반한 약물 재창출 전략으로 엠토르 억제성 항암제 개발 연구를 수행했다.
약물 재창출은 이미 안전성이 검증된 FDA 승인 약물 또는 임상 진행 중인 약물군을 대상으로 새로운 적응증을 찾는 신약 개발 방식이다. 이 전략은 전통적으로 10년 이상 소요되는 신약 개발의 막대한 시간과 투자를 혁신적으로 단축할 수 있는 미래 시대 신약 개발전략이다.
연구팀은 FDA 승인 약물 또는 임상 시험 중인 약물에 기반한 데이터베이스를 통해 3,391종의 약물 라이브러리를 활용했다. 라이브러리의 모든 약물을 실험적으로 검증하기에는 연구비용과 시간이 많이 소요되므로, 3차 구조 모델링을 통한 유효 결합 판별 기술을 적용해 엠토르 활성 저해능력을 보이는 약물만 신속하게 스크리닝했다.
연구팀은 엠토르 단백질의 활성을 담당하는 효소 활성부위의 3차 구조 분석과 인공지능 기반 유효 결합 판별 기술을 도입해 후보 물질 발굴의 정확도와 예측도를 높이는 데 성공했다. 그리고 3차 구조를 타깃으로 약물 결합 분석 모듈을 도입해 가상 스크리닝의 정확도와 예측도를 높이는 데 성공했다. 이번 연구를 통해 개발된 기술의 가장 큰 특징은 타깃 단백질과 약물 간의 3차 구조 정보를 이용해 많은 양의 후보 성분들을 빠르고 정확하게 분석하고 결합 여부를 예측할 수 있는 것이다.
우리 대학 생명과학과 이보아 박사, 박승주 박사는 현재 가족성 고콜레스테롤혈증(familial hypercholesterolemia) 치료제로서 임상에서 판매, 활용되고 있는 로미타피드(lomitapide) 약물의 엠토르 활성 억제 가능성을 예측했다. 연구팀은 생화학적 및 세포 생물학적 분석을 통해 로미타피드에 의한 엠토르 효소활성의 억제효능을 검증하는 데 성공했다. 대장암, 피부암 등의 암세포에 로미타피드를 처리할 경우, 암세포의 엠토르 활성이 효과적으로 억제되고 이후 과도한 자가포식이 유도됨으로써 암세포 사멸효과가 발생함을 다각적으로 확인해 로미타피드의 항암 효능을 확립했다.
또한 대장암 환자로부터 유래한 암 오가노이드(organoid)에 로미타피드를 처리할 경우, 기존의 화학 항암 치료제 대비 우수한 암세포 사멸 능력을 보였다. 나아가 최근 차세대 고형암 치료용 항암 전략으로 주목받고 있는 면역관문억제제(immune checkpoint inhibitor)와 로미티피드를 병행할 경우, 면역관문억제제의 단독 처리 대비 비약적으로 개선된 시너지 항암효과를 나타냄을 동물모델 연구를 통해 검증하는 데 성공했다.
연구팀이 발굴한 로미타피드의 항암 효능 성과는 향후 엠토르 억제 및 자가포식 기반 항암제 개발 및 임상적 활용에 적극 활용될 것으로 기대된다.
이러한 연구성과는 벤처창업으로 연계돼 이보아 박사, 박승주 박사, 이슬기 박사는 인공지능 기반 신약개발 전문기업 `에아스텍'을 공동창업했으며 중소벤처기업부 팁스(TIPS) 창업지원 프로그램에 선정되는 등 활발한 연구개발을 수행하고 있다.
한편 이번 연구는 한국연구재단 중견연구자지원사업, 선도연구센터, 창의도전연구사업 및 KAIX 포스트닥펠로사업의 지원을 받아 수행됐다.
2022.08.12 조회수 8162 -
실제 약물로 개발되는 단백질-리간드 상호작용 예측 인공지능 모델 개발
우리 대학 연구진이 물리화학적 아이디어를 인공지능 딥러닝에 접목해 기존의 방법보다 일반화 성능이 높은 단백질-리간드 상호작용 예측 모델을 개발했다. 리간드란 수용체와 같은 큰 생체 분자에 특이적으로 결합하는 물질을 말하며, 생체 내의 중요한 요소이자 의약품의 개발 등에 큰 역할을 한다.
화학과 김우연 교수 연구팀이 교원창업 인공지능 신약 개발 스타트업 HITS 연구진과 함께 물리 기반 삼차원 그래프 심층 신경망을 이용해 일반화 성능을 높인 단백질-리간드 상호작용 예측 모델을 개발했다고 17일 밝혔다.
약물 후보 분자를 발굴하기 위해서 타깃 단백질과 강하게 결합하는 리간드를 찾는 것이 중요하다. 하지만 유효 물질을 찾기 위해 수백만에서 수천만 개의 무작위 리간드 라이브러리를 대상으로 실험 전수 조사를 수행하는 것은 천문학적인 시간과 비용이 필요하다. 이러한 시간과 비용을 절감하기 위해 최근 단백질-리간드 상호작용 예측에 기반한 가상탐색(virtual screening) 기술이 주목받고 있다.
기존의 상호작용 예측 인공지능 모델들은 학습에 사용한 구조에 대해서는 높은 예측 성능을 보여주지만, 새로운 단백질 구조에 대해서는 낮은 성능을 보이는 과적합(over-fitting)이 문제가 됐다. 과적합 문제는 일반적으로 모델의 복잡도에 비해 데이터가 적을 때 발생한다. 이번 연구는 이러한 과적합 문제를 해결함으로써 다양한 단백질에 대해 고른 성능을 보여주는 예측 모델을 개발하는데 주안점을 뒀다.
연구진은 물리화학적 아이디어들을 딥러닝 모델에 적용해 모델의 복잡도를 줄임과 동시에 물리 시뮬레이션을 통해 부족한 데이터를 보강함으로써 과적합 문제를 해결하고자 하였다. 단백질 원자와 리간드 원자 사이의 거리에 따른 반데르발스 힘, 수소 결합력 등을 물리화학적 방정식으로 모델링하고, 매개변수를 딥러닝으로 예측함으로써 물리 법칙을 만족하는 예측을 가능하게 했다.
또한, 학습에 사용한 단백질-리간드 결정 구조가 실험적으로 판명된 가장 안정한 구조임에 착안했다. 부족한 실험 데이터를 보강하기 위해 불안정한 단백질-리간드 구조로 이루어진 수십만 개의 인공 데이터를 생성해 학습에 활용했고, 그 결과 생성된 구조에 비해 실제 구조를 안정하게 예측하도록 모델을 학습할 수 있었다.
연구진은 개발된 모델의 성능을 검증하기 위해 대조군으로 `CASF-2016 벤치마크'를 활용했다. 이 벤치마크는 다양한 단백질-리간드 구조들 사이에서 실험적으로 판명된 결정 구조에 근접한 구조를 찾는 도킹과 상대적으로 결합력이 큰 단백질-리간드 쌍을 찾는 스크리닝 등 실제 약물을 개발하는 과정에 필수적인 과제를 포함하고 있다. 검증 테스트 결과 기존에 보고된 기술에 비해 높은 도킹 및 스크리닝 성공률을 보여줬으며, 특히 스크리닝 성능은 기존에 보고된 최고 성능 대비 약 두 배 높은 수치를 보였다.
연구진이 개발한 물리 기반 딥러닝 방법론의 또 다른 장점은 예측의 결과를 물리적으로 해석 가능하다는 것이다. 이는 딥러닝으로 최적화된 물리화학 식을 통해 최종 상호작용 값을 예측하기 때문이다. 리간드 분자 내 원자별 상호작용 에너지의 기여도를 분석함으로써 어떤 작용기가 단백질-리간드 결합에 있어서 중요한 역할을 했는지 파악할 수 있으며, 이와 같은 정보는 추후 약물 설계를 통해 성능을 높이는 데 직접 활용할 수 있다.
공동 제1 저자로 참여한 화학과 문석현, 정원호, 양수정(현재 MIT 박사과정) 박사과정 학생들은 "데이터가 적은 화학 및 바이오 분야에서 일반화 문제는 항상 중요한 문제로 강조돼왔다ˮ며 "이번 연구에서 사용한 물리 기반 딥러닝 방법론은 단백질-리간드 간 상호작용 예측 뿐 아니라 다양한 물리 문제에 적용될 수 있을 것ˮ이라고 말했다.
한국연구재단의 지원을 받아 수행된 이번 연구는 국제 학술지 `Chemical Science(IF=9.825)' 2022년 4월 13호에 표지 논문 및 `금주의 논문(Pick of the Week)'으로 선정됐다. (논문명 : PIGNet: a physics-informed deep learning model toward generalized drug–target interaction predictions, 논문 링크 : https://doi.org/10.1039/D1SC06946B)
2022.05.17 조회수 9409 -
약물 가상 스크리닝 기술로 코로나19 치료제 후보 발굴
우리 대학 생명화학공학과 이상엽 특훈교수(연구부총장)와 한국파스퇴르연구소 김승택 박사 공동연구팀이 ‘약물 가상 스크리닝 기술을 이용한 코로나19 치료제 개발’에 성공했다고 8일 밝혔다.
이번 연구 결과는 국제 학술지인 ‘미국국립과학원회보(PNAS)'에 7월 7일 字 온라인 게재됐다.
※ 논문명 : Drugs repurposed for COVID-19 by virtual screening of 6,218 drugs and cell-based assay
※ 저자 정보 : 이상엽(한국과학기술원, 교신저자), 김승택(한국파스퇴르연구소, 교신저자), 장우대(한국과학기술원, 제1저자), 전상은(한국파스퇴르연구소, 제2저자), 포함 총 4명
코로나바이러스감염증-19(이하 코로나19)는 글로벌 팬데믹으로 전개되고 있으며 현재 인류 보건을 심각하게 위협하는 상황이다. 코로나19 치료 목적으로 미국식품의약국(FDA)에서 정식 승인을 받은 렘데시비르(상품명 베클러리)가 현재 임상에서 사용 중이지만, 사망률은 감소시키지 못하고 회복 기간을 5일 정도 단축함으로써 치료 효과가 기대에 미치지 못하는 것으로 알려졌다. 또한 렘데시비르는 정맥 주사제여서 의료기관에서 입원을 통해 수일 동안 투여받아야 하므로 팬데믹 상황에 적합하지 않은 약물이다. 따라서 코로나19로 인한 사망률을 획기적으로 감소시키고, 치료 기간을 단축시키는 경구용 치료제 개발이 시급한 상황이었다.
이에 이상엽 특훈교수와 한국파스퇴르연구소 김승택 박사 공동연구팀은 약물 가상 스크리닝 기술을 이용한 약물 재창출 전략으로 코로나19 치료제 개발 연구를 수행했다.
연구팀은 팬데믹 상황에 대응한 신속한 치료제 개발을 위해 가상 스크리닝 기술을 이용한 약물 재창출 전략을 수립했다. 약물 재창출은 이미 안전성이 검증된 FDA 승인 약물 또는 임상 진행 중인 약물을 대상으로 새로운 적응증을 찾는 방식이다. 이 전략은 신약 개발 과정에 소요되는 시간을 단축시킬 수 있어 코로나19와 같은 팬데믹 상황에 적합한 신약 개발 전략이다.
우리 대학 생명화학공학과 장우대 박사는 우선 FDA 승인 약물 또는 임상 진행 중인 약물을 데이터베이스에서 수집해 6,218종의 약물 가상 라이브러리를 구축했다. 실험으로 이 약물들을 모두 검증하기에는 시간과 비용이 많이 소요되기 때문에 바이러스 치료제로 가능성이 있는 약물만 신속하게 선별할 수 있는 컴퓨터 기반 가상 스크리닝 기술을 도입했다.
기존의 도킹 시뮬레이션 기반의 가상 스크리닝 기술은 높은 위양성률(false positive rate)로 인해 유효물질 도출 비율(hit rate)이 매우 낮은 것이 문제점인 상황이었다. 연구팀은 구조 유사도 분석 모듈과 상호작용 유사도 분석 모듈을 도킹 전후에 도입하여 가상 스크리닝의 정확도를 높이는 데 성공했다. 이번 연구를 통해 개발된 가상 스크리닝 기술은 단백질-약물 복합체 구조 정보를 이용하여 다양한 후보 약물을 빠르고 정확하게 스크리닝할 수 있는 것이 특징이다.
연구팀은 또한 바이러스 치료제로 주로 사용되는 핵산 유사체(nucleotide analogues) 기반 전구약물(prodrug)의 활성형 구조를 자동으로 생성하는 알고리즘을 개발했다. 전구약물은 그 자체로는 약효가 없고 체내 대사를 통해 활성형 구조로 변환되어야만 약효를 나타낸다. 따라서 전구약물은 활성형으로 구조변환 후, 도킹 시뮬레이션을 수행하는 것이 중요하다. 연구팀은 렘데시비르를 포함한 여러 핵산유사체 기반 전구약물들의 활성형 구조를 자동으로 생성하는 데 성공하였고, 도킹 시뮬레이션의 정확도를 향상시킬 수 있었다.
연구팀은 가상 스크리닝 플랫폼으로 사스-코로나바이러스-2(SARS-CoV-2)의 복제와 증식에 필수적인 역할을 하는 단백질 가수분해 효소(3CL hydrolase, Mpro)와 RNA 중합효소(RNA-dependent RNA polymerase, RdRp)를 저해할 수 있는 후보 화합물을 15종과 23종으로 각각 선별했다.
그 후, 가상 스크리닝으로 선별된 38종의 약물에 대해 한국파스퇴르연구소의 생물안전 3등급(BSL-3) 실험실에서 세포 이미지 기반 항바이러스 활성 분석 플랫폼을 활용해 약효를 검증했다.
먼저 사스-코로나바이러스-2를 감염시킨 원숭이 신장세포(Vero cell)를 이용한 시험관 내(in vitro) 실험을 수행한 결과, 38종의 약물 중 7종의 약물에서 항바이러스 활성이 확인됐다.
또한, 검증된 7종의 약물에 대해 인간 폐 세포(Calu-3 cell)에서 추가적인 검증 실험을 수행했고, 3종의 약물에서 항바이러스 활성이 확인됐다. 후보 약물에는 암 및 특발성 폐섬유증(idiopathic pulmonary fibrosis)으로 임상이 진행 중인 오미팔리십(omipalisib), 암 및 조로증(progeria)으로 임상이 진행 중인 티피파닙(tipifarnib), 식물 추출물로써 항암제로 임상이 진행 중인 에모딘(emodin)이 있다. 특히 오미팔리십은 현재 코로나19 표준 치료제인 렘데시비르 대비 항바이러스 활성이 약 200배 이상 높은 것으로 확인됐고, 티피파닙은 렘데시비르와 유사한 수준으로 항바이러스 활성이 확인됐다.
세포 수준에서 항바이러스 효과가 확인된 약물은 바이러스 감염 동물모델을 이용한 전임상시험이 필요하다. 이에 연구팀은 과기정통부의 코로나 치료제 전임상 지원사업을 통해 후보 약물 중 하나의 약물에 대해 약효를 평가했다. 그러나 이 과정에서 동물에 대한 약물 독성이 나타났다. 약물의 독성을 최소화하면서 치료 유효 농도에 도달할 수 있는 최적의 약물 농도를 찾기 위해 추가적인 전임상시험을 진행할 예정이다. 또한, 나머지 후보 약물들에 대해서도 전임상시험을 계획 중이다.
연구팀 관계자는 이번 연구를 통해 예측 성능이 우수한 약물 가상 스크리닝 플랫폼을 구축했고, 이를 통해 코로나19 치료제로 유망한 후보물질을 단기간에 발견할 수 있었다고 설명했다.
이상엽 특훈교수는 “이번 연구를 통해 신종 바이러스 출현 시 신속하게 대응할 수 있는 기반 기술을 마련했다는 데에 의의가 있으며, 이를 통해 향후 코로나바이러스 계열의 유사한 바이러스나 신종 바이러스 출현 시에도 적용할 수 있는 기술을 개발하고자 한다”라고 밝혔다.
한편 이번 연구는 과기정통부가 지원하는 KAIST 코로나대응 과학기술 뉴딜사업과 바이오·의료기술개발사업의 지원을 받아 수행됐다.
2021.07.08 조회수 13191 -
김지한 교수, 다공성 물질 내 가스 흡착량 증진 가능성 제시
〈 김 지 한 교수, 정 상 규 석사과정 〉
우리 대학 생명화학공학과 김지한 교수 연구팀이 결함공학을 통한 다공성 물질의 가스 흡착량 증진법을 개발했다.
정상규 석사과정이 1저자, UC 버클리 화학과의 Günther Thiele 박사후 연구원이 2저자로 참여한 이번 연구는 국제 학술지 ‘네이쳐 커뮤니케이션즈(Nature Communications)’11월 16일차 온라인 판에 게재됐다.
금속-유기 구조체(metal-organic framework, 이하 MOF)는 금속 클러스터와 유기 리간드의 규칙적인 배위결합을 통해 합성되는 결정체이며, 넓은 표면적과 수많은 공극을 지닌 물질로서 다양한 에너지 및 환경 관련 소재로 각광받고 있다.
하지만 다른 결정성 물질들과 마찬가지로 실제 MOF는 완벽한 결정성을 가질 수 없으며 여러 종류의 결함을 가지게 된다.
이러한 결함들 중 결정체 내 유기 리간드가 불규칙적으로 본래 자리에 결합되지 않은 상태를 뜻하는 리간드 공공결함은 실험적인 기법들을 통해 공공결함의 밀도가 조절될 수 있다고 알려져 있다.
연구팀은 기존 제시된 리간드 공공결함의 조절을 통한 결함 공학 기법을 특정 MOF 내 고립된 공극의 존재여부와 접목시켜 결함공학을 통한 가스 흡착 증진 가능성을 제시했다.
김지한 교수가 직접 개발한 그래픽 프로세서(GPU) 소프트웨어 코드로 초고속 스크리닝 기법을 활용해 실험적으로 합성된 12,000 가량의 MOF들로 부터 메탄 가스에 대해 상당한 부피의 고립공극을 가지는 MOF들을 계산적으로 선별했다.
고립 공극의 판별 작업에는 안정적 에너지 구간에 대한 플러드-필(flood-fill) 알고리즘이 사용됐으며 이는 마이크로소프트 그림판에서 흔히 접할 수 있는 ‘색 채우기’ 기능과 동일한 알고리즘이다. 이를 통해 무한히 연결된 주 공극구조만 판별해내고 연결되지 않고 고립돼 존재하는 공극의 존재여부를 판단했다.
이후 많은 양의 고립공극이 파악된 MOF들에 대해 리간드 공공결함을 가상으로 결정 구조 내 도입했으며 리간드가 없어지면서 기존의 고립돼 존재하던 공극들이 주 공극구조와 합쳐지도록 유도했다.
이러한 스크리닝 작업을 통해 연구팀은 리간드 공공결함이 도입되었을 시 상당한 메탄 가스의 흡착량 증진을 겪을 수 있는 13개의 MOF를 최종적으로 선별했으며, 불과 8.33% 이하의 리간드 결함이 존재했을 시에도 최대 55.6% 의 메탄 가스 흡착량 증진을 가질 수 있다는 것을 확인했다.
본 연구팀이 제시한 리간드 공공결함을 통해 기존에 활용되지 못하던 고립 공극을 주 공극구조에 연결시켜 새로이 활용하는 기법은 단순한 가스 흡착량 증진 외에도 혼합 가스의 선택적 흡착, 반 영구적 가스 포획 등 다양한 효과를 가져올 수 있다.
이번 연구는 한국연구재단의 중견연구자지원사업의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 본 연구에서 사용된 플러드-필 알고리즘을 설명하는 도해와 플러드-필 알고리즙을 통해 고립공극이 판별된 MOF의 예시
그림2. 본 연구에서 선별된 MOF 중 두 가지 MOF의 공공결함 도입 전과 후(좌, 우)의 흡착가능 공간 비교
2017.11.27 조회수 15176