연구자들, 새로운 약물 개발을 위한 딥러닝 모델 개발

한국과학기술원(Gwangju Institute of Science and Technology) 연구진은 약물과 표적 분子の 결합을 예측할 수 있는 새로운 딥러닝 모델을 개발했다. 호정남(Hojung Nam) 부교수와 이인구(Ingoo Lee) 박사 과정 학생이 이끄는 팀은 새로운 모델을 “Highlights on Target Sequences” (HoTS)라고 명명했다.

이 연구는 Journal of Cheminformatics에 발표되었다.

신약 개발 과정

신약 개발 과정에서 약물은 표적 분자와의 결합 능력에 따라 테스트된다. 딥러닝 모델은 이 과정을 더 효율적으로 만드는 데 유용했지만, 예측이 항상 해석 가능하지는 않다. 따라서 팀은 HoTS를 개발했으며, 이는 약물-표적 상호작용을 더 잘 예측하고 해석 가능하다.

약물이 표적 분자에 얼마나 잘 결합하는지 결정하는 것은 중요하며, 이는 일반적으로 3D 구조의 약물과 표적 단백질을 다양한 구성으로 정렬하는 것을 포함한다. 이 과정은 “도킹”이라고 한다. 도킹 시뮬레이션을 여러 번 반복하여 표적 분자에 대한 여러 약물 후보를 발견하는 것이 다음 단계이다. 딥러닝 모델은 이러한 시뮬레이션을 수행하는 데 사용된다.

HoTS 모델

새로 개발된 모델은 시뮬레이션이나 3D 구조가 필요 없이 약물-표적 상호작용을 예측할 수 있다.

“우선, 우리는 모델에 약물이 표적 분자와 상호작용하는 단백질 서열의 부분을 가르친다”라고 호정남 교수는 설명했다. “훈련된 모델은 약물과 표적 단백질의 상호작용을 인식하고 예측하는 데 사용되며, 더 나은 예측 성능을 제공한다. 이를 사용하여 3D 구조가 필요 없는 표적 단백질의 결합 영역과 약물과의 상호작용을 예측할 수 있는 모델을 개발했다”

이 모델은 전체 단백질 서열의 길이를 다루지 않아도 된다. 대신, 약물-표적 상호작용과 관련된 단백질의 부분만을 기반으로 예측할 수 있다.

“우리는 모델이 중요하지 않은 서브 영역을 이해하도록 가르쳤다”라고 호정남 교수는 계속했다.

이로 인해 모델은 기존 모델보다 더 정확하게 약물-표적 상호작용을 예측할 수 있다.

이 새로운 발견은 미래의 도킹 시뮬레이션을 위한 좋은 출발점이 될 것이다. 새로운 약물 후보를 예측하는 데 사용될 수 있다.

“이 연구에서 사용된 모델은 신약 개발 과정을 더 투명하고 저위험, 저비용으로 만들 것이다. 이는 연구자들이 동일한 예산과 시간으로 더 많은 약물을 개발할 수 있도록 할 것이다”라고 호정남 교수는 결론지었다.