KAIST, 질병 유발 단백질에만 작용하는 분자 만드는 생성 AI 기술 개발

생성 인공지능(AI)을 활용해 단백질과 약물 분자의 결합력을 높여 약물의 효과와 안정성을 개선하는 기술이 개발됐다. 

한국과학기술원(KAIST,총장 이광형)은 화학과 김우연 교수 연구팀이 단백질-분자 사이의 상호작용을 고려해 활성 데이터 없이도 타겟 단백질에 적합한 약물 설계 생성 AI를 개발했다고 18일 밝혔다. 

신약을 개발할 때 질병의 원인이 되는 타겟 단백질 구조에 결합하는 약물 분자를 찾는 것이 중요하다. 그러나 기존 약물 설계 생성 AI는 특정 단백질의 이미 알려진 활성 데이터를 학습에 활용하기 때문에 기존 약물과 유사한 약물을 설계하려는 경향이 있었다.

이에 연구팀은 단백질 구조 정보만으로 새로운 약물 분자를 설계하는 기술 개발에 주목했다. 타겟 단백질의 약물 결합 부위에 대한 3차원 구조 정보를 자물쇠처럼 활용해 해당 결합 부위에 꼭 맞는 분자를 열쇠를 주조하듯 설계하는 것이다. 

또 신규 단백질에 대해서도 안정적으로 결합할 수 있는 분자를 설계할 수 있는 기술을 개발하는 데 초점을 뒀다. 생성 AI에 단백질-분자 간 상호작용 패턴을 학습하고, 분자 설계에 직접 활용할 수 있는 모델을 설계하고 재현할 수 있도록 학습했다. 

기존 단백질 구조 기반 생성 AI 모델들은 10만~1000만개의 가상 데이터를 활용하는 반면, 이번 연구에서 개발한 모델의 장점은 수천개의 실제 실험 구조만을 학습해도 월등히 높은 성능을 발휘한다고 밝혔다.

연구진이 만든 생성 AI를 통해 분자를 설계한 결과, 생성된 분자의 23%가 돌연변이가 일어난 단백질에 100배 이상의 선택성을 가지는 것으로 예측됐다. 따라서 정상 세포에 영향을 주지않고 질병을 유발하는 단백질 수용체에만 효과를 내는 약물을 설계할 수 있다고 소개했다.

제1 저자로 참여한 정원호 KAIST 화학과 박사과정 학생은 “이번 연구에서 사용한 분자 간 상호작용 정보는 약물 분자뿐 아니라 다양한 생체 분자를 다루는 바이오 분야의 문제에도 유용하게 적용될 수 있을 것”이라고 말했다.

한국연구재단의 지원을 받아 수행된 이번 연구는 국제 학술지 ‘네이처 커뮤니케이션즈 3월 15호에 게재됐다. 

박수빈 기자 sbin08@aitimes.com