GIST, 약물-표적 단백질 상호작용 예측 모델 개발
기존 실험 방법 대비 성능 10~20배 향상, 하반기 서비스 예정

인공지능 기술을 이용해 약물과 표적 단백질의 결합 여부를 판별하는 모델이 개발됐다.

약물이 실제로 인체 내에서 작용하기 위해서는 특정 단백질과 결합해, 해당 단백질의 형태와 수행하는 생물학적 기작을 변화시킬 수 있어야 한다. 따라서 어떤 화합물이 단백질과 결합하는지 여부(약물-표적 단백질 간 상호작용)를 판별하는 것은 약물 개발에서 중요한 단계다.

기존에는 '약물-표적 단백질 간 상호작용' 판별을 실험적으로 수행해 시간 및 비용이 크게 소요됐다. 또한 무작위적인 화합물에 대해 실험이 수행돼 실제 상호작용하는 화합물이 선별되는 비율이 매우 낮았다.

GIST(광주과학기술원·총장 김기선)는 합성곱 신경망(Convolutional neural network) 인공지능 모델을 이용해 약물-표적 단백질 상호작용 판별 예측에 성공했다고 밝혔다. 합성곱 신경망은 인간의 시각 인지를 본 뜬 딥러닝 기술 중 하나로 지역적인 패턴을 파악하는데 사용되고 있다.

합성곱 신경망을 이용한 단백질의 지역 서열 패턴 추출. 단백질 서열의 각각 아미노산은 임베딩 층에서 벡터로 치환되며, 치환된 단백질 서열상에서 합성곱 신경망을 통하여 약물과 상호작용할 때 중요한 지역 서열 패턴을 찾아내게 된다. <사진=GIST 제공>
합성곱 신경망을 이용한 단백질의 지역 서열 패턴 추출. 단백질 서열의 각각 아미노산은 임베딩 층에서 벡터로 치환되며, 치환된 단백질 서열상에서 합성곱 신경망을 통하여 약물과 상호작용할 때 중요한 지역 서열 패턴을 찾아내게 된다. <사진=GIST 제공>
연구팀은 합성곱 신경망을 사용해 약물과 상호작용하는 지역적인 서열 패턴을 추출하고, 이를 약물-표적 단백질 상호작용의 예측에 이용했다. 2만4000개 이상의 약물-표적 단백질 데이터를 시험한 결과 약 80%의 정확도를 나타냈다. 또한 추출된 지역적인 서열 패턴이 실제로 약물-표적 단백질 상호작용에 관련되는 부분임이 확인됐다.

연구를 주도한 남호정 전기전자컴퓨터공학부 교수는 "이번 연구는 인공지능을 이용해 약물 개발의 초기 단계에서 수행되는 약물-표적 상호작용 판별을 수행한 것"이라고 하며 "인공지능을 통해 예측된 후보군에 실험을 수행하면 약물 개발의 시간 및 비용적 효율성을 크게 제고할 수 있을 것이다"라고 설명했다.

현재 개발된 인공지능 모델은 한국화학연구원 연구진과 공동 개발 중인 신약개발 플랫폼에 공식 탑재될 예정이며, 올해 말 서비스를 시작할 계획이다.

한편 이번 연구는 과학기술정보통신부의 바이오·의료기술개발사업과 전통천연물기반유전자-동의보감사업의 지원을 받아 수행됐으며, 생명정보학 학술지 'PLoS Computational Biology' 6월 14일 자로 온라인 게재됐다.

단백질 FKBP12과 MAPKAPK2 상에서의 합성곱 신경망 결과를 해석한 결과, 화합물의 결합 지역이 그 외 지역보다 강조됨을 확인할 수 있었다.
단백질 FKBP12과 MAPKAPK2 상에서의 합성곱 신경망 결과를 해석한 결과, 화합물의 결합 지역이 그 외 지역보다 강조됨을 확인할 수 있었다.
저작권자 © 헬로디디 무단전재 및 재배포 금지