KAIST, 암 표적 돌연변이 최적 약물 후보 자동설계 AI 개발

정원호 석박사통합과정, 이중원 석박사통합과정, 김우연 교수, 서지수 석박사통합과정. [사진=KAIST]

[이뉴스투데이 김진영 기자] KAIST는 김우연 화학과 교수 연구팀이 표적 단백질 정보만으로 결합 가능한 약물 후보를 설계·최적화할 수 있는 인공지능(AI) 모델 ‘BInD’를 개발했다고 10일 밝혔다.

기존 신약 개발은 질병 원인 단백질에 결합하는 분자를 대량 탐색·검증하는 방식이어서 시간과 비용이 많이 들고 성공률이 낮았다. BInD는 결합할 분자에 대한 사전 정보 없이 단백질 구조만 입력하면 해당 단백질과 잘 맞는 분자 구조와 결합 방식을 동시에 설계한다.

핵심은 ‘동시 설계’다. 기존 AI가 분자 생성과 결합 평가를 따로 진행한 것과 달리, BInD는 결합에 필요한 화학적 상호작용을 생성 과정에 직접 반영해 안정적이고 효과적인 분자를 만들 확률을 높였다. 단백질 표적 부위에 맞춰 원자 종류·위치, 결합 거리·길이 등을 한 번에 생성하며 분자 안정성·물성 등 신약 설계 필수 조건도 균형 있게 충족한다.

이 모델은 무작위 구조에서 점차 완성도를 높여가는 ‘확산 모델’을 기반으로 실제 화학 법칙에 맞춘 지식 기반 가이드를 적용해 더 현실적인 구조를 도출한다. 우수한 결합 패턴을 반복 활용하는 최적화 전략도 도입해 추가 학습 없이 성능을 향상, EGFR 돌연변이에 선택적으로 작용하는 암 치료 후보 분자 생성에도 성공했다.

이번 성과는 기존에 결합 조건을 입력해야 했던 연구팀의 AI 기술을 한 단계 발전시킨 것이다. 김우연 교수는 “표적 단백질과 결합하는 핵심 요소를 AI가 스스로 학습해 사전 정보 없이도 최적 약물 후보를 설계할 수 있다”며 “신약 개발 패러다임을 바꿀 수 있는 기술”이라고 말했다.

한편, 연구에는 이중원·정원호 KAIST 화학과 박사과정 학생이 공동 제1 저자로 참여했다. 논문은 국제학술지 어드밴스드 사이언스(Advanced Science, IF 14.1)에 7월 11일 게재, 연구는 한국연구재단과 보건복지부 지원으로 수행됐다.