본 대학교의 연구자들이 특별한 성질을 가진 잠재적 활성 성분을 예측하기 위해 AI 프로세스를 훈련시켰음. 따라서 그들은 화학 언어 모델을 도출했음 – 분자를 위한 일종의 ChatGPT임. 훈련 단계를 거친 후, AI는 특히 효과적인 약물이 될 수 있는 알려진 이중 타겟 활성을 가진 화합물의 화학 구조를 정확하게 재현할 수 있었음. 이 연구는 현재 Cell Reports Physical Science에 발표되었음.
할머니의 90번째 생일에 시를 선물하고 싶다면, 이제는 시인이 될 필요가 없음: ChatGPT에 짧은 프롬프트를 입력하면 몇 초 안에 AI가 생일 소녀의 이름과 운이 맞는 긴 단어 목록을 뱉어냄. 원한다면 소네트도 만들어 줄 수 있음.
본 대학교의 연구자들은 그들의 연구에서 유사한 모델을 구현했음 – 화학 언어 모델로 알려져 있음. 그러나 이 모델은 운을 생성하지 않음. 대신, AI는 두 개의 서로 다른 타겟 단백질에 결합할 수 있는 특별한 성질을 가진 화학 화합물의 구조식을 보여줌. 이는 생체 내에서 두 개의 효소를 동시에 억제할 수 있음을 의미함.
약리학 연구에서 이러한 유형의 활성 화합물은 다중 약리학으로 인해 매우 바람직함.
약리학 전문가인 Jürgen Bajorath 교수는 본 대학교의 Lamarr Institute for Machine Learning and Artificial Intelligence 및 b-it(본-아헨 국제 정보 기술 센터)에서 생명 과학 정보학 프로그램을 이끌고 있음. "바람직한 다중 타겟 활성을 가진 화합물은 여러 세포 내 과정과 신호 경로에 동시에 영향을 미치기 때문에 종종 특히 효과적임 – 예를 들어 암과의 싸움에서." 원칙적으로 이러한 효과는 서로 다른 약물을 함께 투여함으로써도 달성할 수 있음. 그러나 원치 않는 약물 간 상호작용의 위험이 있으며, 서로 다른 화합물은 신체에서 서로 다른 속도로 분해되기 때문에 함께 투여하기 어려움.
특정 타겟 단백질의 효과에만 영향을 미치는 분자를 찾는 것은 쉬운 일이 아님. 미리 정의된 이중 효과를 가진 화합물을 설계하는 것은 더욱 복잡함. 화학 언어 모델이 여기에서 미래에 도움을 줄 수 있음. ChatGPT는 수십억 페이지의 텍스트로 훈련되어 스스로 문장을 형성하는 법을 배움. 화학 언어 모델도 유사한 방식으로 작동하지만, 학습을 위한 데이터는 비교적 매우 적음. 그러나 원칙적으로 이들은 유기 분자와 그 구조를 문자와 기호의 순서로 보여주는 SMILES 문자열과 같은 텍스트로 공급됨. "우리는 이제 이 화학 언어 모델을 문자열 쌍으로 훈련했음,"이라고 Bajorath의 연구 그룹의 Sanjana Srinivasan이 말함. "하나는 단일 타겟 단백질에만 작용하는 화합물을 설명하는 문자열이었고, 다른 하나는 이 단백질 외에도 두 번째 타겟 단백질에 영향을 미치는 화합물을 나타냄."
AI는 이러한 쌍 70,000개 이상으로 공급되었음. 이를 통해 정상 활성 화합물과 이중 효과를 가진 화합물의 차이에 대한 암묵적인 지식을 습득할 수 있었음. "그런 다음 타겟 단백질에 대한 화합물을 공급했을 때, 이 기반으로 작용할 수 있는 분자를 제안했음,"이라고 Bajorath가 설명함.
이중 효과를 가진 훈련 화합물은 종종 유사한 기능을 수행하는 단백질을 목표로 하며, 따라서 신체에서 유사한 기능을 수행함. 그러나 약리학 연구에서는 완전히 다른 효소 또는 수용체 계급에 영향을 미치는 활성 성분도 찾고 있음. AI가 이 작업을 수행할 수 있도록 일반 학습 단계 후에 미세 조정이 이루어졌음. 연구자들은 제안된 화합물이 목표로 해야 할 다양한 단백질 계급을 가르치기 위해 여러 개의 특별한 훈련 쌍을 사용했음. 이는 ChatGPT에게 이번에는 소네트를 만들지 말고 대신 리머릭을 만들라고 지시하는 것과 유사함.
미세 조정 후, 모델은 실제로 원하는 타겟 단백질 조합에 대해 작용하는 것으로 이미 입증된 분자를 생성했음. "이는 이 과정이 작동한다는 것을 보여줌,"이라고 Bajorath가 말함. 그러나 그의 의견으로는, 이 접근 방식의 강점은 새로운 화합물이 기존 약물의 효과를 초과하는 것을 즉시 찾는 것이 아님. "내 관점에서 더 흥미로운 것은 AI가 종종 대부분의 화학자들이 즉시 생각하지 않을 화학 구조를 제안한다는 것임,"이라고 설명함. "어느 정도, 이는 '상자 밖' 아이디어를 촉발하고 새로운 설계 가설과 접근 방식을 이끌어낼 수 있는 독창적인 솔루션을 제시함."
참여 기관 및 자금 지원:
이 연구는 본 대학교의 Lamarr Institute와 b-it에서 수행되었음.
