최근 'AI 신약개발'이 제약업계에서 큰 관심을 받고 있습니다. AI는 이전보다 빠르고 효율적인 방식으로 약물을 발견하고 개발하는 데 많은 역할을 할 것으로 기대됩니다. 이 글에서는 AI가 어떻게 신약개발에 혁신을 가져오고 있는지, 특히 생성형 AI가 분자 디자인에 적용되어 새로운 물질을 발견하는 데 어떻게 도움이 되는지 자세히 살펴보려고 합니다. 히츠의 분자 생성 AI를 활용한 LG 화학과의 공동신약개발 사례를 통해 AI가 제시하는 신약개발의 새로운 가능성을 만나보세요.
AI 신약개발 사례: AI 활용 목적
프로젝트의 목적은 AI를 활용하여 ‘타깃 A’에 대해 특허성 있는 신규 골격을 찾는 것이었습니다. 이 타깃은 1,000개 이상의 물질에 대한 특허가 광범위하게 걸려있어 새롭고 특허성 있는 골격을 찾는 데에 어려움이 있었습니다. 동시에 시장성 확보를 위해 앞서있는 파이프라인을 빠르게 따라잡아야 했습니다. LG화학은 이러한 어려움을 극복하기 위한 전략으로 AI 신약개발을 택했고 히츠의 손을 잡았습니다.
AI 신약개발 사례: 생성형 AI 활용 신규 물질 디자인 과정
우선, 타깃 A에 대한 약물-단백질 상호작용 예측 모델의 성능을 검증하는 작업을 진행했습니다. 기존에 보고된 타깃 A에 대한 활성 분자들에 대해서 예측값과 실험값의 경향성을 비교하는 방식으로 성능을 검증하였고, R 값을 기준으로 0.6 이상의 correlation을 보였습니다. 타깃 A에 대한 실험 결과를 AI 모델 학습에 전혀 사용하지 않았다는 점을 고려하면, 높은 정확도라고 할 수 있습니다.
다음으로 분자 디자인 모델을 이용하여 타깃 A에 대한 후보물질을 디자인하였습니다. 이때 랜덤하게 디자인하는 것이 아니라, 분자 스캐폴드 기반 생성 모델을 이용한 conditional generation 방법을 이용하여 타깃 A에 대해 활성을 보일 확률이 높은 후보물질을 디자인하였습니다.
이후 약물-단백질 상호작용 예측 모델을 이용하여 상위 분자를 선별하였습니다. AI의 가장 큰 장점은 천문학적인 수의 분자를 빠른 속도로 탐색할 수 있다는 것입니다. 이러한 AI의 장점을 최대한으로 활용하고자 AI로 방대한 수의 분자를 탐색하여 선별한 뒤 의약화학자가 재선별하는 방식으로 AI 신약개발 프로젝트를 진행했습니다
마지막으로 선별된 분자들을 LG화학 의약합성팀에서 검토 후 유도체를 생성한 뒤 분자를 합성하고 protein assay를 수행하여 % inhibition과 IC50을 측정하였습니다.
AI 신약개발 사례: 생성형 AI 활용 신규 물질 디자인 결과
결과적으로 40개의 분자를 합성하여 15개의 유효물질(IC50<10 um)을 찾을 수 있었습니다. 15개의 분자들 중에는 IC50이 각각 94 nM, 220 nM, 690 nM인 화합물들도 포함되어 있었습니다. 이들 유효물질은 기존에 보고된 물질과는 다른 신규 골격을 가지고 있으며 구조 측면에서 특허성을 가지고 있습니다. 이러한 결과들은 히츠와 협업 전 1년 동안 2개의 유효물질을 찾은 것에 비하면 상당히 인상적인 결과입니다.
이처럼 히츠팀은 실제 신약개발에서 유의미한 성과를 낼 수 있는 AI 기술을 개발하고 있습니다. AI로 약의 탄생을 앞당겨 환자들에게 더 빠른 치료의 기회를 제공하는 게 저희 팀의 목표입니다. 신약개발에서의 AI 활용은 이제 막 출발선을 넘었다고 볼 수 있습니다. 지금까지 해 온 것보다 앞으로 할 것이 더 많은 분야입니다. 미래의 신약개발이 어떤 모습일지 궁금하다면 히츠팀과 함께 하세요. AI가 여는 신약개발의 미래를 가장 빨리 만날 수 있는 곳, 히츠입니다.
참고 문헌
Share article