[연구실 언론 소개] 지스트 남호정 교수 연구팀, 저분자 화합물 생성 AI플랫폼 개발

원문: 뉴스1

출처: https://www.news1.kr/local/gwangju-jeonnam/5175659

남호정 교수, 배해리 박사과정생, 배봉성 석박통합과정생(왼쪽부터)(지스트 제공)/뉴스1

(광주=뉴스1) 조영석 기자 = 광주과학기술원(GIST) 전기전자컴퓨터공학부 남호정 교수 연구팀이 신규 약물 구조를 생성해주는 인공지능 모델을 개발했다고 19일 밝혔다.

생성형 인공지능 모델을 이용하는 신약 디자인 플랫폼으로, 약물의 효과를 최적화한 저분자 화합물 생성을 통해 신약 개발 시간을 획기적으로 단축하는 데 기여할 것으로 기대된다.

전통적인 신약개발 과정에서 선도물질의 최적화 단계는 수개월부터 수년까지 걸릴 수 있는 연구 과정을 필요로 하지만 인공지능을 도입하면 개발 시간을 몇 주에서 몇 개월로 크게 단축시킬 수 있다.

특히 이번에 개발된 인공지능 모델은 다양한 치료제 개발에 적용될 수 있도록 표적 단백질 정보를 쉽게 변경 가능토록 설계, 약물 개발 시장에 범용적으로 적용할 수 있는 강점을 갖고 있다.

연구팀은 기존의 전이 학습 모델의 문제점을 해결하기 위해 미세조정 단계에서 경험 기억 메모리(Experience memory)와 토너먼트 선택(Tournament selection)을 이용하는 방식을 고안해 생성모델이 더욱 다양한 화합물 구조를 탐색할 수 있는 훈련 알고리즘을 제안했다.

연구팀이 개발한 인공지능 모델이 제시한 분자 구조를 분석한 결과 약물 후보로 예측된 다수의 생성물이 기존의 데이터에 있는 분자와는 유사성이 낮은 신규 구조임을 밝혔다.

또 기존 화합물의 주요 골격은 유지하면서 세부 구조의 변화를 통해 표적 활성도 및 표적 단백질과의 3차원 구조적 결합을 향상하는 약물 최적화 방식도 적용 가능할 것으로 확인됐다.

남호정 교수는 "이번 연구 성과는 기존 전이학습 모델의 문제점을 해결해 안정적인 학습을 유도할 수 있고 데이터가 한정된 상황에서도 고품질의 다양한 신규 분자 구조를 제안하는 것이 가능하다"며 "신약 개발 초기 단계에 적용해 후보물질 및 선도물질 발굴 과정을 획기적으로 단축하고 효율성을 높일 수 있을 것으로 기대한다"고 말했다.

남호정 교수가 지도하고 배봉성 석박통합과정생과 배해리 박사과정생이 수행한 이번 연구는 화학정보학 분야 저명 학술지 'Journal of Cheminformatics'에 9월7일 온라인 게재됐다.