AI 기반 반복 학습으로 파킨슨병 치료제 후보 물질 발견

Discovery of potent inhibitors of α-synuclein aggregation using structure-based iterative learning

인공지능(AI)이 신약 개발의 새로운 지평을 열고 있다. 최근 영국 케임브리지 대학교 연구팀이 AI를 활용해 파킨슨병 치료제 후보 물질을 발견했다는 소식이 학계의 주목을 받고 있다. 이번 연구 결과는 AI 기술이 복잡한 질병의 치료제 개발을 어떻게 가속화할 수 있는지를 보여주는 중요한 사례로 평가받고 있다.

파킨슨병은 알파시누클레인(α-synuclein)이라는 단백질이 비정상적으로 뇌에 쌓이면서 발생하는 신경퇴행성 질환이다. 현재까지 이 질병의 진행을 멈추거나 되돌릴 수 있는 치료제는 개발되지 않았다. 케임브리지 대학교의 미켈레 벤드루스콜로(Michele Vendruscolo) 교수 연구팀은 이 알파시누클레인 단백질의 응집을 효과적으로 억제할 수 있는 물질을 찾기 위해 AI 기술을 도입했다.

연구팀이 개발한 AI 시스템은 ‘구조 기반 반복 학습’ 접근법을 사용했다. 이 방식은 기존의 약물 발견 방법과는 크게 다르다. 전통적인 방법에서는 이미 알려진 물질과 구조적으로 유사한 새로운 물질을 찾는 ‘유사성 검색’에 의존했다. 하지만 이 방식은 전혀 새로운 구조의 효과적인 물질을 발견하기 어렵다는 한계가 있었다.

반면 연구팀의 AI 시스템은 알파시누클레인 섬유(fibril)의 표면에 있는 특정 결합 부위를 표적으로 하는 화합물을 찾는데 초점을 맞췄다. 이를 위해 연구팀은 정션 트리 변분 오토인코더(Junction Tree Variational Autoencoder)라는 AI 기술을 사용해 분자 구조를 인코딩했다. 이 기술은 복잡한 분자 구조를 AI가 이해할 수 있는 형태로 변환하는 역할을 한다.

또한 연구팀은 랜덤 포레스트 회귀(Random Forest Regressor)와 가우시안 프로세스 회귀(Gaussian Process Regressor)를 결합한 예측 모델을 사용했다. 이 모델은 주어진 분자 구조가 얼마나 효과적으로 알파시누클레인 응집을 억제할 수 있을지를 예측하는 역할을 한다. 특히 이 모델은 새로운 실험 결과가 추가될 때마다 지속적으로 학습하고 개선되는 특징을 가지고 있다.

연구팀의 AI 시스템은 놀라운 성과를 보여줬다. 기존의 고효율 스크리닝 방식이 0.1~1% 정도의 최적화율을 보이는 데 비해, 이 AI 시스템은 20% 이상의 최적화율을 달성했다. 이는 기존 방식보다 40배 이상 효율적이라는 것을 의미한다. 또한 AI 시스템은 기존의 유사성 검색으로는 찾아내기 어려운 전혀 새로운 구조의 물질들을 발견해냈다.

AI가 발견한 물질들의 성능은 기존에 임상시험 중이던 물질들을 크게 앞섰다. 대표적으로 Anle-138b라는 기존 임상시험 물질과 비교했을 때, AI가 발견한 물질들은 100배 이상 강력한 효과를 보였다. 구체적으로 결합 친화도(K D )는 68 nM로, Anle-138b의 8.1 μM보다 100배 이상 우수했다. 또한 억제 농도(KIC50)는 0.52 μM로, Anle-138b의 36.4 μM보다 70배 이상 낮은 농도에서 효과를 나타냈다.

연구팀은 여기서 그치지 않고 AI가 발견한 물질들이 실제 환자의 뇌 조직에서도 효과가 있는지 확인하는 실험을 진행했다. 루이소체 치매(DLB)와 다발성 시스템 위축증(MSA) 환자의 뇌 조직 샘플을 사용해 실시간 진동 유도 전환(RT-QuIC) 분석법으로 알파시누클레인 응집 억제 효과를 테스트했다. 그 결과, AI가 발견한 물질들은 실제 환자의 뇌 조직에서도 기존 임상시험 물질보다 우수한 억제 효과를 보여주었다.

이번 연구 결과는 AI 기술이 신약 개발 과정을 혁신적으로 개선할 수 있다는 것을 보여준다. 특히 초기 단계의 약물 발견 과정에서 AI의 활용이 큰 이점을 가져올 수 있음이 입증되었다. 벤드루스콜로 교수는 “우리의 접근 방식은 단백질 오접힘 질환 연구자들에게 큰 도움이 될 것”이라며 “더 나아가 초기 단계 신약 개발 연구 전반에 혁신을 가져올 수 있을 것”이라고 말했다.

이번 연구의 또 다른 중요한 의의는 AI 기술이 단순히 기존 물질의 변형을 찾는 데 그치지 않고, 전혀 새로운 화학 구조를 발견할 수 있다는 점을 증명했다는 것이다. 이는 기존에 알려지지 않은 새로운 메커니즘의 약물을 발견할 수 있는 가능성을 열어준다. 또한 AI를 활용함으로써 신약 개발에 소요되는 시간과 비용을 크게 줄일 수 있다는 점도 주목할 만하다.

하지만 이번에 발견된 물질들이 실제 치료제로 개발되기까지는 아직 갈 길이 멀다. 동물 실험과 임상 시험 등 여러 단계의 검증 과정을 거쳐야 하며, 이 과정에서 예상치 못한 부작용이나 문제점이 발견될 수 있다. 따라서 이번 연구 결과를 바탕으로 한 지속적인 후속 연구와 투자가 필요할 것으로 보인다.

또한 AI 기술을 신약 개발에 활용할 때 주의해야 할 점도 있다. AI의 예측이 항상 정확한 것은 아니며, 실험실에서의 결과가 실제 인체에서도 동일하게 나타날 것이라고 단정할 수 없다. 따라서 AI의 예측 결과를 맹신하기보다는 전문가의 판단과 실험적 검증을 병행하는 것이 중요하다.

그럼에도 불구하고 이번 연구는 AI 기술이 신약 개발 분야에 가져올 수 있는 혁신적 변화의 가능성을 잘 보여주고 있다. 앞으로 이러한 AI 기반 접근법이 파킨슨병 외의 다른 난치성 질환 치료제 개발에도 적용되어 더 많은 성과를 낼 수 있을 것으로 기대된다. 특히 알츠하이머병, 암, 희귀 질환 등 아직 효과적인 치료제가 개발되지 않은 질병들에 대한 연구에 AI 기술이 큰 도움이 될 수 있을 것이다.

한편, 이번 연구 결과는 AI 기술의 발전이 어떻게 인류의 삶을 개선할 수 있는지를 보여주는 좋은 사례이기도 하다. AI가 단순히 일상적인 작업을 자동화하는 데 그치지 않고, 인간의 건강과 생명을 지키는 데 기여할 수 있다는 점에서 그 의의가 크다. 이는 AI 기술 발전의 궁극적인 목표가 무엇이어야 하는지에 대한 시사점을 제공한다.

영국 케임브리지 대학교 연구팀의 논문은 링크에서 확인할 수 있다.

본 기사는 클로드 3.5 Sonnet과 챗GPT-4o를 활용해 작성되었습니다.