KMCRIC

분자 디자인 자동화로 약물 개발 속도 개선 기대

Automating molecule design to speed up drug development

의약품 개발을 위한 새로운 분자 설계는 지금까지 주로 수동으로 이루어졌다. 그래서 시간이 오래 걸리고 오류 발생도 잦았다. 이를 개선하기 위한 방법으로 MIT 연구자들은 약물 설계 과정을 자동화하여 이를 통해 더욱 나은 결과를 얻을 수 있었다고 보고했다. 이 연구는 2018년 7월에 개최되는 국제기계학습회의(International Conference on Machine learning)에서 발표될 예정이다.

약물 개발은 리드(lead) 최적화에 달려 있다. 이 과정에서 화학자들은 특정한 질병에 대처할 수 있는 잠재력을 가진 타깃(리드) 분자를 선택하고, 보다 좋은 효능을 위해 다른 요인들에 대한 화학적 특성을 조정하고자 노력한다. 화학자들은 종종 전문 지식을 이용해 특정 화학반응을 담당하는 원자 및 결합 기능 그룹을 더하거나 뺌으로써 약물을 최적화한다. 비록 최적의 화학적 특성을 예측하는 시스템을 사용한다고 해도 각 단계 마다 수동으로 수정을 해야 한다. 이를 위해 수 시간이 걸릴 수도 있고 약물 후보군을 만들어 내지 못할 수도 있다.

이번 MIT 과학자들이 개발한 것은 분자 그래픽을 이용해 리드 분자를 최적화하는 방법이다. 기존 방법은 SMILE이라는 단순히 분자의 1차원 정보만을 담고 있는 것이었다. SMILE은 분자의 결합이나 원자들을 컴퓨터 프로그램이 인식할 수 있도록 간단한 표시로 만들어져 있다. 이를 이용한 약물의 최적화는 SMILE 문법에는 맞지만, 실제로는 아무런 의미가 없을 때가 많다. 따라서 이를 보완한 분자 그래픽 방법을 이용하면 보다 효율적으로 리드 분자의 물리적 특징들을 최적화할 수 있다고 연구진은 주장했다.

연구팀은 ZINC 데이터베이스를 이용해서 250,000개의 분자 그래픽 모델을 만들었으며 공개적으로 사용할 수 있는 3차원 분자 구조를 수집했다. 이를 이용해 최적의 리드 분자를 찾아냈으며 약물 개발로써 잠재력이 높은 새로운 분자들을 디자인하고 싶었다고 밝혔다.

첫 번째 테스트는 시료 분포에서 100% 화학적으로 유효한 분자들을 만들어 내는 모델이었다. 반면 SMILES 모델은 시료 분포에서 43%의 유효 분자만을 만들어 냈다.

두 번째 테스트에서는 먼저 전체 분자 데이터베이스를 검색해서 원하는 특성(용해도와 합성 가능성)을 가지며 기존 시스템보다 30% 높은 잠재력을 지닌 최적의 리드 분자를 찾아냈다고 연구진은 밝혔다. 그다음은 리드 화합물과 구조적으로 비슷하지만, 더욱 높은 잠재력을 가진 800개의 분자를 변형했다고 연구진은 말했다. 이를 통해 리드 구조는 닮았지만 잠재력에서는 80% 향상된 화합물 모델들을 만들어 낼 수 있었다고 밝혔다.

연구진은 다음 목표로 약물의 용해도 이외의 다른 특성에 대한 모델을 시험하는 것이라고 밝히며 제약 회사들은 생물학적 타깃과 싸울 수 있는 특성에 더욱 관심이 있지만, 이를 위해서는 더 많은 자료가 요구된다고 말했다. 앞으로의 도전 과제는 제한된 트레이닝(training) 자료를 바탕으로 작동이 되는 모델을 개발하는 것이라고 연구진은 밝혔다.

관련연구자: Wengong Jin

관련기관: MIT

본문키워드(한글): 약물 개발, 분자 그래픽, 리드 분자

본문키워드(영문): drug development, molecular graphic, lead molecule

국가: 미국

원문출판일: 2018-07-06

출처: https://phys.org/print450077747.html