“신약 개발, AI에 SBDD 더해 예측 가능한 설계 필요”

패턴 분석 역할 벗어나 어려운 표적에도 도전할 수 있어야

AI가 적용된 플랫폼 속에서 바이오마커 발굴보다는 구조기반 약물설계를 뜻하는 ‘SBDD(structure based drug design)’가 도움이 될 수 있다는 의견이 등장해 눈길을 끈다.

18일 일산 킨텍스(KINTEX)에서 열린 ICPI WEEK 2019에서는 아톰와이즈(Atomwise)의 한 림(Han Lim) 부사장이 ‘10억 개 중 한 가지 : 새 도전 타깃을 위한 AI 소분자 신약 탐색(On in a billion : AI small molecule drug discovery for challenging targets)’을 주제로 강의를 진행했다.

아톰와이즈가 개발한 ‘아톰넷(Atomnet)’은 SBDD에 딥러닝을 최초로 적용한 시스템이다.

아톰넷은 AI를 통한 통계적인 접근법을 따르는 것이 특징이다. 아톰넷의 AI는 수백만 개의 데이터를 보고, 글로벌 AI 통계 모델을 쓰고 있다. 신약 개발에는 단백질에 결합(binding)하는 분자 물질들이 필요하지만, 이들을 각각의 특정 단백질별로 보고 있지 않는 것이다.

한 림 박사는 SBDD에 대해 기존과는 차별화돼야 한다고 설명했다.

그는 “SBDD는 물리화학이 적용된다. 이 원칙에 기반하는 것은 당연하다. 기존의 SBDD는 답을 잘 알 수는 있다. 하지만 어떤 변화가 생겼을 경우, 예를 들어 분자가 바뀔 경우 이에 대한 새 답을 파악하기가 어렵다”고 말했다.

이어 “새로운 SBDD는 예측 가능성이 있어야한다. 이 부분을 해결할 수 있는 방법이 AI를 적용시키는 것이다. 기존의 AI는 기전(mechanism)이라기 보다는 패턴 분석에 가깝다. 그러나 아톰와이즈의 AI는 SBDD를 거치기 때문에 기존의 AI 모델과는 달리 예측 가능성을 지니고 있다. 바이오마커를 보는 것이 아니다”라고 말했다.

인간이 할 수 없고, 하기에 어려운 것들을 컴퓨터는 할 수 있다. 그 중 대표적인 것이 저분자 스크리닝이다. 신약 개발에서 저분자에 대한 실제 관측 결과와 예측 결과가 일치한다는 것은 기존에 소요될 것으로 예상된 시간을 상당 부분 줄여준다.

한 림 박사는 “인류가 개발한 AI 기술은 인간에게만 적용되는 것은 아니다. 다른 어떤 치료의 목적으로도 사용될 수 있다. 그러나 AI가 신약 개발에 적용돼야 하는 이유는 개발에 들어갈 시간을 절약할 수 있게 해주며, 최적으로 효율적인 개발 방법을 안내하기 때문이다”고 말했다.

한 림 박사는 AI를 지지하지만, 아직 미해결 과제가 남아있다고 말했다.

그는 “AI가 유용하려면 먼저 간소한 프로세스(process)가 바탕돼야 한다. 또 유효물질 발굴에도 AI가 도입될 수 있지만, 조금 더 어려운 표적에도 초점을 맞추길 바란다”고 말했다.

이어 “제약업계는 수많은 업계중에서도 컴퓨터를 전반적으로 도입하는 속도가 업계 중 가장 늦다. 앞으로 제약업계에서 실제로 라이센스되는 타겟 수가 흥미로운 타겟과의 격차를 줄일 수 있도록 아톰와이즈 또한 최선을 다할 것”이라고 전했다.