KAIST 화학과 김우연 교수팀이 약물 후보에 대한 사전 정보 없이 표적 단백질 구조만으로 최적의 약물 후보 분자와 결합 방식을 동시에 설계하고 최적화할 수 있는 AI 모델 'BInD'를 개발했습니다.

기존 신약 개발은 질병을 일으키는 원인 단백질을 정한 뒤, 이와 결합해서 작용을 막을 분자를 찾아내는 수많은 시험 과정이 필요해 시간과 비용이 많이 들고, 또 성공률도 낮았습니다.

이번에 개발한 AI 모델은 이런 과정을 크게 단축합시킵니다.

표적 단백질의 구조만 입력하면 단백질 표적 부위에 맞춰 원자의 종류, 위치, 결합 길이, 비공유 결합성 상호작용 등 중요한 요소를 한 번에 고려해 최적의 분자를 설계합니다.

기존 AI 모델이 분자를 만들거나 결합 여부를 따로 평가했던 것과 달리 'BInD'는 분자와 단백질의 결합 방식을 동시에 설계하는 동시 설계 방식을 채택했습니다.

연구팀은 또 무작위 상태에서 점차 정교한 구조를 완성하는 확산 모델을 기반으로 2024년 노벨 화학상을 받은 알파폴드3의 단백질-약물 구조 생성 원리를 응용했습니다.

여기에 실제 화학 법칙에 부합하는 결합 길이와 분자 간 거리 같은 지식 기반 가이드를 적용해 생성된 구조가 더 현실적이고 안정적인 결과를 내도록 했습니다.

아울러 한 번 만든 결과 중에서 뛰어난 결합 패턴을 선별해 다시 활용하는 최적화 전략을 도입해 추가 학습 없이도 더 우수한 후보를 만들어냈습니다.

특히 이를 통해 암 표적 단백질인 EGFR 돌연변이에 선택적으로 작용하는 분자 설계에도 성공했습니다.

KAIST 김우연 교수는 "이번에 개발한 AI는 표적 단백질 구조만으로 사전 정보 없이도 최적의 약물 후보 분자를 설계할 수 있다는 점에서 신약 개발의 패러다임을 크게 바꿀 수 있을 것"으로 기대했습니다.

이번 연구 결과는 국제학술지 어드밴스드 사이언스 7월 11일 자에 실렸습니다.

TJB 대전방송