지스트, 신약 후보물질 탐색 인공지능 모델 개발

[이뉴스투데이 전한울 기자] 지스트(광주과학기술원)는 남호정 전기전자컴퓨터공학부 교수 연구팀이 단백질 서열 기반으로 약물과 표적 단백질의 결합지역 및 상호작용을 예측(Highlights on Target Sequence, HoTS)하는 인공지능 기술을 개발했다고 21일 밝혔다.

신약개발의 초기 단계인 후보 물질 발굴단계는 표적 단백질에 활성을 보이는 화합물을 찾아내는 단계로써, 수만⋅수십만 개의 화합물로부터 표적 단백질에 활성을 보이는 화합물을 찾아야 하는 어려운 과정이다.

이러한 상황을 해결하기 위해 다양한 약물-표적 단백질 상호작용 예측 인공지능 모델들이 개발됐지만, 좋은 예측 성능에도 불구하고 예측 결과에 대한 설명력이 부족했기 때문에 실제 신약 개발에서 적극적인 도입이 꺼려져 왔다. 

그러나 이번에 연구팀이 개발한 모델인 HoTS는 약물-표적 단백질이 결합하는 부분을 사전학습한 후 예측하게 함으로써, 높은 예측 정확도와 함께 약물-표적 단백질 상호작용 예측의 근거도 함께 제시해 신약개발 연구자들에게 보다 신뢰할 수 있는 유효화합물 예측 결과를 제시해 줄 수 있게 됐다.

본 연구는 대규모의 단백질 3차원 구조 데이터베이스로부터 화합물과의 결합지역을 추출해 CNN(Convolutional Neural Network)과 트랜스포머(Transformer) 기반의 딥러닝 모로 단백질 서열상의 결합지역을 예측할 수 있도록 학습됐다.. 

결합지역을 학습한 후, 해당 학습을 기반으로 해 더 많은 트랜스포머 계층을 통해 약물-표적 단백질 상호작용을 예측할 수 있으며, 그 결과 딥러닝 모델이 결합지역과 함께 약물-표적 상호작용을 예측할 수 있게 됐다.

결과적으로 HoTS 모델은 다른 딥러닝 모델들보다 더 높은 예측력을 보여줬으며, 결합지역 예측도 단백질 서열 정보만을 사용함에도 불구하고 3차원 구조 기반의 타 예측 모델과 비슷한 수준의 성능을 확인했다. 

남호정 지스트 교수팀이 수행한 이번 연구는 ‘설명가능 인공지능 기반 약물 후보의 독성 및 부작용 예측 시스템 개발, ‘지스트-전남대학교병원 공동연구과제’, ‘GRI(GIST 연구원) 생명노화연구소’ 사업의 지원을 받아 수행됐으며, ‘Journal of Cheminformatics’에 지난 8일자 온라인 게재됐다.