< (왼쪽부터) 화학과 김우연 교수, 문석현 박사과정, 정원호 박사과정, 양수정 박사과정 >
우리 대학 연구진이 물리화학적 아이디어를 인공지능 딥러닝에 접목해 기존의 방법보다 일반화 성능이 높은 단백질-리간드 상호작용 예측 모델을 개발했다. 리간드란 수용체와 같은 큰 생체 분자에 특이적으로 결합하는 물질을 말하며, 생체 내의 중요한 요소이자 의약품의 개발 등에 큰 역할을 한다.
화학과 김우연 교수 연구팀이 교원창업 인공지능 신약 개발 스타트업 HITS 연구진과 함께 물리 기반 삼차원 그래프 심층 신경망을 이용해 일반화 성능을 높인 단백질-리간드 상호작용 예측 모델을 개발했다고 17일 밝혔다.
약물 후보 분자를 발굴하기 위해서 타깃 단백질과 강하게 결합하는 리간드를 찾는 것이 중요하다. 하지만 유효 물질을 찾기 위해 수백만에서 수천만 개의 무작위 리간드 라이브러리를 대상으로 실험 전수 조사를 수행하는 것은 천문학적인 시간과 비용이 필요하다. 이러한 시간과 비용을 절감하기 위해 최근 단백질-리간드 상호작용 예측에 기반한 가상탐색(virtual screening) 기술이 주목받고 있다.
기존의 상호작용 예측 인공지능 모델들은 학습에 사용한 구조에 대해서는 높은 예측 성능을 보여주지만, 새로운 단백질 구조에 대해서는 낮은 성능을 보이는 과적합(over-fitting)이 문제가 됐다. 과적합 문제는 일반적으로 모델의 복잡도에 비해 데이터가 적을 때 발생한다. 이번 연구는 이러한 과적합 문제를 해결함으로써 다양한 단백질에 대해 고른 성능을 보여주는 예측 모델을 개발하는데 주안점을 뒀다.
연구진은 물리화학적 아이디어들을 딥러닝 모델에 적용해 모델의 복잡도를 줄임과 동시에 물리 시뮬레이션을 통해 부족한 데이터를 보강함으로써 과적합 문제를 해결하고자 하였다. 단백질 원자와 리간드 원자 사이의 거리에 따른 반데르발스 힘, 수소 결합력 등을 물리화학적 방정식으로 모델링하고, 매개변수를 딥러닝으로 예측함으로써 물리 법칙을 만족하는 예측을 가능하게 했다.
< 그림 1. 단백질-리간드 간 상호작용 예측 모델의 개요도 >
또한, 학습에 사용한 단백질-리간드 결정 구조가 실험적으로 판명된 가장 안정한 구조임에 착안했다. 부족한 실험 데이터를 보강하기 위해 불안정한 단백질-리간드 구조로 이루어진 수십만 개의 인공 데이터를 생성해 학습에 활용했고, 그 결과 생성된 구조에 비해 실제 구조를 안정하게 예측하도록 모델을 학습할 수 있었다.
연구진은 개발된 모델의 성능을 검증하기 위해 대조군으로 `CASF-2016 벤치마크'를 활용했다. 이 벤치마크는 다양한 단백질-리간드 구조들 사이에서 실험적으로 판명된 결정 구조에 근접한 구조를 찾는 도킹과 상대적으로 결합력이 큰 단백질-리간드 쌍을 찾는 스크리닝 등 실제 약물을 개발하는 과정에 필수적인 과제를 포함하고 있다. 검증 테스트 결과 기존에 보고된 기술에 비해 높은 도킹 및 스크리닝 성공률을 보여줬으며, 특히 스크리닝 성능은 기존에 보고된 최고 성능 대비 약 두 배 높은 수치를 보였다.
연구진이 개발한 물리 기반 딥러닝 방법론의 또 다른 장점은 예측의 결과를 물리적으로 해석 가능하다는 것이다. 이는 딥러닝으로 최적화된 물리화학 식을 통해 최종 상호작용 값을 예측하기 때문이다. 리간드 분자 내 원자별 상호작용 에너지의 기여도를 분석함으로써 어떤 작용기가 단백질-리간드 결합에 있어서 중요한 역할을 했는지 파악할 수 있으며, 이와 같은 정보는 추후 약물 설계를 통해 성능을 높이는 데 직접 활용할 수 있다.
공동 제1 저자로 참여한 화학과 문석현, 정원호, 양수정(현재 MIT 박사과정) 박사과정 학생들은 "데이터가 적은 화학 및 바이오 분야에서 일반화 문제는 항상 중요한 문제로 강조돼왔다ˮ며 "이번 연구에서 사용한 물리 기반 딥러닝 방법론은 단백질-리간드 간 상호작용 예측 뿐 아니라 다양한 물리 문제에 적용될 수 있을 것ˮ이라고 말했다.
한국연구재단의 지원을 받아 수행된 이번 연구는 국제 학술지 `Chemical Science(IF=9.825)' 2022년 4월 13호에 표지 논문 및 `금주의 논문(Pick of the Week)'으로 선정됐다. (논문명 : PIGNet: a physics-informed deep learning model toward generalized drug–target interaction predictions, 논문 링크 : https://doi.org/10.1039/D1SC06946B)
< 그림 2. 케미컬 사이언스 2022년 4월 13호의 표지 그림 >
우리 대학 기계공학과 공경철 교수, 화학과 임미희 교수가 과학기술정보통신부가 주관한 ‘2022년도 기초연구사업의 리더연구자(12인)’부문에 선정됐다. 리더연구는 국내 최고 수준의 기초과학 연구자의 연구주제를 지원하는 프로그램으로, 선정된 연구자는 연간 8억원 규모로 최대 9년간 72억원까지 지원받는다. 기계공학과 공경철 교수는 로봇과 사람이 결합된 형태인 웨어러블 로봇의 제어 성능 향상, 동기화를 연구한다. 인간의 운동 제어이론, 인간-로봇 통합 시뮬레이션 인공지능 학습 등 연구 범위를 확장할 예정이다. 본 연구를 통해 더 다양한 종류의 보행장애를 극복하는 웨어러블 로봇 기술을 실현하는 것이 목표다. 공교수는 “충분한 기간 기초연구에 집중할 기회가 생긴 만큼 보행장애 완전 극복을 위한 발판을 다지겠다. 사람의 관점에서 웨어러블 로봇을 탐구하고 고민할 것”이라고 밝혔다. 화학과 임미희 교수는 기존에 밝혀지지 않은 금속과 뇌신경단백
2022-06-07우리 대학 신소재공학과 장재범 교수, 전기및전자공학부 윤영규 교수 연구팀이 기존 기술 대비 5배 이상 더 많은 단백질 바이오마커를 동시에 탐지할 수 있는 멀티 마커 동시 탐지 기술 개발을 했다고 23일 밝혔다. 바이오마커란, 단백질이나 DNA, RNA, 대사 물질 등의 생체 분자로써 이를 통해 몸 안의 변화를 알아낼 수 있어 암을 비롯해 뇌졸중, 치매 등 각종 난치병을 정밀하게 진단하는 표지자로 각광받고 있다. 최근 환자별로 암 조직 내부에 발현되는 단백질 마커가 서로 다르다는 사실이 밝혀지고 있으며, 이러한 차이에 따라서 암의 예후 및 항암제 반응성 등이 결정된다는 연구 결과가 발표되고 있다. 이에 따라서 암 조직에서 여러 단백질 마커를 동시에 탐지하는 기술이 반드시 요구된다. 이에 장 교수 연구팀은 기존 기술 대비 5배 이상 더 많은 수의 단백질 마커를 동시에 관찰할 수 있는 기술을 개발했다. 이 기술은 특수한 시약이나 고가의 장비가 필요하지 않아 암의 정확한 진단
2022-05-23수학과 실험을 결합한 융합연구를 통해 생체시계가 안정적 리듬을 유지하면서도 환경변화에 쉽게 적응할 수 있는 원리가 밝혀졌다. 우리 대학 수리과학과 김재경 교수가 이끄는 기초과학연구원(IBS) 수리 및 계산과학 연구단 의생명 수학 그룹과 우리 대학 수리과학과 연구팀, 그리고 아주대 의과대학 뇌과학과 김은영 교수 연구팀은 공동연구를 통해 초파리 뇌의 생체시계 뉴런들의 생체시계 작동원리를 분석했다. 생체시계(Circadian clock)는 생명체가 24시간 주기에 맞춰 살아갈 수 있도록 행동과 생리 작용을 조절하는 역할을 한다. 예를 들어, 생체시계는 밤 9시경이 되면 뇌에서 멜라토닌 호르몬 분비를 유발해 일정 시간이 되면 수면을 취할 수 있도록 하는 등 우리 운동 능력이나 학습 능력에 이르는 거의 모든 생리 작용에 관여한다. 따라서, 평소에는 일정한 시간을 안정적으로 몸에 제시하면서, 동시에 계절 변화에 따른 낮밤의 길이 변화나 해외여행으로 인한 시차 등 환경변화가 생겼을 때는 새
2022-02-16우리 대학 생명과학과 김학성 교수와 배진호 박사팀이 거대 (초분자) 단백질을 레고 블록 쌓듯 조립할 수 있는 새로운 기술을 개발했다고 19일 밝혔다. 이 방법으로 단백질 구조체의 크기 및 작용기 수를 원하는 대로 조절할 수 있고 메가 달톤(dalton) 크기의 대칭형 거대 단백질 구조체를 조립할 수 있다. 거대 단백질 구조체는 효율적인 약물 전달, 다양한 백신 개발, 그리고 질병 진단에 활용될 것으로 기대된다. 이번 연구 성과는 국제 저명 학술지인 `어드밴스드 사이언스(Advanced Science)' (IF: 16.806)에 2021년 11월 1일 字 온라인 발표됐다. (논문명: Dendrimer-like supramolecular assembly of proteins with a tunable size and valency through stepwise iterative growth) 자연계에는 매우 다양한 특성과 기능을 갖는 단백질이 존재하며 생명현상을 유지하는데 핵심
2021-11-19우리 대학 의과학대학원 서재명 교수 연구팀이 서울대학교 화학부 이현우 교수, 서울대학교 생명과학부 김종서 교수 연구팀과 공동연구를 통해 생체 내 조직 특이적 분비 단백질 표지 기법을 개발했다고 13일 밝혔다. 공동연구팀은 근접 표지 효소를 활용해 생쥐의 혈장 내에서 특정 조직이 분비하는 단백질만을 분리할 수 있는 기법을 개발했다. 이러한 체내 표지 기법은 지금까지의 체외 세포주 실험의 한계를 뛰어넘어 질병과 관련된 바이오마커 및 치료 표적 발굴에 적용될 수 있을 것으로 기대된다. 의과학대학원 김광은 석박사통합과정, 서울대학교 화학부 박이삭 석박사통합과정이 공동 제1 저자로 참여한 이번 연구는 국제 학술지 `네이쳐 커뮤니케이션즈(Nature Communications)' 9월 1일 字 온라인판에 출판됐다. (논문명 : Dynamic tracking and identification of tissue-specific secretory proteins in the circula
2021-09-13