ํฌ์ค์ผ์ด
๋ฅ๋ฌ๋ ๋ชจ๋ธ, ๋ถ์์ฉ์ ์ผ์ผํฌ ์ ์๋ ์ฝ-์ฝ ์ํธ์์ฉ ์์ธก
한국의 광주과학기술원(GIST)의 연구팀은 약-약 상호작용(DDIs)을 예측하는 딥러닝 모델을 개발하였다. 이 모델은 약이 유전자 발현에 미치는 영향을 기반으로 DDIs를 예측한다. 다중 약물 복용 시 예상치 못한 상호작용으로 인해 부작용이 발생할 수 있는 문제를 해결하기 위해 개발되었다.
연구는 Journal of Cheminformatics에 발표되었다.
DDIs의 조기 발견
다양한 복잡한 질병은 다중 약물 복용, 즉 폴리팜라シー(polypharmacy)를 필요로 한다. 다중 약물 복용 시 예상치 못한 상호작용이 발생하여 심각한 부작용이나 임상적 효능 감소로 이어질 수 있다. 이러한 부작용을 예방하기 위해 조기 발견이 필요하다.
현재의 접근 방법은 알려진 약물 상호작용의 기록을 조사하고, 구조와 부작용을 연관시켜 약물 조합의 부작용을 예측하는 컴퓨터 모델과 신경망 기반 알고리즘을 사용한다. 그러나 이러한 시스템은 유사한 약물이 유사한 상호작용을 가질 것이라고 가정하고, 유사한 부작용을 가진 약물 조합을 식별한다.
연구팀은 이러한 제한을 극복하기 위해 새로운 모델을 개발하고자 하였다. 광주과학기술원(GIST)의 호정남(Hojung Nam) 부교수와 김은영(Eunyoung Kim) 박사 과정 학생이 이끄는 팀은 약물에 의한 유전자 발현 서명(gene expression signatures)을 기반으로 DDIs를 예측하는 딥러닝 모델을 개발하였다.
DeSIDE-DDI 모델
이 모델은 두 부분으로 구성되어 있다:
- 첫 번째 부분: 약물의 구조와 특성을 고려하여 약물이 유전자 발현에 미치는 영향을 예측하는 특징 생성 모델이다.
- 두 번째 부분: 약물 조합으로 인해 발생하는 다양한 부작용을 예측하는 DDI 예측 모델이다.
“우리의 모델은 약물이 유전자에 미치는 영향을 이용하여, 왜 특정 약물 조합이 DDIs를 일으키는지 설명한다”라고 남 교수는 말했다. “현재 승인된 약물뿐만 아니라 새로운 화합물에도 DDIs를 예측할 수 있다. 이를 통해 다중 약물 복용의 위험을 새로운 약물이 공중에게 제공되기 전에 해결할 수 있다”
모든 화합물은 약물 처리된 유전자 발현 서명(gene expression signatures)을 가지고 있지 않기 때문에, 새로운 모델은 예상된 약물 처리된 유전자 발현을 생성하기 위해 사전 훈련된 화합물 생성 모델에 의존한다.
“이 모델은 잠재적으로 위험한 약물 조합을 식별하여 약물 안전 모니터링 시스템으로 작용할 수 있다”라고 남 교수는 계속 말했다. “연구자들이 약물 개발 단계에서 약물의 올바른 사용법을 정의하는 데 도움이 될 수 있다”
새로운 모델은 새로운 약물의 안전성을 향상시키는 데 큰 발전이며, DDIs와 그 부작용에 대한 필요로 하는 통찰력을 제공할 것이다.
