전 세계 보건에 큰 위협이 되는 항생제 내성 슈퍼박테리아를 죽이는 새로운 항생물질을 예측, 발견할 수 있는 심층학습(deep learning) 기반의 '설명 가능한 인공지능'(XAI)이 개발됐다.
미국 매사추세츠공대(MIT)와 하버드대 공동연구기관인 브로드연구소 제임스 콜린스 교수팀은 일 과학 저널 네이처(Nature)에서 딥러닝 기반의 설명 가능한 AI를 개발, 메티실린 내성 황색포도상구균(MRSA)를 죽이는 새로운 항생물질을 찾아냈다고 최근 밝혔다.
연구팀은 이 연구의 핵심적 혁신은 AI가 항생제 효능을 예측하는 데 어떤 정보를 사용했는지 알 수 있는 설명 가능성이라며 이를 활용하면 향후 더 효과가 좋은 약물을 설계하는 게 가능할 것이라고 설명했다.
슈퍼박테리아는 현재 사용되는 항생제가 듣지 않는 세균이며, 특히 MRSA는 미국에서만 매년 8만 명 이상이 감염되는 것으로 알려져 있다. MRSA는 주로 피부 감염이나 폐렴을 일으키며 심한 경우 생명을 위협하는 패혈증으로 이어지기도 한다.
문제는 AI가 항생물질 후보를 찾아내는 성과를 보이고 있지만 어떤 정보를 어떻게 활용해 결과를 도출하는지 알 수 없다는 점이다.
AI의 이런 설명 불가능성은 '블랙박스'에 비유되기도 하며 AI의 큰 약점으로 꼽힌다. 과학자들은 AI가 항균 활성을 예측하는 과정을 알 수 있다면 추가로 강력하고 안전한 항생제를 찾거나 설계하는 게 더 쉬워질 것으로 기대한다.
연구팀은 이 연구에서 3만9천여 화합물을 대상으로 MRSA에 대한 항생제 활성을 테스트해 생성한 데이터와 이들 화합물의 화학구조로 딥러닝 AI 모델을 훈련, 새로운 물질의 항균 활성을 예측할 수 있게 했다.
이어 AI 모델에 세 가지 유형의 인간 세포에 대한 독성 학습을 추가, 인체에 미치는 부작용을 최소화한 항균 화합물을 선별할 수 있게 했다.
연구팀은 또 알파고 같은 다른 딥러닝 모델의 설명력을 높이는 데 사용된 몬테카를로 트리 검색이라는 알고리즘을 적용, AI가 항균 활성을 예측하는 데 활용한 화합물들의 하위 분자구조 정보를 파악했다.
이들은 이 AI 모델을 상업적으로 이용할 수 있는 1천200만개의 화합물에 적용해 MRSA에 대해 활성이 있을 것으로 예측되는 화합물을 식별하고 이 중 280가지 화합물을 구입해 항균 활성을 검사했다.
이를 통해 발견한 항생제 후보물질 2개를 MRSA 피부 감염 및 MRSA 전신 감염 모델 생쥐에 적용한 결과 MRSA 개체수가 10분의 1 이하로 감소한 것으로 나타났다.
이 화합물들은 세포 내 에너지 저장에 사용하는 ATP(아데노신삼인산) 생성에 관여하는 세포막의 전기화학적 작용을 방해해 박테리아를 죽이는 것으로 밝혀졌다.
논문 제1 저자인 펠릭스 웡 연구원은 "이 화합물들은 박테리아 세포막을 선택적으로 공격한다"며 "이 AI를 통해 인간 세포에는 독성이 없으면서 강력한 항균 활성이 있는 새로운 항생제를 예측할 수 있다"고 말했다.
콜린스 교수는 "이 연구의 핵심은 항균 활성을 예측하기 위해 AI가 무엇을 학습하고 있는지 확인할 수 있다는 것"이라며 "이 연구는 지금까지 없었던 방식으로 화학 구조 관점에서 시간 효율적, 자원 효율적인 통찰력을 제공한다"고 말했다.
◆ 출처 : Nature, James Collins et al., 'Discovery of a structural class of antibiotics with explainable deep learning', https://www.nature.com/articles/s41586-023-06887-8
