지스트, 신약 후보물질 탐색 인공지능 모델 개발

HoTS의 결합지역 예측과 트랜스포머의 Attention 분포. 사진=지스트 제공

[아시아경제 호남취재본부 조형주 기자] 지스트(광주과학기술원·총장 김기선) 전기전자컴퓨터공학부 남호정 교수 연구팀은 단백질 서열 기반으로 약물과 표적 단백질의 결합지역 및 상호작용을 예측하는 인공지능 기술을 개발했다고 21일 밝혔다.

연구팀이 개발한 모델인 HoTS는 약물-표적 단백질이 결합하는 부분을 사전학습한 후 예측하게 함으로써, 높은 예측 정확도와 함께 약물-표적 단백질 상호작용 예측의 근거도 함께 제시하여 신약개발 연구자들에게 보다 신뢰할 수 있는 유효화합물 예측 결과를 제시해 줄 수 있게 됐다.

이번 연구는 대규모의 단백질 3차원 구조 데이터베이스로부터 화합물과의 결합지역을 추출하여 CNN과 트랜스포머기반의 딥러닝 모델로 단백질 서열상의 결합지역을 예측할 수 있도록 학습됐다.

결합지역을 학습한 후, 해당 학습을 기반으로 하여 더 많은 트랜스포머 계층을 통해 약물-표적 단백질 상호작용을 예측할 수 있으며, 그 결과 딥러닝 모델이 결합지역과 함께 약물-표적 상호작용 예측이 가능하다.

HoTS 모델은 다른 딥러닝 모델들보다 더 높은 예측력을 보여주었으며 결합지역 예측도 단백질 서열 정보만을 사용함에도 불구하고 3차원 구조 기반의 타 예측 모델과 비슷한 수준의 성능을 확인했다.

남호정 교수는 "이번 연구성과는 신약 개발 단계 중 유효화합물 발굴의 효율성을 크게 높여주는 기술이며, 무엇보다 3차원 구조 정보가 없는 신규 표적 단백질에 대한 신약 개발의 가능성을 열어줬다는데 의의가 있다"면서 "향후 해당 모델을 통해 약 개발 단계에서의 빠르고 효율적인 유효화합물 발굴이 가능할 수 있을 것으로 기대된다"고 말했다.

호남취재본부 조형주 기자 ives0815@asiae.co.kr