지스트(광주과학기술원, 총장 김기선) 전기전자컴퓨터공학부 남호정 교수 연구팀은 단백질 서열 기반으로 약물과 표적 단백질의 결합지역 및 상호작용을 예측하는 인공지능 기술을 개발했다고 21일 밝혔다.

연구팀에 따르면 신약개발의 초기 단계인 후보 물질 발굴단계는 표적 단백질에 활성을 보이는 화합물을 찾아내는 단계로, 수만·수십만 개의 화합물로부터 표적 단백질에 활성을 보이는 화합물을 찾아야 하는 힘겨운 과정이다.

이러한 상황을 해결하기 위해 다양한 약물-표적 단백질 상호작용 예측 인공지능 모델들이 개발됐지만, 좋은 예측 성능에도 불구하고 예측 결과에 대한 설명력이 부족했기 때문에 실제 신약 개발에서 적극적인 도입이 꺼려져 왔다.

그러나, 이번에 연구팀이 개발한 모델인 HoTS는 약물-표적 단백질이 결합하는 부분을 사전학습한 후 예측하게 해준다. 높은 예측 정확도와 함께 약물-표적 단백질 상호작용 예측의 근거도 함께 제시해 신약개발 연구자들이 보다 신뢰할 수 있는 결과를 볼 수 있다.

남호정 교수는 "본 연구성과는 3차원 구조 정보가 없는 신규 표적 단백질에 대한 신약 개발의 가능성을 열어줬다는데 의의가 있다"며 "향후 해당 모델을 통해 약 개발 단계에서의 빠르고 효율적인 유효화합물 발굴이 가능할 수 있을 것으로 기대된다"고 말했다.

남 교수팀이 수행한 이번 연구는 '설명가능 인공지능 기반 약물 후보의 독성 및 부작용 예측 시스템 개발'(한국연구재단 중견연구자지원사업), '지스트-전남대학교병원 공동연구과제', 'GRI(GIST 연구원) 생명노화연구소' 사업의 지원을 받아 수행되었으며, 'Journal of Cheminformatics'에 8일자 온라인 게재됐다.