구글 딥마인드가 의료분야의 AI개발에서 알파폴드에 이어 혁신적인 AI 모델인 알파 프로테오(Alpha Protéo)를 발표했습니다. 이 모델은 단백질 결합체 설계를 통해 신약 개발의 새로운 가능성을 열어주고 있으며, 특히 단백질 간의 결합력을 극대화하여 질병 치료에 중요한 기여를 할 수 있는 기술로 주목받고 있습니다. 알파 프로테오의 주요 기능과 그 활용 방법, 그리고 신약 개발에서의 중요성에 대해 자세히 알아보겠습니다.
1. 알파 프로테오의 주요 기능
알파 프로테오는 기존의 AI 모델 알파폴드(AlphaFold)에서 한 단계 발전한 모델로, 단백질 구조 예측을 넘어서 단백질 간의 결합력을 예측하고 설계하는 데 중점을 둔 기술입니다. 이 기술의 주요 기능은 다음과 같습니다:
단백질 결합체 설계: 알파 프로테오는 단백질이 다른 단백질이나 물질과 어떻게 결합하는지 예측합니다. 이를 통해 특정 단백질이 바이러스나 암세포와 결합하여 중화하거나, 특정 화합물을 결합시켜 치료 효과를 발휘할 수 있는지 분석할 수 있습니다.
고도의 결합력: 알파 프로테오는 기존의 실험적 방법보다 최대 300배 이상 높은 결합력을 보여줍니다. 이는 실험을 통한 반복적인 테스트를 대폭 줄이고, 더 효율적으로 신약 개발을 진행할 수 있게 만듭니다.
높은 성공률: 알파 프로테오의 예측 성공률은 기존 기술보다 700배 이상 높은 수준입니다. 실험적으로 확인된 성공률이 99%에 달하며, 이는 단백질 결합체 설계에서 매우 중요한 지표입니다.
위 알파프로테오의 논문(5페이지)에서는 AlphaProteo의 설계 시스템을 설명하고 있습니다. 설계 시스템은 크게 두 가지 주요 과정으로 나뉩니다:
- Generative Model (생성 모델): 이 모델은 결합체 구조와 서열을 생성합니다. 이 모델이 새로운 결합체를 설계하는 핵심 역할을 합니다.
- Filter (필터): 생성된 결합체가 실제로 결합할 가능성을 예측하는 모델 또는 절차입니다. 이 필터링 과정을 통해 결합력이 약한 후보물질을 걸러냅니다.
AlphaProteo는 생성 모델과 필터를 사용하여 예측된 결합체를 실험적으로 테스트하고, 최적의 결합체를 선별하는 과정으로 이루어져 있습니다.
2. 결합체 설계의 목적과 실험
그림 B와 C에서 설명한 바와 같이, AlphaProteo는 다양한 표적 단백질에 대해 결합체를 설계했습니다. 이 연구에서는 COVID-19 바이러스 단백질(SARS-CoV-2 RBD)과 같은 중요한 7개의 표적 단백질에 대해 실험을 진행했으며, 그림 C에서 **결합 부위(핫스팟)**가 표시된 구조를 보여줍니다.
3. 실험 결과 및 성과
논문의 그림 D와 E는 AlphaProteo가 실제로 실험적으로 검증된 결합체의 성공률과 결합력에서 기존 방법을 크게 능가했음을 보여줍니다.
그림 D: 실험적 성공률: AlphaProteo로 설계된 결합체의 성공률은 다른 기존 설계 방법보다 높습니다. 실험에서 AlphaProteo는 최대 90%의 성공률을 기록했으며, 이는 기존 방법(회색)이 보여준 성공률을 훨씬 초과합니다.
그림 E: 결합 친화력: AlphaProteo는 또한 **결합 친화도(KD)**가 뛰어난 결합체를 설계할 수 있었습니다. 결합 친화도는 수치가 낮을수록 결합력이 강한 것을 의미하며, AlphaProteo가 설계한 결합체는 이전 방법에 비해 훨씬 더 낮은 KD 값을 기록했습니다.
일반적인 신약 개발과정과 알파프로테오
신약 개발은 새로운 치료제를 개발하고 이를 환자에게 안전하게 사용할 수 있도록 하는 매우 복잡하고 시간과 비용이 많이 드는 과정입니다. 신약 개발 과정은 일반적으로 크게 발견(Discovery), 전임상(Preclinical), 임상시험(Clinical Trials), 그리고 승인 및 상업화(Approval and Commercialization) 단계로 나뉩니다. 각 단계는 여러 해에 걸쳐 진행되며, 수많은 후보 물질 중 하나가 성공적인 치료제로 이어질 확률은 매우 낮습니다. 여기서 AI 기술, 특히 알파 프로테오(Alpha Protéo) 같은 단백질 결합체 설계 기술은 이 복잡한 과정에서 중요한 기여를 할 수 있습니다. 아래에서는 신약 개발 과정과 알파 프로테오가 기여할 수 있는 부분을 상세히 설명하겠습니다.
1. 신약 개발 과정
1) 발견(Discovery)
이 단계는 신약 개발의 첫 번째 단계로, 특정 질병을 치료할 수 있는 화합물이나 생물학적 물질을 찾는 데 집중합니다. 이 과정에서는 질병의 원인인 특정 단백질이나 유전자 표적을 선정하고, 이 표적과 상호작용할 수 있는 화합물을 탐색합니다. 주로 고효율 스크리닝(High-Throughput Screening) 기술을 사용하여 수천, 수만 개의 후보물질을 조사합니다.
- 알파 프로테오의 기여: 알파 프로테오는 단백질 결합체 설계를 통해 단백질과 화합물 간의 결합을 정밀하게 예측할 수 있습니다. 이 기술을 통해 후보물질의 결합력과 효능을 더 정확하게 예측하여, 실험적으로 유망한 후보를 더 빠르게 찾아낼 수 있습니다.
2) 전임상(Preclinical)
발견된 후보물질이 신약으로 개발될 수 있는 가능성을 확인하기 위해 **세포 실험(in vitro)**과 **동물 실험(in vivo)**을 진행합니다. 여기서 후보물질의 안전성과 유효성을 평가하며, 독성 여부와 생체 내 흡수, 대사, 배출 등을 연구합니다.
- 알파 프로테오의 기여: 전임상 단계에서는 여러 후보물질 중에서 실제로 인체에 효과가 있을 것으로 예상되는 물질을 선별해야 합니다. 알파 프로테오는 결합체 설계를 통해 효과적인 약물 후보를 사전에 걸러내는 역할을 수행할 수 있습니다. 이를 통해 실험적으로 유효한 후보물질을 더 신속하게 찾을 수 있습니다.
3) 임상시험(Clinical Trials)
임상시험은 3단계로 나뉩니다:
임상 1상(Phase 1): 신약 후보물질이 소수의 건강한 사람에게 투여되어 안전성을 평가합니다.
임상 2상(Phase 2): 작은 규모의 환자 집단에게 투여하여 효과와 부작용을 평가합니다.
임상 3상(Phase 3): 대규모 환자 집단을 대상으로 후보물질의 효능과 안전성을 확인하여, 실제 치료제로 사용할 수 있는지를 검증합니다.
알파 프로테오의 기여: 알파 프로테오는 신약 후보물질이 특정 표적 단백질과 정확하게 결합할 가능성을 예측하고 설계하는 기술입니다. 이를 통해 임상 단계에서 효과가 높은 약물 후보를 미리 선별하여, 실험 실패 확률을 줄이고 비용을 절감할 수 있습니다.
4) 승인 및 상업화(Approval and Commercialization)
임상시험을 성공적으로 마친 신약은 **식약처(FDA)**와 같은 규제 기관의 승인을 받아야 합니다. 승인을 받은 후에는 신약을 대량으로 생산하여 상업적으로 판매하게 됩니다.
- 알파 프로테오의 기여: 알파 프로테오는 신약 개발 초기 단계에서 실험적 실패를 줄이고, 더 높은 성공률을 가진 후보물질을 찾는 데 기여하기 때문에, 전체 신약 개발 시간을 단축시키고 비용을 절감할 수 있습니다. 이는 신약의 시장 진입을 더 빠르게 할 수 있다는 장점이 있습니다.
2. 알파 프로테오의 기여 부분
알파 프로테오는 신약 개발 과정에서 단백질 결합체 설계를 혁신적으로 도입함으로써 다양한 방식으로 기여할 수 있습니다:
고효율 스크리닝 과정에서 후보물질 탐색 가속화: 신약 개발 초기 단계에서 알파 프로테오는 단백질-화합물 결합을 예측하는 데 탁월한 성능을 보입니다. 이로 인해 실험적 검증 전에 AI를 통해 후보물질을 효과적으로 걸러낼 수 있어, 신약 개발 초기의 실험적 시간과 비용을 크게 줄일 수 있습니다.
단백질-화합물 결합력 예측: 알파 프로테오는 단백질과 화합물의 결합력을 기존 방식보다 300배 높은 정확도로 예측합니다. 이를 통해 후보물질의 성공 가능성을 높여, 약물 개발 실패율을 줄이고 신약 개발 성공률을 높일 수 있습니다.
실험 과정 단축: 전통적인 신약 개발에서는 수많은 실험을 통해 후보물질을 검증해야 하지만, 알파 프로테오의 예측 모델을 사용하면 최소한의 실험만으로도 높은 성공률을 가진 후보물질을 찾을 수 있습니다. 이는 특히 임상시험에 진입하기 전 단계에서 매우 유리합니다.
다양한 질병에 대한 적용성: 알파 프로테오는 단백질 결합체 설계를 통해 특정 질병 표적 단백질에 맞춤형 치료제를 설계할 수 있습니다. 이를 통해 암, 바이러스, 염증 등 다양한 질병에 대한 효과적인 치료제 개발이 가능해집니다.
비용 절감: 신약 개발에는 수십억 달러의 비용이 소요되며, 그 중 상당 부분은 후보물질의 선별과 검증에 들어갑니다. 알파 프로테오는 이 과정을 자동화하고 최적화하여 비용을 크게 절감할 수 있습니다. 이를 통해 더 많은 자원이 임상시험이나 상업화 과정에 투입될 수 있습니다.
3. 결론
알파 프로테오와 같은 AI 기반 기술은 신약 개발에서 실험적 비용과 시간을 절감하고 성공률을 높이는 데 중요한 기여를 하고 있습니다. 특히 단백질 결합체 설계를 통해 신약 후보물질의 결합력을 예측하고, 실험 과정을 단축하는 데 있어 큰 혁신을 가져오고 있습니다. 이는 신약 개발뿐만 아니라 암, 바이러스, 염증 등 다양한 질병 치료에서 새로운 가능성을 열어줄 것으로 기대됩니다.
알파 프로테오의 활용으로 신약 개발에 필요한 시간을 크게 줄일 수 있으며, 이를 통해 제약 회사들은 더 빠르게, 더 효율적으로 새로운 치료제를 시장에 선보일 수 있을 것입니다.
<이하 광고>
