-
복잡한 약물도 쉽게 재설계하는 분자 편집 기술 개발
약품 등에 가장 흔히 쓰이는 피리딘 화합물을 아주 손쉽게 바꿔 쓸 수 있는 합성법이 개발됐다. 복잡한 구조에도 쉽게 적용할 수 있어 다양한 신약 후보 물질 탐색의 효율성과 성공 가능성을 크게 높일 것으로 기대된다. 우리 대학 화학과 홍승우 교수(기초과학연구원 IBS 분자활성 촉매반응 연구단 홍승우 단장직무대행) 연구팀이 피리딘 구조 내 질소의 위치 변경(원하는 위치에 새 질소를 넣고 기존 질소는 제거) 방식으로, 주변 치환기*의 상대적 위치를 조절하는 ‘질소 원자 전위(N-atom transposition)’ 합성법을 개발했다.
* 치환기(Substituent) : 분자의 기본 골격에 붙어 분자의 화학적·물리적 성질 등에 영향을 주는 원자 또는 원자단
이번 연구는 과기정통부의 IBS 기초과학연구단 지원 사업을 통해 수행됐으며, 세계적 학술지 『네이처(Nature)』에 8월 18일(화) 게재됐다.
피리딘(Pyridine)은 탄소(C) 원자 5개와 질소(N) 원자 1개로 구성된 육각형 고리 구조를 띠며 의약품 등 다양한 화학물질의 기본 골격으로 널리 활용된다. 아울러 피리딘은 같은 구성의 치환기가 붙어 있더라도 질소와 치환기의 상대적인 위치에 따라 분자의 물리화학적 성질(용해, 흡수, 투과, 결합 등)과 생물학적 활성(약효)이 크게 달라지는 특성을 가진다. 이에 따라 신약 개발에서는 질소의 위치 관계만 조금씩 다른 이성질체*를 만들어 기능을 비교하는 과정이 필수적이다.
* 위치 이성질체(Positional isomer) : 구성 원자와 치환기는 같지만 특정 원자나 치환기의 위치가 서로 다른 화합물
그러나 기존에는 피리딘 고리에 붙은 치환기가 위치를 바꾸기 어려운 고정된 요소로 여겨졌다. 이 때문에 원하는 배치의 이성질체를 얻으려면 각각에 맞는 출발 물질과 합성 경로를 설계해 처음부터 따로 만들어야 했다. 완성된 분자에서 치환기만 다른 자리로 옮기는 방법도 시도됐지만, 치환기의 종류에 따라 반응 조건이 달라져 여러 치환기가 결합된 복잡한 분자에 적용하기는 사실상 불가능에 가까웠다. 연구진은 치환기를 하나씩 옮기는 대신 기준점인 질소의 자리를 바꾸는 역발상으로 이 문제를 해결했다. 치환기는 그대로 둔 채 질소의 위치를 바꿔, 질소를 기준으로 여러 치환기의 위치 관계를 한꺼번에 변화시킨 것이다.
이를 위해 연구진은 외부의 질소 공급원으로부터 새로운 질소를 고리에 삽입한 뒤, 기존 질소를 제거하는 방법을 고안했다. 이 과정에서 기존 6원자 고리가 일시적으로 7원자 고리로 확장됐다가 다시 재배열되며 질소의 위치가 달라진 새로운 피리딘이 형성됐다. 동위원소 추적 실험 결과, 새로 투입된 질소는 고리에 남고, 기존 질소는 질소 기체(N2)로 배출됨이 입증됐다. 새 합성법은 다양한 구조의 피리딘에 폭넓게 적용됐다. 연구진은 치환기가 하나인 단순 구조부터 두 개 이상의 복잡한 구조, 화학적 성질이 각기 다른 여러 치환기를 가진 구조까지 질소의 위치를 자유롭게 변경하는 데 성공했다.
반응 조건을 최적화했을 때 이성질체 합성 수율은 88%에 달했으며, 반응물의 양을 10밀리몰(mmol)로 크게 증량한 실험에서도 74%의 높은 수율을 유지해 대량 생산 및 실용화 가능성도 입증했다.
특히 실제 시판 중인 항암제(비스모데깁, 아비라테론 아세테이트)와 소염진통제(에토리콕시브)에 이 기술을 적용해 기존 약물의 복잡한 골격은 그대로 유지한 채 질소 위치만 다른 새로운 약물 후보 분자들을 합성해 냈다.
또한 연구진은 같은 출발 물질이라도 사용하는 용매에 따라 형성되는 위치 이성질체의 비율이 달라진다는 점을 발견했다. 계산화학 분석 결과, 이는 용매에 따라 화학반응에 필요한 최소 에너지인 ‘에너지 장벽’의 높이가 달라지기 때문으로 나타났다. 용매 조건을 조절하는 것만으로도 원하는 특정 위치 이성질체를 선택적으로 합성할 수 있음을 입증한 결과다.
홍승우 IBS 단장은 “기존 방식에서 벗어나 핵심 골격 안의 원자 위치 자체를 바꿔보자는 발상의 전환에서 출발한 연구”라며, “완성된 분자의 핵심 골격을 원자 수준에서 직접 편집해 물성과 약효 변화를 다각도로 탐색하고, 신약 후보 물질의 발굴 범위를 획기적으로 넓히는 데 기여할 것”이라고 말했다.
<원문 출처: 과학기술정보통신부>
2026.08.31
조회수 5189
-
“신약 설계해줘”... 소버린 바이오 AI 'K-Fold' 공개
“이 단백질에 잘 결합하는 신약 후보를 설계해줘.”
연구자가 AI에게 이렇게 요청하면 AI가 단백질의 3차원 구조를 예측하고, 어떤 물질이 잘 결합할지 분석해 유망한 신약 후보를 설계한다. 우리 대학 연구진이 세계에서 가장 빠르게 단백질 구조 예측을 수행하는 바이오 AI 모델 ‘K-Fold(케이폴드)’를 국내 독자 기술로 개발했다.
우리 대학은 과학기술정보통신부 ‘AI 특화 파운데이션 모델 프로젝트’의 주관기관으로 ‘팀 KAIST’를 구성하고, 차세대 바이오 AI 모델 ‘K-Fold’를 공개했다고 28일 밝혔다.
‘팀 KAIST’는 화학과 김우연 교수가 연구를 총괄하고, 김우연 교수 그룹과 김재철AI대학원 황성주·안성수 교수 그룹 연구원들이 AI 모델 개발을, 생명과학과 오병하·김호민·이규리 교수가 단백질 데이터 구축과 검증을 담당한다. KAIST 교원창업기업 히츠(HITS)는 K-Fold를 연구자가 실제 활용할 수 있도록 웹 기반 AI 연구 플랫폼 ‘하이퍼랩(HyperLab)’과 연계해 서비스로 구현했다. K-Fold의 성과 확산과 산업계 활용 촉진은 한국제약바이오협회와 한국바이오협회가 맡는다.
K-Fold의 가장 큰 특징은 신약 개발에 필요한 단백질과 약물의 ‘결합’을 AI로 예측한다는 것이다.
신약을 개발하려면 먼저 질병과 관련된 단백질이 어떤 모양인지 파악하고, 수많은 물질 가운데 어떤 것이 그 단백질에 잘 붙어 원하는 작용을 하는지 찾아야 한다. K-Fold는 단백질의 3차원 구조를 예측하는 것은 물론 약물 후보가 단백질의 어디에, 어떤 모습으로 결합할지까지 미리 계산해 유망한 후보를 빠르게 찾도록 돕는다.
단백질 하나의 구조만 예측하는 데 그치지 않는다. 단백질과 단백질, 단백질과 약물 후보 물질, DNA·RNA 등 여러 생체분자가 서로 만났을 때 어떤 구조를 만드는지까지 예측할 수 있다.
성능도 세계적인 수준이다. 지난 3월 과제 단계평가에서 K-Fold의 분자 복합체 구조 예측 정확도는 구글 딥마인드의 AlphaFold3(알파폴드3)에 근접한 수준으로 평가됐다. 연구팀이 8월 자체 수행한 성능평가에서는 일부 평가 항목에서 기존 글로벌 모델보다 높은 성능도 확인했다.
특히 암을 비롯한 여러 질환의 주요 신약 표적인 G-단백질 연결 수용체(GPCR)와 인산화효소(Kinase), 질병을 일으키는 단백질을 직접 제거하는 새로운 신약 기술인 표적단백질분해(TPD) 분야에서 약물이 표적 단백질에 어떻게 결합하고 작용하는지를 예측하는 데 높은 성능을 보였다.
구조 예측 속도도 크게 높였다.
기존 단백질 구조 예측 AI는 구조를 계산하기 전에 비슷한 단백질의 서열 정보를 대량으로 찾아 비교하는 복잡한 사전 작업이 필요했다. K-Fold는 이러한 과정에 의존하지 않는 새로운 방식을 적용해 사전 계산 단계를 없애고, 기존 모델 대비 구조 예측 속도를 최대 25배 높였다.
이는 같은 시간에 더 많은 신약 후보를 살펴볼 수 있다는 의미다. 구조 예측에 필요한 시간과 컴퓨팅 자원을 줄이면서 수많은 후보 가운데 가능성이 높은 물질을 빠르게 골라내 연구자가 실제 실험할 대상을 좁히는 데 도움을 줄 수 있다.
배충식 KAIST 총장은 “AI 시대의 국가 경쟁력은 핵심 기술을 우리 스스로 개발하고 활용할 수 있는 ‘소버린 AI’ 역량에 달려 있다”며 “K-Fold는 국내 독자 AI 기술을 바이오와 결합해 세계 수준의 기술에 도전하고, 실제 신약 연구에 활용할 수 있는 서비스로 연결했다는 데 의미가 크다. KAIST는 앞으로도 AI 원천기술과 과학기술의 융합을 통해 대한민국의 AI 기술 주권과 미래 경쟁력을 높여가겠다”고 말했다.
연구팀은 K-Fold를 개발하는 데서 그치지 않고 연구자가 웹에서 대화하듯 사용할 수 있는 AI 연구 서비스로 구현했다.
KAIST 교원창업기업 히츠의 멀티에이전트 플랫폼 ‘하이퍼랩(HyperLab)’에 K-Fold를 탑재해 별도의 고성능 컴퓨터를 직접 구축하거나 복잡한 AI 프로그램을 다루지 않아도 사용할 수 있도록 했다.
예를 들어 연구자가 “이 단백질에 강하게 결합하는 항체를 설계해줘”라고 요청하면 AI가 단백질 구조를 예측하고, 결합 가능성이 높은 후보를 설계한 뒤 계산을 통해 결과를 평가하는 과정을 단계적으로 지원한다. “이 암 표적 단백질에 적합한 펩타이드 후보를 찾아줘”라고 요청하는 것도 가능하다. 쉽게 말해 연구자가 직접 여러 프로그램을 옮겨 다니며 구조를 계산하고 결과를 분석하는 대신, AI에게 연구 목표를 말하면 필요한 분석과 설계를 차례로 수행하도록 한 것이다.
하이퍼랩은 이를 위해 구조 예측과 약물 설계, 유전체·단백질 등 생명과학 데이터 분석에 활용할 수 있는 120여 개의 계산 도구와 160여 개의 전문 기능을 갖췄다. 또한 100여 개의 전문 데이터베이스와 대규모 지식그래프를 연결해 필요한 연구 정보를 찾아 분석에 활용할 수 있도록 했다.
연구 질문을 이해하고 필요한 도구를 선택해 구조를 예측하고, 결과를 분석한 뒤 다시 설계를 개선하는 일련의 과정을 지원한다는 점에서 연구자를 돕는 ‘AI 공동연구자(Co-Scientist)’를 지향한다.
바이오 AI는 신약 개발의 시간과 비용을 줄일 수 있는 핵심 기술로 떠오르면서 미국·영국·중국의 글로벌 빅테크와 주요 연구기관들이 치열한 개발 경쟁을 벌이고 있다. 이번 K-Fold 개발은 바이오 AI 핵심 기술을 해외 모델에만 의존하지 않고 국내 기술로 확보해 실제 연구에 활용할 수 있는 ‘소버린 바이오 AI’ 기반을 마련했다는 데 의미가 있다.
이번 성과는 지난 6월 23일 열린 ‘2026 한국생체분자과학연합학술대회’에서 김우연 교수가 ‘에이전틱 AI 기반 생성형 신약 설계(Generative Drug Design Powered by Agentic AI)’를 주제로 한 기조강연을 통해 처음 공개했다.
김우연 KAIST 화학과 교수는 “K-Fold는 기존 모델을 따라가는 것이 아니라 새로운 AI 구조를 적용해 기존 방식의 한계를 뛰어넘기 위해 개발했다”며 “세계 최고 수준의 바이오 AI를 연구자 누구나 활용할 수 있는 과학 AI 플랫폼으로 발전시키겠다”고 말했다.
‘팀 KAIST’ 컨소시엄은 K-Fold를 무료로 배포할 예정이며, 하이퍼랩은 국내외 연구자를 대상으로 베타 서비스를 제공한 뒤 올해 안에 단계적으로 상용 서비스를 확대할 계획이다.
한편 K-Fold의 산업 현장 확산을 위한 교육도 본격화됐다. 8월 27일 한국바이오협회 온라인 교육에는 85명이 참여했으며, 9월 1일 한국제약바이오협회와 진행하는 온·오프라인 교육에는 현재 118명이 신청했다. 교육에서는 제약·바이오 기업 실무자를 대상으로 K-Fold 활용법과 신약 설계 적용 사례를 소개해 소버린 바이오 AI의 산업 현장 도입을 지원한다.
※ 관련 사이트: HyperLab Co-Scientist: https://hyperlab.ai/features-co-scientist
K Fold-하이퍼랩 3.0 소개영상: https://drive.google.com/file/d/1MxhZr-C3pQdIVn1EP44hQICj8G70is3_/view
한편, 이번 연구는 과기정통부 ‘차세대 바이오 파운데이션 모델 K-Fold 개발’ 과제(PJT-25-100009) 의 지원을 받아 수행됐다.
2026.08.28
조회수 8410
-
부성호 박사, ‘제5회 암젠한림생명공학상’ 박사후연구원 부문 수상
우리 대학 AI-혁신신약 연구단 부성호 박사가 한국과학기술한림원이 주최하는 '제5회 암젠한림생명공학상' 박사후연구원 부문 수상자로 선정됐다. 시상식은 지난 21일 한림원회관에서 개최됐다.
암젠한림생명공학상 박사후연구원 부문은 국내 신진 연구자 중 탁월한 연구성과를 보인 2인을 선정하며, 특히 세계적 학술지에 주목받는 제1저자 논문을 발표한 연구자를 중심으로 수여된다.
부성호 박사는 원형 RNA가 세포 내에서 mRNA의 안정성(분해되지 않고 유지되는 정도)을 조절하는 새로운 분자적 메커니즘을 밝혀냈다. 이를 기반으로 특정 mRNA만 골라 선택적으로 분해할 수 있는 인공 원형 RNA를 개발했으며, 특정 유전자의 발현을 조절할 수 있는 새로운 RNA 플랫폼 기술로 발전시켰다. 이러한 연구는 차세대 RNA 기반 치료 기술로의 확장 가능성을 제시한 중요한 성과로 평가된다.
그는 RNA 구조 설계, 기능 분석, 치료 응용 등 다양한 분야에서 독창적인 연구를 꾸준히 진행해 왔으며 KAIST의 생명과학 및 바이오의공학 분야 경쟁력 강화에 크게 기여하고 있다.
암젠한림생명공학상은 생명과학·생명공학 분야에서 우수한 젊은 연구자를 발굴하기 위해 암젠코리아와 한국과학기술한림원이 2021년 공동 제정한 상으로, 올해로 5회를 맞았다. 박사후연구원 부문 수상자에게는 상패와 상금 1,000만 원이 수여된다.
부성호 박사는 “많은 도움을 주신 교수님과 동료분들께 감사드리며, 앞으로도 학문 발전에 기여할 수 있도록 연구에 최선을 다하겠다”라고 말했다.
2025.11.26
조회수 4007
-
원자 하나 바꿔 ‘분자 접는 법’ 찾았다 ! AI 신약 개발 앞당긴다
신약이 효과를 내려면 약물이 몸속 단백질의 특정 부위에 정확히 결합해야 한다. 우리 대학 연구진이 단백질을 이루는 기본 단위인 펩타이드 분자의 접힘 구조를 원자 수준에서 정밀하게 제어할 수 있는 기술을 개발했다. 이번 연구로 원자 하나의 변환이 분자의 형태를 바꾸는 ‘설계 스위치’처럼 작용한다는 사실이 밝혀지면서, AI 기반 맞춤형 신약 설계의 핵심 플랫폼 기술로 주목받고 있다.
우리 대학은 이노코어 AI-CRED 혁신신약 연구단(단장 이희승 석좌교수)이 출범 후 첫 연구성과로, 단백질 분자 구조인 펩타이드의 아주 작은 변화인 ‘티오아마이드(thioamide) 변환’을 통해 분자의 접힘 방식을 정밀하게 조절할 수 있는 새로운 원리를 규명했다고 16일 밝혔다.
*티오아마이드 변환(thioamide substitution): 펩타이드는 원래 C(=O)–NH(탄소–산소–질소로 이루어진 결합)인데 여기서 산소(O) 대신 황(S) 으로 바꾼 것이 바로 ‘티오아마이드(thioamide)’임. 즉, O → S로 바꾸는 과정을 티오아마이드 변환이라 부름
□ 분자의 ‘접힘(folding)’을 제어하는 기술, 정밀 신약 설계의 새 패러다임
단백질이나 펩타이드 같은 생체분자는 스스로 접히며 입체적인 구조를 만들어야 기능을 수행한다. 이러한 ‘분자의 접힘(folding) 방식’은 생명 현상을 결정짓는 핵심 원리이자, 맞춤형 신약 설계의 출발점으로 꼽힌다.
특히, 분자가 고리 형태를 이루는 ‘매크로사이클(macrocycle)’은 모양이 안정적이어서 단백질 표면에 정확히 결합할 수 있어 차세대 정밀 신약의 주요 구조로 주목받고 있다.
□ 원자 한 개로 바뀌는 구조 — 티오아마이드(Thioamide) 혁신
연구팀은 펩타이드 결합 내 산소 원자(O)를 황 원자(S)로 치환하는 티오아마이드(thioamide) 변환 기술을 통해, 분자가 스스로 접히는 방식을 원자 수준에서 정밀하게 제어할 수 있음을 세계 최초로 입증했다.
이 미세한 변환은 수소결합의 길이와 방향을 바꾸어 기존에 없던 곡선형 및 원뿔형 나선 구조와 대칭성이 높은 매크로사이클을 만들어냈다. 즉, 복잡한 분자 접힘을 ‘원자 한 개 수준의 설계’로 정밀하게 조절한 최초의 사례다.
□ 용해도·가역성·확장성까지 — AI 기반 신약 플랫폼 기술로 발전
이번 연구를 통해 펩타이드가 용매에 더 잘 녹고, 분자 구조를 자유롭게 바꾸거나 되돌릴 수 있으며, 더 크고 복잡한 구조까지 합성할 수 있음을 확인했다. 이를 통해 약물의 성능을 높이고, 설계의 자유도 또한 확장할 수 있는 가능성을 제시했다.
특히 티오아마이드 변환 기술을 적용한 결과, 황을 포함한 펩타이드의 용해도가 크게 향상되어 세계 최장(32-mer, 약 4 kDa) β-펩타이드를 용액상에서 합성하는 데 성공했다.
또한 은 이온을 이용한 온화한 반응으로 황을 다시 산소로 바꾸는 ‘가역적 분자 편집 기술’을 확립해, 설계 단계에서 분자 구조를 정밀하게 제어할 수 있는 기반을 마련했다.
□ AI가 학습할 수 있는 고정밀 분자 데이터로 혁신신약 설계 앞당긴다
이번 연구는 단순한 구조 제어를 넘어, AI가 학습할 수 있는 고정밀 분자 구조 데이터를 제공한다는 점에서 큰 의미가 있다. 이 데이터는 향후 AI가 분자 구조와 약물 효능 간의 관계를 스스로 학습하여 신약 후보를 빠르고 정밀하게 예측할 수 있는 기반 기술로 활용될 전망이다.
또한 이 기술은 단백질–펩타이드 상호작용 조절제, 자기조립 나노구조체, 차세대 바이오소재 등 다양한 분야로 확장 가능성이 크다.
이희승 KAIST 석좌교수는 “간단한 화학적 변화를 통해 분자의 형태를 정밀하게 제어할 수 있음을 보여준 연구”라며, “AI가 학습하기에 최적화된 구조 데이터를 제공함으로써 향후 AI 기반 혁신 신약 설계의 출발점이 될 것”이라고 밝혔다.
이번 연구는 이노코어 AI-CRED 연구단 소속 펠로우인 홍정우 박사와 김재욱 박사가 주도했다. 두 연구자는 설계–합성–구조분석 전 과정을 이끌며, 연구단이 추구하는 차세대 혁신신약 인재 양성의 대표적 성과를 보여주었다.
이 연구 결과는 화학 분야 최고 학술지인 미국화학회지(Journal of the American Chemical Society, JACS, IF 15.6) 10월 29일 자 온라인판에 게재되었고 온라인 표지(Supplementary Cover)로도 선정되었다.
※논문명: Programmable Helicity and Macrocycle Symmetry in β-Peptides via Site-Selective Thioamide Substitution, DOI: 10.1021/jacs.5c13858
이번 연구는 KAIST 이노코어 사업과 한국연구재단 중견연구사업의 지원을 받아 수행되었다.
한편, 이노코어 AI-CRED 혁신신약 연구단은 인공지능(AI)과 화학·생명과학의 융합을 통해 국가 전략기술인 혁신신약 개발을 선도하는 KAIST의 핵심 연구허브다. AI를 활용한 신약 설계, 구조예측, 약물반응 시뮬레이션 등에서 국가 차원의 AI 신약개발 플랫폼 구축을 목표로 하고 있다.
2025.11.16
조회수 6896
-
알파폴드3’뛰어넘는 차세대 바이오 AI 모델‘K-Fold’개발
KAIST 연구진이 구글 딥마인드의 ‘알파폴드3(AlphaFold3)’를 뛰어넘는 차세대 바이오 AI 모델 ‘K-Fold’ 개발에 나섰다. 이번 연구를 통해 KAIST는 빠르고 정확한 신약 개발, 낮은 실패율, 그리고 AI 기반 과학 혁신을 실현하며, ‘AI가 과학을 돕는 시대’를 넘어 ‘AI가 과학을 이끄는 시대’를 여는 주역으로 떠오를 전망이다.
KAIST(총장 이광형)는 과학기술정보통신부가 주관하는‘AI 특화 파운데이션 모델 개발 사업’의 주관기관으로 선정되어, 의과학·바이오 분야 AI 파운데이션 모델 개발에 본격 착수했다고 7일 밝혔다.
KAIST는 이번 사업을 통해 국내 최고 수준의 인공지능(AI) 연구 역량을 바이오 분야에서도 입증하고, 신약 개발 등 첨단 바이오 AI 연구에 활용할 수 있는 차세대 파운데이션 모델 ‘K-Fold’를 개발할 계획이다.
최근 구글 딥마인드의 ‘알파폴드3(AlphaFold3)’나 ‘Boltz2’ 등 최신 모델이 신약 개발·질병 연구·바이오 산업의 핵심 기술인 ‘단백질 구조 예측’의 성과를 이뤘지만, 데이터 통계에 의존한 방식으로 인해 정확도와 예측 속도 면에서 한계가 있었다.
이에 KAIST는 단백질 안에서 일어나는 물리·화학적 상호작용의 원리를 스스로 배우는 새로운 AI 방식을 도입했다. 이 기술은 단백질이 여러 형태로 변하는 모습과 분자 간 결합의 세기까지 정확하게 예측할 수 있다. 또한 예측 속도가 매우 빨라, 실험실이나 산업 현장에서 바로 활용할 수 있는 수준의 AI 신약 개발 도구로 발전할 전망이다.
이번 과제를 위해 KAIST는 ‘팀 KAIST(Team KAIST)’를 구성해 교내 AI 및 바이오 분야 최고의 전문가들을 결집했다.
화학과 김우연 교수가 과제를 총괄하며, 김재철AI대학원 황성주·안성수 교수가 핵심 AI 모델 개발을 담당하고, 생명과학과 오병하·김호민·이규리 교수가 단백질 데이터 수집·정제·검증을 맡는다. 이 연구진은 KAIST AI연구원 및 InnoCORE 연구단(AI-CRED) 소속으로, 학제 간 융합 연구를 통해 시너지를 극대화할 계획이다.
개발된 K-Fold 모델의 상용화는 KAIST 스핀오프 기업 ㈜히츠(HITS, 대표 김우연)가 맡는다. 히츠는 클라우드 기반 웹 플랫폼 ‘하이퍼랩(HyperLab)’을 통해 K-Fold 모델을 설치 없이 웹에서 바로 이용할 수 있는 서비스인 ‘서비스형 소프트웨어(SaaS)’ 형태로 제공한다.
또한 KAIST 졸업생 창업기업인 아토랩(Atolab)은 보안이 중요한 기관을 위해, 하이퍼랩(HyperLab)을 기관 내부 전용 서버(프라이빗 클라우드)나 자체 설치형 시스템(온프레미스, On-premise)으로 구축해 제공할 예정이다.
특히 글로벌 생명과학 기업 머크(Merck Life Science)는 자사의 디지털 실험 도구 플랫폼(디지털 케미스트리 솔루션, Digital Chemistry Solution)에 K-Fold 모델을 적용해, 전 세계 3만 곳 이상의 연구실이 이 기술을 활용할 수 있도록 지원할 예정이다. 이를 통해 K-Fold 모델이 글로벌 시장으로 빠르게 확산될 전망이다.
머크사 관계자는 “전 세계 연구 커뮤니티의 과학자들에게 AI 기반 신약 개발 기술과 솔루션을 제공해 본 과제에 기여하길 기대한다”고 밝혔다.
KAIST는 이번에 개발한 핵심 AI 모델(7B급 메인 모델과 2B급 경량 모델)을 누구나 자유롭게 사용할 수 있도록 ‘아파치 2.0’ 라이선스 형태로 공개할 예정이다. 이를 통해 국내 연구자와 기업들이 AI·바이오 기술을 더 쉽게 활용하고 발전시킬 수 있는 환경을 만들 계획이다.
또한 한국바이오협회 및 한국제약바이오협회는 850여 개 회원사를 대상으로 K-Fold 기반 실무자 교육과 AI 인재 양성 프로그램을 추진한다.
과제책임자인 김우연 교수는 “KAIST는 국내 최고 수준의 AI 연구 역량을 보유하고 있다. 이번 과제는 그 역량을 바이오 분야에서 입증할 기회”라며 “글로벌 최고 수준의 바이오 AI 모델을 통해 기술 주권 확보와 산업 혁신에 기여하겠다”라고 말했다.
정송 KAIST AI연구원장(김재철AI대학원장)은 “KAIST AI연구원은 과학과 AI의 융합을 선도해왔다”며, “이번 바이오 파운데이션 모델 개발은 ‘과학AI(AI for Science)’ 실현을 향한 첫걸음으로, 바이오를 넘어 소재·화학·물리 등 전 과학 분야에서 세계를 선도하는 연구기관으로 도약하겠다”고 밝혔다.
이광형 KAIST 총장은 “이번 사업은 ‘AI가 과학을 이끄는 시대’로의 전환을 보여주는 상징적 계기”라며, “KAIST는 세계 최고 수준의 AI·바이오 융합 연구로 국가 혁신과 인류의 미래를 선도하겠다”고 밝혔다.
2025.11.07
조회수 11590
-
난치성 뇌전증 신약 후보신약 7,500억원 글로벌 기술 수출
우리 대학은 의과학대학원 이정호 교수의 교원 창업기업인 소바젠(각자대표 박철원·이정호)이 난치성 뇌전증을 치료하기 위한 혁신적인 RNA 신약 후보를 개발해, 총 7,500억 원 규모의 글로벌 기술 수출에 성공했다고 9일 밝혔다.
이번 성과는 KAIST의 기초 의과학 연구에서 출발한 혁신적 발견이 실제 신약 개발과 세계 시장 진출로 이어진 대표적 사례로 주목받고 있다.
이정호 교수 연구팀은 난치성 뇌전증과 악성 뇌종양 같은 치명적 뇌 질환의 원인이‘뇌 줄기세포에서 생긴 후천적 돌연변이(뇌 체성 돌연변이, Brain Somatic Mutation)’인 사실을 세계 최초로 규명해 네이처(Nature)와 네이처 메디슨(Nature Medicine) 등에 2015년, 2018년에 발표한 바 있다.
이후 신약 개발 전문가인 소바젠의 박철원 대표와 함께, 뇌전증의 원인 돌연변이 유전자인 MTOR를 직접 겨냥할 수 있는 RNA 신약(ASO, Antisense Oligonucleotide)을 발굴했고 글로벌 제약사와의 대규모 기술이전 계약을 통해 상업화 가능성까지 입증했다.
특히 이번 성과는 의사이면서 기초 연구를 집중 수행하는 ‘의사과학자(M.D.-Ph.D. Physician Scientist)’인 이정호 교수가 중개 연구와 벤처 창업을 결합해 이룬 성과라는 점에서 큰 의미가 있다.
기초 연구실에서 출발한 아이디어가 창업 기업을 통해 세계 최초 신약(혁신 신약, First-In-Class) 후보로 발전하고, 다시 글로벌 시장으로 연결되는 선순환 구조를 만든 것이다.
소바젠의 박상민 수석연구원(KAIST 의과학대학원 졸업생)은 “질병 원인 규명부터 신약 개발, 그리고 글로벌 기술 수출까지 모두 대한민국 과학의 힘으로 가능했다”고 밝혔다. 또한 소바젠 박철원 대표는 “이광형 총장님을 비롯해 학교 주요 관계자들이 의과학대학원과 교원 창업 기업들을 적극 지원해 주신 덕분에 이번 성과가 가능했다”고 강조했다.
이정호 교수는 “국내 의과대학은 환자 진료 중심 문화인 반면, KAIST는 혁신과 산업화를 중시하는 연구 문화를 갖추고 혁신적 기초 연구와 신약 기술 수출이라는 두 가지 성과를 동시에 달성할 수 있었다”며, “이번 성과가 앞으로 KAIST 의과학 연구가 나아갈 방향을 보여주는 좋은 사례가 될 것”이라고 말했다.
전문가들은 이번 성과가 기존에 치료제가 전혀 없던 난치성 뇌전증 환자들에게 새로운 치료 가능성을 열어주었으며, 동시에 한국 의과학과 바이오벤처가 ‘혁신 신약 개발’이라는 글로벌 무대에서 경쟁력을 가질 수 있음을 보여준 좋은 사례라고 평가했다.
이광형 KAIST 총장은 “이번 성과는 KAIST가 추구해 온 ‘기초에서 산업으로’라는 연구 철학이 의과학 분야에서도 현실로 구현된 대표적 사례”라며, “KAIST는 앞으로도 도전적 기초 연구를 통해 인류 건강과 미래 바이오산업을 선도하는 혁신을 이어가겠다”고 밝혔다.
2025.10.10
조회수 7590
-
암 표적 돌연변이에 최적의 약물 후보 자동 설계 AI 개발
기존 약물 개발 방식은 질병을 일으키는 원인이 되는 표적 단백질(예: 암세포 수용체)을 정하고, 그 단백질에 잘 달라붙어 작용을 막을 분자(약물 후보)를 찾는 방식으로 수많은 후보 분자 대상으로 진행하다 보니 시간·비용이 많이 들고 성공 가능성도 낮았다. 우리 대학 연구진이 표적 단백질 정보만 있으면, 사전 정보(분자)가 없어도 딱 맞는 약물 후보를 설계해 주는 AI를 개발해서 신약 개발의 새로운 가능성을 열었다.
우리 대학 화학과 김우연 교수 연구팀이 결합하는 약물 후보 분자의 사전 정보 없이 단백질의 구조만으로, 그에 꼭 맞는 약물 후보 분자와 그 결합 방식(비공유 결합성 상호작용)까지 함께 설계 및 최적화까지 할 수 있는 인공지능 모델 ‘BInD’를 개발했다고 10일 밝혔다.
이 기술의 핵심은 ‘동시 설계’다. 기존 AI 모델들은 분자만 만들거나, 만들어진 분자와 단백질의 결합 여부만 따로 평가했다. 반면, 이번에 개발된 모델은 분자와 단백질 사이의 결합 방식까지 함께 고려해 한 번에 설계한다.
실제로 단백질과 결합할 때 중요한 요소를 미리 반영하기 때문에, 효과적이고 안정적인 분자를 만들 확률이 훨씬 높다. 이러한 생성 과정은 단백질의 표적 부위에 맞춰 원자들의 종류와 위치, 공유결합과 상호작용을 하나의 생성 과정에서 동시에 만들어내는 과정을 시각적으로 보여준다.
또한, 이 모델은 신약 설계 시 반드시 고려해야 할 여러 요소(예를 들어 분자의 안정성, 물성, 구조의 자연스러움 등)을 동시에 만족시키도록 설계됐다. 기존에는 한두 가지 목표에 집중해 다른 조건을 희생하는 경우가 많았지만, 이번 모델은 다양한 조건을 균형 있게 반영해 실용성을 크게 높였다.
연구팀은 이 AI가 무작위 상태에서 점점 더 정교한 구조를 그려나가는 방식인 ‘확산 모델’을 기반으로 작동한다고 설명했다. 확산 모델은 2024 노벨 화학상을 받은 ‘알파폴드3’의 단백질-약물 구조 생성에서 활용돼 높은 효율성이 입증된 바 있다.
이번 연구에서는 원자가 공간상 어디에 있어야 하는지 좌표를 찍어주는 알파폴드3와 달리 ‘결합 길이’나 ‘단백질-분자 간 거리’처럼 실제 화학 법칙에 맞는 기준들을 알려주는 지식 기반 가이드를 넣어, 생성된 구조가 더 현실적인 결과를 내도록 도왔다.
뿐만 아니라, 연구팀은 한 번 만든 결과 중에서 뛰어난 결합 패턴을 찾아 다시 활용하는 최적화 전략도 적용했다. 이를 통해 추가 학습 없이도 더 뛰어난 약물 후보를 만들어낼 수 있었으며, 특히 암 관련 표적 단백질(EGFR)의 돌연변이에 선택적으로 작용하는 분자도 생성하는 데 성공했다.
또한, 이번 연구는 본 연구팀이 앞서 발표한 단백질에 어떤 분자가 어떻게 결합하는지에 대한 조건을 입력해야만 했던 기존 AI를 한 단계 더 발전시켰다는 점에서도 의미가 깊다.
화학과 김우연 교수는 “이번에 개발한 AI는 표적 단백질에 잘 결합하는 핵심 요소를 스스로 학습하고 이해해, 사전 정보 없이도 상호작용 하는 최적의 약물 후보인 분자를 설계할 수 있다는 점에서 신약 개발의 패러다임을 크게 바꿀 수 있을 것이다”라고 말했다.
이어 “이번 기술은 화학적 상호작용 원리에 기반해 더 현실적이고 신뢰할 수 있는 분자 구조를 생성할 수 있어, 더 빠르고 정밀한 신약 개발을 가능하게 할 것으로 기대한다”라고 강조했다.
우리 대학 화학과 이중원, 정원호 박사과정 학생이 공동 제1 저자로 참여한 이번 연구 결과는 국제학술지 ‘어드밴스드 사이언스(Advanced Science)’(IF=14.1)에 지난 7월 11일 자에 게재됐다.
※ 논문명: BInD: Bond and Interaction-Generating Diffusion Model for Multi-Objective Structure-Based Drug Design
※ DOI: 10.1002/advs.202502702
한편 이번 연구는 한국연구재단과 보건복지부의 지원으로 수행됐다.
2025.08.10
조회수 9806
-
6만 편 논문 대신할 ‘한번의 실험’으로 약물 저해효과 정확 예측
기존 신약 개발에서는 수많은 농도 조건에서 반복 실험을 거쳐 약물 간 상호작용을 분석하고, 저해상수를 추정하는 방식이 사용돼 왔다. 이 방법은 지금까지 6만 편 이상의 논문에 활용될 만큼 널리 쓰였다. 그런데 최근, 학부생이 제 1저자로 참여한 국내 연구진이 단 하나의 저해제 농도만으로 저해상수를 정확히 추정할 수 있는 획기적인 분석법을 제안해 주목을 받고 있다.
우리 대학 수리과학과 김재경 교수 연구팀(IBS 의생명 수학 그룹 CI)이 충남대(총장 김정겸) 약대 김상겸 교수팀과 기초과학연구원(원장 노도영, IBS) 의생명수학그룹과 공동연구를 통해, 단 하나의 실험으로 약물 저해 효과*를 예측할 수 있다고 26일 밝혔다.
*약물 저해 효과: 한 약물이 특정 효소의 작용을 억제함으로써 다른 약물의 대사(분해 및 처리 과정) 또는 생리학적 효과에 영향을 주는 현상
공동 연구팀은 수학적 모델링과 오차 지형 분석을 통해 정확도 향상에 기여하지 않는 저해제 농도를 제거하고, 단 하나의 농도만으로도 저해상수를 정확하게 추정할 수 있는 새로운 분석법 ‘50-BOA’를 제안했다. 이 기법을 실제 실험 데이터에 적용한 결과, 기존보다 75% 이상 실험 효율이 향상됐으며, 정확도 역시 개선됐다.
이번 연구는 반복 실험에 따른 자원 소모를 줄이고 해석의 편차를 최소화함으로써, 신약 개발 과정의 효율성을 높일 수 있는 새로운 접근법을 제시했다는 점에서 큰 의의가 있다. 또한, 수학적 접근이 생명과학 실험 설계를 어떻게 혁신할 수 있는지를 보여주는 대표적인 성과로 평가된다.
저해상수는 약물 효과뿐 아니라, 병용 투여 시 발생할 수 있는 약물상호작용을 예측하고 방지하는 데 핵심적인 지표로 활용된다. 실제로 미국 식품의약국(FDA)은 신약 개발 과정에서 약물상호작용의 가능성을 예측하기 위해 저해상수를 포함한 효소의 저해 특성을 사전에 평가할 것을 권고하고 있다.
전통적으로 저해상수는 다양한 기질 및 저해제 농도에서 측정된 대사 속도 데이터에 수학 모델을 적합해 추정해왔다. 그러나 이러한 방식에도 불구하고, 동일한 기질-저해제 조합에 대해 연구마다 추정값이 10배 이상 차이나는 사례들이 보고돼, 신약 개발 과정에서 약물의 효과와 부작용을 정확히 예측하는 데 어려움이 있었다.
연구팀은 저해상수 추정 과정을 수학적으로 분석한 결과, 기존 방식에서 활용되는 데이터의 절반 이상이 실제 추정에 불필요하거나, 오히려 왜곡을 초래할 수 있음을 밝혀냈다.
즉, 저해제 농도를 다양하게 사용하는 기존 방식보다, 충분히 높은 저해제 농도 하나에서 추정한 결과가 더 정확하고 효율적일 수 있다는 점을 규명한 것이다. 나아가 저해제 농도와 저해상수 간의 관계를 나타내는 식을 정칙화로 추가해, 정확도를 더욱 높인 새로운 분석법, ‘50-BOA’를 개발했다.
50-BOA는 단 하나의 저해제 농도만으로도 저해상수를 정확하게 추정할 수 있어, 실험 횟수를 크게 줄이면서도 오히려 정확도를 높인 획기적인 기법이다. 연구팀은 이 방법을 실제 약물 데이터에 적용해, 기존보다 75% 이상 적은 데이터만으로도 저해상수를 정확하게 추정해냈다.
또한, 누구나 쉽게 활용할 수 있도록 엑셀 기반의 사용자 친화적인 분석 소프트웨어도 개발자 플랫폼인 깃허브(https://github.com/Mathbiomed/50-BOA)에 함께 공개했다.
충남대 김상겸 교수는 “이번 연구는 수십 년간 정형화된 약물 실험 설계를 근본적으로 재검토하게 만들었다”며, “단순한 실험 효율 향상을 넘어, 약효와 부작용 예측의 정확도를 높일 수 있는 새로운 표준이 될 것으로 기대한다”고 밝혔다.
또한, 우리 대학 김재경 교수는 “수학이 실험 설계를 바꾸고, 생명과학 분야의 연구 효율성과 재현성을 근본적으로 높일 수 있음을 보여주는 대표적 사례다”고 밝혔다.
이번 연구 논문은 우리 대학 융합인재학부 장형준 학사과정과 수리과학과 송윤민 박사가 공동 제1 저자로 참여하였고 국제 학술지 네이처 커뮤니케이션즈(Nature Communications)에 2025년 6월 5일 자에 게재됐다.
※ 논문명 : Optimizing enzyme inhibition analysis: precise estimation with a single inhibitor concentration
※ 저자 정보 : 장형준 (KAIST 융합인재학부, 공동 제1 저자), 송윤민 (IBS 의생명수학그룹 (전 KAIST 수리과학과 소속), 공동 제1저자), 전장수(충남대 약대, 연구교수, 공동저자), 윤휘열(충남대 약대, 교수, 공동저자), 김상겸(충남대 약대, 교수, 교신저자), 김재경 (KAIST 수리과학과, 교신저자)
※ DOI: https://doi.org/10.1038/s41467-025-60468-z
한편 이번 연구는 한국연구재단, 기초과학연구원, KAIST의 지원을 받아 수행됐다.
2025.06.16
조회수 11689
-
신약 개발 기업 HLB 그룹과 전격 협력
우리 대학이 미래 첨단 바이오 의료시대를 대비해 연구 투자 및 산학협력 확대를 위해 16일(월) 대전 본원에서 HLB(주)(에이치엘비, 이하 HLB) 그룹(회장 진양곤)과 포괄적인 상호협력 협약을 맺는다.
이번 협약을 통해 두 기관은 암, 파킨슨병 등 난치성 질환 신약을 발굴하기 위한 교육과 연구를 전격적으로 추진할 예정이다.
국내 바이오 의료분야의 GDP 기여율은 1.6%에 불구하고, 연간 약 7,000조에 이르는 세계 신약 시장에 차지하는 비율도 미미하다. 한국경제의 반도체, 배터리, 자동차 산업 의존도가 매우 높은 만큼 바이오 의료분야의 약진이 절실한 상황이다.
이에 우리 대학은 첨단 바이오 분야 발전을 위해 생명과학기술대학 산하에 ‘공학생물학대학원’과‘줄기세포및재생의료대학원’프로그램 개설한 바 있다. 또한 지자체 및 신약 개발 기업과 전방위적인 협력으로 바이오 의료분야 선순환 발전을 위한 돌파구 마련에 노력하고 있다.
HLB 그룹은 혁신적인 간암 치료제 리보세라닙을 개발하고 있으며, 임상 3 상후 FDA 승인 절차를 밟고 있는 신약 개발 기업이다. 또한 HLB는 노인인구 증가에 따른 퇴행성 질환 치료제 개발과 노인건강 관련 사업에 투자를 강화하고 있다.
최근 HLB는 우리 대학 신약개발 교원창업기업인 ㈜뉴로토브에 160억을 투입하여 자회사로 인수한 바 있다. 새롭게 꾸려진 ㈜HLB 뉴로토브(대표 김대수, 심경재)는 파킨슨병 및 근긴장이상증, 우울증 등 난치성 뇌질환 치료제 개발에 본격적으로 도전하고 있다.
진양곤 HLB 그룹 회장은 “두 기관의 협력은 파킨슨병, 근긴장이상증 등 대표적 난치성 뇌 질환 치료제를 개발하고 있는 ㈜HLB 뉴로토브의 기술개발에 중요한 이정표가 될 것”이라고 전했다. 이어, "(주)HLB 뉴로토브를 성공적인 학내 창업 모델로 성장시켜 성공 경험과 노하우를 공유해 KAIST의 창업 생태계 활성화하고, 이를 통해 혁신 기술에 대한 개방형 산학 투자가 활발히 일어나는 선순환 구조를 만들어갈 것”이라고 밝혔다
이광형 총장은 "KAIST와 HLB는 이번 협약을 통해 암 및 퇴행성 뇌 질환 치료제 개발을 포함한 바이오 의료분야의 혁신적인 신약 개발과 기술개발에 적극적으로 협력할 계획"이라고 말했다. 또한, "과학기술과 제약 산업의 융합을 통해 인류의 건강과 삶의 질 향상에 기여하고, 미래 바이오 의료시대를 함께 준비해 선도할 것”이라고 강조했다.
16일(월) 개최한 협약식에는 이광형 총장, 김대수 생명과학기술대학장 등과 HLB 진양곤 회장, 임창윤 부회장 등 주요 경영진이 참석했다.
2024.12.16
조회수 6938
-
세계 최초 원자 편집으로 신약 발굴 패러다임 바꿔
선도적 신약 개발에서는 약효의 핵심 원자를 손쉽고 빠르게 편집하는 신기술은 의약품 후보 발굴 과정을 혁신하는 원천 기술이자, 꿈의 기술로 여겨져 왔다. 우리 대학 연구진이 약효를 극대화하는 단일 원자 편집 기술 개발에 세계 최초 성공했다.
우리 대학 화학과 박윤수 교수 연구팀이 오각 고리 화합물인 퓨란의 산소 원자를 손쉽게 질소 원자로 편집·교정하여, 제약 분야에서 널리 활용되는 피롤 골격으로 직접 전환하는 원천 기술 개발에 성공했다고 8일 밝혔다.
해당 연구성과는 그 중요성을 인정받아 과학 분야 최고권위 학술지인 ‘사이언스(Science)’誌 에 지난 10월 3일 게재됐다. (논문명: Photocatalytic Furan-to-Pyrrole Conversion)
많은 의약품은 복잡한 화학 구조를 갖지만, 정작 이들의 효능은 단 하나의 핵심 원자에 의해 결정되기도 한다. 대표적으로, 산소, 질소와 같은 원자는 바이러스에 대한 약리 효과를 극대화 하는데 중추적인 역할을 한다.
이처럼 약물 분자 골격에 특정 원자를 도입했을 때 나타나는 효능을 ‘단일 원자 효과(Single Atom Effect)'라 한다. 선도적 신약 개발에서는 수많은 원자 종류 중 약효를 극대화하는 원자를 발굴하는 것이 핵심으로 여겨진다.
하지만, 단일 원자 효과를 평가하기 위해서는 다단계·고비용의 합성 과정이 필연적으로 요구되어 왔다. 산소 혹은 질소 등을 포함한 고리 골격은 고유의 안정성(방향족성)으로 인해 단일 원자만 선택적으로 편집하기 어렵기 때문이다.
박 교수 연구팀은 빛에너지를 활용하는 광촉매를 도입하여 해당 기술을 구현했다. 분자 가위 역할을 하는 광촉매 개발을 통해 오각 고리를 자유자재로 자르고 붙임으로써 상온·상압 조건에서 동작하는 단일 원자 교정 반응을 세계 최초로 성공시켰다.
들뜬 상태의 분자 가위가 단전자 산화 반응을 통해 퓨란의 산소를 제거하고, 질소 원자를 연이어 추가하는 새로운 반응 메커니즘을 발견했다고 연구팀 관계자는 전했다.
이번 연구의 제1 저자인 KAIST 화학과 김동현, 유재현 석박사통합과정 학생은 “빛에너지를 활용해 가혹한 조건을 대체하여 해당 기술이 높은 활용성을 가질 수 있었다”며, “복잡한 구조로 이루어진 천연물이나 의약품들을 기질로 활용해도 선택적으로 목표 편집이 수행된다”고 이번 연구의 범용성을 설명했다.
이번 연구를 이끈 박윤수 교수는 “오각 고리형 유기 물질의 골격을 선택적으로 편집할 수 있게 됨에 따라, 제약 분야의 중요한 숙제였던 의약품 후보 물질의 라이브러리 구축에 새로운 장을 열 것”이라 언급하며, “해당 기반 기술이 신약 개발 과정을 혁신하는데 쓰이기를 바란다”고 덧붙였다.
해당 내용은 ‘사이언스(Science)’誌 내의 퍼스텍티브(Perspective) 섹션에 추가로 선정되어 연구의 의의가 소개되기도 하였다. 이는 해당 연구에 참여하지 않은 저명한 과학자가 파급력 있는 연구를 선별하여 해설을 제공하는 코너다.
한편 이번 연구는 한국연구재단의 우수신진연구, KAIST 교내연구사업 도약연구 및 초세대협업연구실, 포스코청암재단의 포스코 사이언스펠로십의 재원을 바탕으로 수행됐다.
2024.10.10
조회수 15019
-
융복합연구센터 이채석 책임연구원, 대전시장 유공표창 수상
공과대학 융복합연구센터(센터장 이재우) 지능융합팀 이채석 책임연구원이 5일 대전광역시 바이오 혁신신약 특화단지 선정에 기여한 공로를 인정받아 유공표창인 '대전광역시장상'을 받았다.
지능융합팀 팀장이자 대전시-KAIST 전략사업연구센터에 겸직 중인 이채석 책임연구원은 2024년 산업통상자원부의 '대전광역시 바이오 혁신신약 특화단지 선정'을 위한 워킹그룹에 참여해 특화단지 선정을 위한 전략을 수립하고 육성계획서 및 발표 자료 제작 실무와 바이오 신약 연구자 간 네트워킹 등의 업무를 수행했다.
특히, 우리 대학 바이오 신약 연구자 네트워킹 구축과 기술 기획에 주력해 대전광역시가 신약 개발의 최적지로 평가받을 수 있는 전략을 수립하고 혁신신약 창출 및 4대 초격차 기술 기반을 준비한 공로를 높게 평가받았다.
이채석 책임연구원은 "KAIST와 대전광역시, 대전테크노파크가 힘을 합친 원팀이 밤낮을 가리지 않는 추진력을 발휘해 이번 특화단지 유치 성과를 낼 수 있었으며, 대전 바이오 혁신신약 특화단지의 성공적인 추진에 최선을 다하겠다"라며 "앞으로도 KAIST가 기여할 수 있는 지역의 대형 국책 사업과 선도적인 연구를 위해 노력하겠다"라고 말했다.
한편, 대전광역시는 바이오 혁신신약 특화단지 지정으로 생산 유발효과 3조 8,280억 원, 부가가치 유발효과 1조 5,979억 원, 고용 유발효과 27,690명 등의 파급효과가 창출될 것으로 예상하고 있다.우리 대학 공과대학 융복합연구센터는 2023년 설립 이래 인공지능, 공간정보, 디지털트윈, 융합센서, 디지털 헬스케어 등 핵심 연구 분야를 기반으로 사회문제해결을 위한 다학제적 융복합연구를 수행하고 있다. '대전시-KAIST 전략사업 연구센터'를 공동으로 운영하고 있으며, '주소기반 실내내비게이션' 실증을 성공적으로 수행해 전국 확산을 위한 활발한 연구를 진행 중이다.
2024.08.07
조회수 11924
-
생성형 AI로 혁신적 신약 개발 가능성 열어
최근 자연어나 이미지, 동영상, 음악 등 다양한 분야에서 주목받는 생성형 AI가 신약 설계 분야에서도 기존 신규성 문제를 극복하고 새로운 혁신을 일으키고 있다고 하는데 어떤 기술일까?
우리 대학 화학과 김우연 교수 연구팀이 단백질-분자 사이의 상호작용을 고려해 활성 데이터 없이도 타겟 단백질에 적합한 약물 설계 생성형 AI를 개발했다고 18일 밝혔다.
신규 약물을 발굴하기 위해서는 질병의 원인이 되는 타겟 단백질에 특이적으로 결합하는 분자를 찾는 것이 중요하다. 기존의 약물 설계 생성형 AI는 특정 단백질의 이미 알려진 활성 데이터를 학습에 활용하기 때문에 기존 약물과 유사한 약물을 설계하려는 경향이 있다. 이는 신규성이 중요한 신약 개발 분야에서 치명적인 약점으로 지적되어 왔다. 또한 사업성이 높은 계열 내 최초(First-in-class) 타겟 단백질에 대해서는 실험 데이터가 매우 적거나 전무한데, 이 경우 기존 방식의 생성형 AI를 활용하는 것이 불가능하다.
연구팀은 이런 데이터 의존성 문제를 극복하기 위해 단백질 구조 정보만으로 분자를 설계하는 기술 개발에 주목했다. 타겟 단백질의 약물 결합 부위에 대한 3차원 구조 정보를 주형처럼 활용해 해당 결합 부위에 꼭 맞는 분자를 주조하듯 설계하는 것이다. 마치 자물쇠에 딱 맞는 열쇠를 설계하는 것과 같은 이치다.
또한 기존 단백질 구조 기반 3차원 생성형 AI 모델들은 신규 단백질에 대해 설계한 분자들의 안정성과 결합력이 떨어지는 등 낮은 일반화 성능을 개선하기 위해서 연구팀은 신규 단백질에 대해서도 안정적으로 결합할 수 있는 분자를 설계할 수 있는 기술을 개발하는 데 초점을 뒀다.
연구팀은 설계한 분자가 단백질과 안정적으로 결합하기 위해서는 단백질-분자 간 상호작용 패턴이 핵심 역할을 하는 것에 착안했다. 연구팀은 생성형 AI가 이러한 상호작용 패턴을 학습하고, 분자 설계에 직접 활용할 수 있도록 모델을 설계하고 재현할 수 있도록 학습시켰다.
기존 단백질 구조 기반 생성형 AI 모델들은 부족한 학습 데이터를 보완하기 위해 10만~1,000만 개의 가상 데이터를 활용하는 반면, 이번 연구에서 개발한 모델의 장점은 수천 개의 실제 실험 구조만을 학습해도 월등히 높은 성능을 발휘한다는 것이다. 이는 자연에서 관찰되는 단백질-분자 상호작용 패턴을 사전 지식의 형태로 학습에 활용함으로써 적은 데이터만으로도 일반화 성능을 획기적으로 높인 것에 기인한다.
일례로 아시아인에 주로 발견되는 돌연변이 상피 성장인자 수용체(EGFR-mutant)*는 비소세포폐암의 주요 원인으로 알려져 있는데, 이를 타겟으로 하는 약물을 설계하기 위해서는 야생형(wild-type) 수용체**에 대한 높은 선택성을 고려하는 것이 필수적이다.
*상피 성장인자 수용체: 상피 성장인자 수용체:상피 성장인자 수용체는 상피 세포의 성장을 촉진하는 인자에 결합함으로써 활성화되는 막 단백질로, 이 수용체의 돌연변이로 인한 지나친 활성은 다양한 종양의 발생과 관련이 있다고 알려져 있음
**야생형 수형체: 야생형은 자연 상태에서 가장 흔하게 발견되는 유전자형 또는 표현형으로, 유전자나 생체 분자 등의 변이가 없는 정상적인 상태를 말함
연구진은 생성형 AI를 통해 돌연변이가 일어난 아미노산에 특이적인 상호작용을 유도해 분자를 설계했고, 그 결과 생성된 분자의 23%가 이론상으로 100배 이상의 선택성을 가지는 것으로 예측됐다. 이와 같은 상호작용 패턴에 기반한 생성형 AI는 인산화효소 저해제(kinase inhibitor)* 등과 같이 약물 설계에 있어 선택성이 중요한 상황에서 더욱 효과적으로 활용될 수 있다.
*인산화효소 저해제: 단백질의 인산화를 촉진하는 효소로, 일반적으로 아데노신 삼인산(ATP)으로부터 인산기를 단백질의 특정 잔기에 전달함. 인산화효소는 세포 내 신호전달 네트워크의 핵심 조절자로서, 다양한 질병의 기전에 관여하여 약물 개발의 표적으로 여겨지고 있음. 이를 위해 인산화효소에 결합하여 활성을 억제하는 목적을 가지는 분자를 인산화효소 저해제라 함
제1 저자로 참여한 화학과 정원호 박사과정 학생은 “사전 지식을 인공지능 모델에 사용하는 전략은 상대적으로 데이터가 적은 과학 분야에서 적극적으로 사용되어 왔다”며 “이번 연구에서 사용한 분자 간 상호작용 정보는 약물 분자뿐 아니라 다양한 생체 분자를 다루는 바이오 분야의 문제에도 유용하게 적용될 수 있을 것”이라고 말했다.
한국연구재단의 지원을 받아 수행된 이번 연구는 국제 학술지 ‘네이처 커뮤니케이션즈(Nature Communications) (IF=16.6)’ 2024년 3월 15호에 게재됐다. (논문명: 3D molecular generative framework for interaction-guided drug design, 논문 링크: https://www.nature.com/articles/s41467-024-47011-2)
2024.04.18
조회수 18434