GIST, AI로 신약 후보물질 예측 정확도 높였다

알파폴드3 내부 정보 활용 '알파 DTA' 개발

신약 개발 기간·비용 절감, 약물 재창출 활용

(왼쪽부터) GIST AI학과 이현주 교수, 정민재 석사과정생, 전기전자컴퓨터공학과 박세진 박사. (사진=GIST 제공) [email protected]

[전남광주=뉴시스]이창우 기자 = 광주과학기술원(GIST)이 구글 딥마인드의 인공지능(AI) 모델 '알파폴드3(AlphaFold3)'의 내부 표현 정보를 활용해 신약 후보물질의 예측 정확도를 높이는 인공지능(AI) 기술을 구현했다.

6일 GIST에 따르면 AI학과 이현주 교수 연구팀이 단백질과 약물의 결합 친화도를 높은 정확도로 예측하는 AI 모델 '알파 DTA(AlphaDTA)'를 개발했다.

기존 AI 기반 신약 개발은 단백질 서열 정보만 활용하는 방식은 정확도가 낮고 실험으로 확보한 3차원 구조를 이용하는 방식은 데이터 부족의 한계에 직면했다.

연구팀은 알파폴드3가 단백질과 약물의 3차원 결합 구조를 예측하는 과정에서 생성하는 내부 표현 정보(Embedding)와 구조 정보를 함께 활용하는 새로운 AI 모델을 개발해 이 같은 한계를 극복했다.

'알파 DTA'는 학습에 사용되지 않은 새로운 단백질·약물 조합에서도 기존 서열 기반 AI보다 높은 예측 성능을 보였으며 실험으로 확보한 구조 데이터 없이도 기존 구조 기반 AI와 비슷한 수준의 정확도를 기록했다.

연구팀은 이번 기술이 구조 데이터가 부족한 신약 후보물질도 효율적으로 선별할 수 있어 신약 개발 기간과 비용을 줄이고 기존 약물을 새로운 질환 치료에 활용하는 '약물 재창출(Drug Repurposing)' 연구에도 활용될 것으로 기대하고 있다.

알파 DTA의 작동 개략도. 단백질 서열과 약물의 화학구조를 입력하면 알파폴드3(AlphaFold3)가 복합체의 3차원 구조와 함께 내부 표현 정보(단일 표현 벡터, 쌍 표현 벡터)를 생성한다. AlphaDTA는 이 구조 정보와 표현 정보를 함께 종합해 결합 친화도를 예측한다. (그래픽=GIST 제공) [email protected]

이현주 교수는 "이번 연구는 실험으로 단백질-약물 결합 구조를 확인하지 않아도 신약 후보 물질의 결합 친화도를 높은 정확도로 예측할 수 있다는 점에서 의미가 있다"며 "구조 데이터가 부족한 다양한 표적 단백질에 대해 유망한 후보물질을 효율적으로 선별하고, 신약 개발의 속도와 효율을 높이는 데 기여할 것으로 기대한다"고 말했다.

이번 연구는 GIST AI학과 정민재 석사과정생이 제1저자로 참여했으며 박세진 박사가 공동 연구했다.

연구 결과는 화학정보학 분야 국제학술지 '저널 오브 케민포매틱스'(Journal of Cheminformatics) 온라인에 지난 7월21일 게재됐다.

기술이전 관련 협의는 GIST 기술사업화센터([email protected])로 문의하면 된다.


◎공감언론 뉴시스 [email protected]