단백질 유연성을 모델링해 신약 설계를 가속하는 AI 플랫폼

버지니아대학교 의과대학 연구진이 분자 결합 과정에서 단백질의 동역학을 모델링하는 새로운 인공지능 기반 신약 발견 접근법을 개발했다. YuelDesign, YuelPocket, YuelBond로 구성된 이 플랫폼은 첨단 AI 기법을 활용해 약물이 체내 단백질과 어떻게 상호작용하는지를 더 정확하게 예측한다. 이 접근법은 결합 예측을 개선하고 기존 신약 개발 프로그램과 관련된 높은 실패율을 낮출 가능성이 있다.

이번 혁신의 핵심은 YuelDesign이다. 이는 확산 모델을 사용해 표적 단백질에 정밀하게 맞춘 약물 분자를 생성한다. 단백질을 경직된 구조로 취급하는 기존 방법과 달리, 이 시스템은 상호작용 중 단백질이 자연스럽게 휘고 형태를 바꾸는 방식을 반영한다. YuelDesign은 단백질을 정적인 것이 아니라 유연한 것으로 다룸으로써, 약물이 결합할 때 단백질의 형태가 변하는 유도 적합(induced fit)이라는 중요한 생물학적 현상을 포착한다.

이를 통해 이 시스템은 단백질 결합 부위와 이에 대응하는 약물 분자를 동시에 설계할 수 있으며, 개발 과정에서 양쪽이 서로에 맞춰 적응하도록 한다. YuelPocket은 그래프 신경망을 사용해 약물이 단백질의 어디에 결합해야 하는지를 찾아내며, 여기에는 AlphaFold 같은 도구로 예측된 구조도 포함된다. YuelBond는 설계된 분자의 화학 구조가 정확하도록 보장한다.

연구진은 CDK2라고 불리는 잘 알려진 암 관련 단백질에 대한 분자를 설계하는 과정에서, 약물이 결합할 때 일어나는 중요한 구조 변화를 포착할 수 있었던 것은 YuelDesign뿐이었다고 밝혔다. 이들 도구를 함께 사용하면 새로운 약물의 설계와 기존 약물의 적응증 전환 모두를 개선할 수 있다.

신약 개발은 비용이 많이 들고 불확실성이 큰 과정으로, 비용은 흔히 수십억 달러를 넘는 것으로 추산되며 사람 대상 임상시험의 실패율은 90%에 육박한다. 주요 과제는 약물 분자가 표적에 어떻게 결합할지를 예측하는 데 있으며, 작은 불일치조차 치료 효과를 떨어뜨리거나 해로운 부작용으로 이어질 수 있다. 연구진은 이들의 접근법이 신약 개발 비용을 낮추고 성공률을 높이며, 새로운 치료법을 환자에게 제공하는 데 필요한 시간을 단축하는 데 도움이 될 수 있다고 보고 있다.

연구진은 모든 도구를 과학계에 무료로 공개했다고 밝혔다. 이들의 궁극적인 목표는 신약 발견을 더 빠르고 더 저렴하며 더 높은 성공 가능성을 갖도록 만들어, 유망한 치료법이 더 빨리 환자에게 도달하게 하는 것이다.