생성형 AI로 폐암 치료제 만든다

KAIST 연구팀이 신약발굴과 개발에 사용되는 생성형 인공지능(AI)을 개발했다. 연구팀이 개발한 AI를 이용해 아시아인 비소세포폐암 환자에게서 주로 나타나는 ‘상피 성장인자 수용체(EGFR)’를 표적으로 한 신약 후보물질도 개발하는 데 성공했다.

생성형 인공지능 (Generative AI)은 인공지능의 한 분야로서, 텍스트, 이미지, 음악, 영상 등과 같은 새로운 콘텐츠를 창작하는 데 초점을 맞춘다. 기존 데이터를 기반으로 학습하여 새로운 패턴과 구조를 파악하고, 이를 바탕으로 인간이 만든 것과 구분하기 어려울 정도로 사실적이고 창의적인 콘텐츠를 생성할 수 있다.

생성형 인공지능은 다양한 분야에서 활용되고 있는데 예술 및 디자인, 엔터테인먼트, 제품 개발, 마케팅, 과학 연구에서 활용된다. 특히 과학 연구 분야에서 새로운 물질 개발, 의약품 발견, 우주 탐사 등에 사용되고 있다.

KAIST 화학과 김우연 교수 연구팀이 단백질-분자 사이의 상호작용을 고려해 활성 데이터 없이도 타겟 단백질에 적합한 약물 설계 생성형 AI를 개발했다고 18일 밝혔다.

신약 개발에 있어 그 시작은 질병의 원인이 되는 타겟 단백질에 결합하는 분자를 찾는 것이다. 하지만 기존의 약물 설계 생성형 AI는 특정 단백질의 이미 알려진 활성 데이터를 학습에 활용하기 때문에 기존 약물과 유사한 약물을 설계하고자 한다. 이는 신규성이 중요한 신약 개발 분야에서 치명적인 약점으로 지적되어 왔다.

연구팀은 이런 데이터 의존성 문제를 극복하기 위해 단백질 구조 정보만으로 분자를 설계하는 기술 개발에 주목했다. 타겟 단백질의 약물 결합 부위에 대한 3차원 구조 정보를 틀처럼 활용하는 것이다. 마치 자물쇠에 딱 맞는 열쇠를 설계하는 것과 같은 이치다.

기존 단백질 구조 기반 3차원 생성형 AI 모델들은 신규 단백질에 대해 설계한 분자들의 안정성과 결합력이 떨어지는 문제도 해결했다.

연구팀은 수천 개의 실제 실험 구조만을 학습해도 월등히 높은 성능을 발휘하게 했다.

이번에 개발한 AI를 이용해 연구팀은 아시아인 비소세포폐암 환자에게서 주로 나타나는 ‘상피 성장인자 수용체(EGFR)’를 표적으로 한 신약 후보물질도 개발하는 데 성공했다. EGFR에 변이가 발생하면 암 발생 위험이 커지는 것으로 알려져 있다.

연구팀은 변이가 일어난 EGFR 아미노산 분자에서 일어나는 상호작용 패턴을 적용해 결합하는 물질을 찾아냈다. 그 결과 얻은 분자의 23%는 이론적으로 변이가 없는 경우보다 100배 이상 결합력이 우수한 것으로 나타나 비소세포폐암 치료에 도움이 될 것으로 보인다.

이번 연구에 참여한 정원호 박사과정 학생은 “사전 지식을 인공지능 모델에 사용하는 전략은 상대적으로 데이터가 적은 과학 분야에서 적극적으로 사용되어 왔다”며 “이번 연구에서 사용한 분자 간 상호작용 정보는 약물 분자뿐 아니라 다양한 생체 분자를 다루는 바이오 분야의 문제에도 유용하게 적용될 수 있을 것”이라고 말했다.

이번 연구는 국제 학술지 ‘네이처 커뮤니케이션즈(Nature Communications) 2024년 3월 15호에 게재됐다.