알파폴드3 활용한 AI 모델… 신약 후보물질 예측 성능 ‘UP’

광주과학기술원, 약물과 단백질 결합 친화도 예측 ‘알파 DTA’ 개발 구조 데이터 복잡해도 예측 정확도 높아… 신약 개발 기간·비용 절감 세계 최고 수준의 인공지능(AI) 단백질 구조 예측 모델인 ‘알파폴드3’를 활용해 신약후보물질 예측 정확도를 높이는 AI 모델이 개발됐다. 광주과학기술원(GIST)은 이현주 AI학과 교수 연구팀이 실험으로 단백질과 약물 결합 구조를 확인하지 않고 신약 후보물질의 표적 단백질 ‘결합 친화도’를 예측할 수 있는 AI 모델 ‘알파 DTA’(AlphaDTA)를 개발했다고 6일 밝혔다. 신약 개발을 위해선 수많은 후보 약물 중 어떤 물질이 질병의 원인이 되는 단백질에 가장 잘 달라 붙는지를 실험으로 확인해야 한다. 하지만 실험에 많은 시간과 비용이 들어 컴퓨터가 약물과 단백질 결합 가능성을 미리 예측하는 AI 기술이 핵심 도구로 주목받고 있다. 연구팀은 구글 딥마인드의 ‘알파폴드3’가 예측한 단백질-약물 복합체의 3차원 구조와 구조를 예측하는 과정에서 생성되는 내부 표현 정보를 활용해 결합 친화도를 예측했다. 내부 표현 정보는 AI가 단백질과 약물의 화학적·구조적 특징을 학습할 수 있도록 숫자로 표현한 것으로, 단백질과 약물 각각의 특징을 담은 ‘단일 표현 정보’와 두 물질의 관계·상호작용을 담은 ‘쌍 표현 정보’로 구성된다. 연구팀은 단일·쌍 표현 정보를 분석하는 ‘다중 해상도 인코더’와 단백질-약물 복합체의 3차원 구조 정보를 분석하는 ‘기하 인코더’를 결합해 알파 DTA를 구현했다. 알파 DTA는 단백질 서열과 약물 정보를 입력받아 알파폴드3가 생성한 3차원 구조와 내부 표현 정보를 함께 분석해 결합 친화도를 예측한다. 결합 친화도는 약물이 목표 단백질에 얼마나 강하게, 안정적으로 달라붙는지를 나타내는 지표로, 이 값이 높을수록 효과적인 신약 후보로 평가된다. 알파 DTA에 대한 예측 성능 검증 결과, 기존 서열 기반 방식보다 높은 예측 성능을 보였다. 또 실험으로 확보한 구조 데이터가 없어도 기존 구조 기반 방식과 예측 성능이 비슷한 것으로 확인됐다. 이 교수는 “실험으로 확보된 구조 데이터가 부족한 신약 후보물질에 대한 높은 예측 성능을 확인한 만큼 신약개발 기간과 비용을 줄이고 약물 재창출 연구에 폭넓게 활용될 것으로 기대한다”고 말했다. 연구 결과는 화학정보학 분야 국제 학술지 ‘케미인포매틱스 저널’ 지난달 21일 온라인에 실렸다. 이준기 기자 bongchu@dt.co.kr