한국과학기술원(KAIST)은 화학과 김우연 교수 연구팀이 사전 정보 없이 암 표적 단백질 정보만으로 그에 맞는 신약 후보 물질을 설계할 수 있는 인공지능(AI) 모델 '바인드'(BInD)를 개발했다고 11일 밝혔다.
기존 약물 개발은 질병을 일으키는 표적 단백질과 그 단백질에 달라붙어 작용을 막을 분자(약물 후보)를 찾는 방식으로 이뤄진다.
수많은 후보 분자를 대상으로 한 이런 탐색 방식은 시간과 비용이 많이 든다는 한계가 있다.
기존 AI 모델은 단백질과 결합하는 분자의 조건을 따로 입력해야 했지만, 사전 정보 없이도 '동시 설계'를 통해 신약 발굴 시간을 획기적으로 줄일 수 있다.
구글 딥마인드가 개발한 '알파폴드3'가 사용한, 무작위 상태에서 점점 더 정교한 구조를 그려나가는 방식인 '확산 모델' 방법론을 기반으로 한다.
여기에 '결합 길이'나 '단백질-분자 간 거리'와 같은 실제 화학 법칙에 맞는 기준을 알려주는 가이드를 넣어 효율성을 높였다.
이와 함께 이미 만든 결과 중 뛰어난 결합 패턴을 찾아 다시 활용하는 최적화 전략을 적용, 추가 학습 없이도 적합한 약물 후보를 발굴할 수 있다고 연구팀은 설명했다.
김우연 교수는 "이번에 개발한 AI는 표적 단백질에 잘 결합하는 핵심 요소를 스스로 학습하고 이해함으로써 사전 정보 없이도 상호작용 하는 최적의 약물 후보를 설계할 수 있다"며 "신약 개발의 패러다임을 크게 바꿀 것"이라고 기대했다.
이번 연구 성과는 국제 학술지 '어드밴스드 사이언스'(Advanced Science) 지난달 11일 자에 실렸다.
