현재 임상 현장에서 당뇨병성 상처, 특히 당뇨병성 족부 궤양(DFU)의 치료는 오랫동안 해결되지 않은 난제입니다. 지속적으로 높은 혈당 수치는 상처 치유를 지연시키고, 심한 경우 절단으로 이어질 수도 있습니다. 이와는 대조적으로, 이러한 병변에 대한 표적 치료를 위한 나노의약품 개발은 수많은 어려움에 직면해 있습니다. 기존의 경험적 연구 방법은 수많은 후보 약물 분자와 상처 치유 과정에서 단백질 간의 복잡한 상호작용으로 인해 심각한 한계를 지닙니다. 이러한 방법은 주관적인 인간의 판단에 좌우될 뿐만 아니라, 방대한 약물 분자 라이브러리를 활용한 광범위한 검증 실험을 필요로 합니다.

이에 싱가포르 국립대학교 연구팀은 인공지능 기반 신약 개발(AIDD)의 장단점을 체계적으로 분석했습니다.인공지능-계산화학(AI-CC)을 통합한 협력적인 전산 나노의학 연구 프로세스를 제안한다.이 프로세스는 대규모 언어 모델(LLM) 기반 문헌 분석(정성적 통찰)과 계산 화학 기반의 다단계 분자 시뮬레이션(정량적 검증)을 긴밀하게 결합하여 약물-단백질 나노 규모 상호작용에 대한 폐쇄 루프 연구 시스템을 구축함으로써 당뇨병성 상처 치유를 위한 약물 재배치 및 개발을 가속화합니다. 기존 연구 개발 모델과 비교했을 때, AI 기반 문헌 분석과 나노 규모 정량 모델링을 결합한 이 통합 전략은 "문헌 분석에서 실험까지" 연구 개발 주기를 70% 이상 단축할 수 있습니다.

"약물 개발을 위한 약물 분자와 당뇨병성 상처 관련 단백질 간의 나노 규모 상호 작용에 대한 정량적 전산 검증"이라는 제목의 관련 연구 결과는 미국 화학 학회(ACS) 산하 저널인 ACS Nano Medicine에 게재되었습니다.

연구 하이라이트:

* AI-CC 협업 폐쇄 루프 전산 나노의학 연구 워크플로우 구축:LLM 문헌 검색을 통해 정성적 메커니즘 정보를 얻었고, 분자 도킹, 분자 동역학 및 양자 화학적 다단계 분자 시뮬레이션을 결합하여 약물-단백질 나노 규모 상호작용을 체계적으로 분석함으로써 정량적 검증을 수행했습니다. 

* 다차원 검증을 통해 엽산이 최적의 후보 약물임이 확인되었습니다.시뮬레이션을 통해 엽산과 섬유아세포 성장인자 간의 강력한 상호작용이 확인되었으며, 시험관 내 스크래치 실험을 통해 엽산이 상처 치유를 현저히 촉진할 수 있음을 입증했습니다. 이는 기존 문헌에 보고된 상처 재생 효과와 매우 일치합니다. 예측 결과는 실험 검증 결과와 높은 일치도를 보입니다.

* 연구개발 효율성의 획기적인 향상:기존 연구 개발 모델과 비교했을 때, 이 통합적 접근 방식은 문헌 조사부터 실험까지의 연구 개발 주기를 70% 이상 단축시켜 당뇨병성 궤양 및 기타 복합 질환에 대한 약물 재배치 연구를 위한 효율적인 패러다임을 제공합니다.

서류 주소:
https://pubs.acs.org/doi/10.1021/acsnanomed.5c00180

질병-miRNA-단백질-약물 관계 네트워크 구축을 위한 대규모 데이터베이스 검색

본 연구는 다중 인터페이스 전략을 사용하여 여러 데이터베이스를 검색함으로써 당뇨병성 상처에서 단백질 작용 메커니즘 분석을 위한 포괄적인 데이터 지원을 제공하고, 잠재적인 약물 재배치 연구의 토대를 마련했습니다.

생물학적 단백질의 기본 데이터 세트

생물학적 단백질에 대한 기본 데이터는 PubMed Central(PMC)과 Web of Science에서 가져왔습니다. 연구진은 당뇨병성 족부궤양 및 당뇨병성 족부궤양 사례와 관련된 26개의 miRNA를 선별하고, miRTarBase 데이터베이스를 통해 miRNA 변이체를 추적하여 20,334개의 데이터 레코드를 얻었으며, 여기에는 9,186개의 UniProt 단백질 항목이 포함되었습니다. 중복 제거 후, 최종적으로 8,739개의 핵심 단백질이 확인되었습니다.

약물 분자 기본 데이터 세트

기본 약물 분자 데이터는 DrugBank와 ChEMBL에서 가져왔습니다. 연구진은 확보한 핵심 단백질을 DrugBank 데이터베이스의 4,487개 약물 기록과 연관시킨 후, ChEMBL 데이터베이스에서 분자 구조와 화학정보학적 설명자를 얻어 최종적으로 2,989개의 소분자 약물을 포함시켰습니다.

AI-CC 융합 프로세스는 정성적 분석과 정량적 검증을 위한 폐쇄 루프 연구 시스템을 구축합니다.

본 연구에서 제안하는 방법은 AI-CC를 통합한 완전한 전산 나노의학 연구 워크플로우입니다.이 접근 방식은 인공지능의 생의학 문헌에 대한 신속한 정성적 이해 능력과 계산화학의 나노 규모 상호작용에 대한 정량적 특성화 능력을 결합하여 두 가지 방법의 강점을 최대한 활용합니다. 이를 통해 신약 개발에 필요한 두 가지 측면을 모두 포괄하는 단일 방법의 한계를 극복하고 복잡한 질병에 대한 신약 발견 및 약물 재활용 분야에 새로운 통찰력을 제공합니다. (아래 그림 참조)

구체적으로 말하자면, 인공지능의 역할은 각 약물이 단백질 활성을 어떻게 조절하는지, 그리고 이러한 단백질 변화가 질병에 어떤 영향을 미치는지를 정성적으로 평가하고, 문헌에서 기전적 단서를 효과적으로 찾아내는 것입니다.따라서 본 실험에서는 LLM 기반의 문헌 마이닝 모듈을 도입하였다.PMC 데이터베이스에서 당뇨병성 상처와 표적 단백질을 모두 언급하는 총 3,119개의 논문을 검색하고, 약물-단백질 관계를 정성적으로 비교했습니다.

구체적인 모델 선정 측면에서, 연구진은 LLaMA2-Chat-13B, PMC-LLaMA-13B, GPT-3.5 및 GPT-4의 성능을 평가하기 위해 레이블이 지정된 테스트 세트를 구축했습니다. GPT-4는 뛰어난 제로샷/퓨샷 학습 능력으로 인해 후속 분석을 위한 주요 모델로 선정되었으며, 전체 점수는 0.737로 가장 높았습니다.

각 약물-단백질 조합에 의해 형성되는 관계를 파악하기 위해서는 철저한 스크리닝이 필요합니다. 2,989개의 후보 화합물과 8,739개의 단백질로 구성된 방대한 약물-단백질 매트릭스는 여전히 엄청난 계산상의 어려움을 야기합니다. 이러한 문제를 해결하기 위해 연구진은 매트릭스를 압축했습니다.

첫째, 탐욕적 커버 알고리즘과 화학정보학적 클러스터링을 결합하고, 당뇨병성 상처의 DFU와 관련된 차등 발현 단백질에 대한 인공지능 분석 결과를 바탕으로,이 연구는 최종적으로 50개의 핵심 단백질을 확인했습니다.다음으로, 화학정보학적 클러스터링에 포함된 2,989개 약물에 대해 제로샷 학습 인공지능(GPT-4) 분석을 수행했습니다.우리는 권장 약물 30종에 더해 전문가가 추가로 추천한 약물 5종(네오마이신, 망기페린, 뮤피로신, 메트포르민, 시타글립틴)을 받았습니다.최종적으로 35개의 후보 약물이 확보되었습니다.

약물-단백질-문헌 상관관계를 명확히 하기 위해, 본 연구는 PMC 데이터베이스에서 새로운 검색을 수행하여 756개의 약물-단백질 나노 상호작용을 뒷받침하는 3,889개의 고유 논문을 발견했습니다. 그런 다음, 소규모 샘플 GPT-4 단서 단어 전략을 사용하여 관련 작용 메커니즘(MOA) 설명을 추출했습니다.결과적으로 우리는 432개의 약물-단백질 조절 쌍에 대한 작용기전(MOA) 데이터를 얻었습니다.

인공지능 기반의 정성적 평가에 이어, 연구진은 분자 도킹, 분자 동역학(MD), 양자 화학(QC)과 같은 계산 화학 기법을 활용하여 후보 약물-단백질 복합체에 대한 다단계 정량적 평가를 수행했습니다.

기존의 문헌 검토 및 실험 개발 방식과 비교하여 소요 시간이 70% 이상 단축됩니다.

본 연구의 모든 인공지능 연산은 싱가포르 국립대학교와 싱가포르 국립슈퍼컴퓨팅센터의 고성능 시설에서 수행되었습니다. 인간 피부 섬유아세포(HDF)와 HaCaT 각질세포를 대상으로 한 실험을 포함한 모든 체외 실험은 싱가포르 국립대학교 약학대학의 생물안전등급 1등급 실험실에서 진행되었습니다.

연구 결과는 다음과 같습니다.당뇨병성 상처에 대한 후보 약물의 전반적인 작용기전(다양한 잠재적 질환) 효과를 우선순위화하고 분류한 결과, 엽산이 종합적인 (항)치료 점수에서 1위를 차지했습니다.이는 주로 엽산의 유익한 작용 기전과 원자 수준에서의 강력한 상호작용 에너지 때문입니다. 엽산은 섬유아세포 성장 인자와 상호작용할 때 가장显著한 치료 효과를 나타내며, 아래 그림에서 볼 수 있듯이 이상적인 조절 효과(정성적)와 강력한 상호작용 에너지(양적)를 모두 보여줍니다.

엽산-섬유아세포 성장인자 복합체의 양자화학 계산에서 ORCA 소프트웨어와 B97-3c 방법, 그리고 상쇄 보정을 적용한 결과 상호작용 에너지는 -78.126 kcal/mol로 나타났습니다. 비교를 위해 Gaussian 16 소프트웨어와 B3LYP-D3 방법, 그리고 6-31+G(d,p) 기저 함수 세트를 사용하여 계산한 결과 상호작용 에너지는 -86.20 kcal/mol이었습니다.

엽산과 유사한 기능을 가진 약물을 더 자세히 탐색하기 위해 연구진은 준지도 학습 방식의 랜덤 포레스트 분류기와 세 가지 거리 기반 방법(유클리드 거리, 맨해튼 거리, 코사인 거리)을 적용하고, 각 예측 방법의 권장 사항을 작용기전 분석(MOA) 방식으로 통합하여 다음 단계에 가장 유망한 약물을 식별했습니다. 이 과정을 통해 다음과 같은 사실이 확인되었습니다…AI-CC는 약물 개발을 위한 반복적인 최적화 방법을 제공하여 동적인 조정을 가능하게 합니다.이는 나노 규모 약리학이라는 광대한 분야를 탐구하는 데 강력한 동력을 제공합니다.

인간 섬유아세포 및 각질세포 스크래치 분석 결과, 엽산이 상처 봉합을 유의하게 촉진하는 것으로 나타났으며, 그 치유 효과는 앞서 계산 및 예측한 결과와 매우 일치했습니다. 엽산 투여군의 상처 봉합률은 무처리 대조군의 134.90%에 달했습니다(p<0.001).

구체적으로, 무피로신(양성 대조군)과 메트포르민(음성 대조군)은 실험에서 예상대로 작용하여 각각 양성 및 음성 대조군으로서의 역할을 확인시켜 주었습니다. 아시클로비르 치료는 상처 치유를 약간 지연시켰지만, 음성 대조군 및 무처리 대조군과 비교했을 때 유의미한 개선은 없었습니다. 심바스타틴은 세포독성 효과를 나타내어 상처 치유를 지연시켰습니다. 콜산 치료는 비교적 균형 잡힌 결과를 보였으며, 상처 치유 촉진 효과는 양성 대조군보다도 우수했습니다. 반대로, 중간 정도의 치료 잠재력을 가질 것으로 예측되었던 피리독살 인산염은 상처 치유를 지연시켰습니다.

나노의학의 일반화 연구에서,AI-CC 워크플로는 인공지능과 계산화학이 시너지 효과를 발휘할 때 얼마나 대체 불가능한 역할을 하는지를 극명하게 보여줍니다.인공지능(AI)은 작용 기전의 조절 방향(즉, 약물에 의한 표적의 상향 조절 또는 하향 조절)을 파악할 수 있지만, 물리 기반의 나노 규모 상호작용 에너지 측정 지표가 부족합니다. 계산화학은 상호작용의 강도를 정량화할 수 있지만, 약물의 질병에 대한 효과가 치료적인지 또는 항치료적인지를 판단할 수는 없습니다. AI-CC의 검증은 이 두 분야 간의 상호보완적인 관계를 분명히 보여줍니다. 요약하자면, 이 방법은 기존 방법에 비해 문헌 조사에서 실험까지의 소요 시간을 701 TP3T 이상 단축할 수 있습니다.

마지막으로, 효과적인 임상 적용을 위해서는 최적의 후보 물질들을 나노물질 전달 시스템(나노입자 및 나노섬유 드레싱 등)과 결합함으로써 상처 부위에 대한 표적 약물 전달 효율과 치료 효과를 더욱 향상시킬 수 있습니다.

기존 연구들은 엽산으로 기능화된 나노입자가 표적 종양 약물 전달에 상당한 효과를 나타낸다는 것을 입증했습니다. 이는 본 연구에서 선별된 엽산 및 기타 후보 약물을 상처 표적 나노 운반체 시스템으로 개발하면 치료 효과를 향상시킬 수 있음을 시사합니다. 이러한 나노 전달 전략은 컴퓨터 시뮬레이션과 실제 임상 나노 의학 치료 사이의 간극을 메워 컴퓨터로 예측된 후보 약물을 임상 현장에서 실제로 적용할 수 있도록 할 것입니다.

마지막 말

국제당뇨병연맹(IDF) 자료에 따르면, 2024년 전 세계적으로 20~79세 성인 약 340만 명이 당뇨병 또는 그 합병증으로 사망할 것으로 예상되며, 이는 해당 연령대 전체 사망 원인의 9.31%에 해당합니다. 당뇨병과 그 합병증은 전 세계적인 건강 위협 요인으로 대두되고 있습니다. 본 연구는 기존의 인공지능(AI)을 단순히 "블랙박스 스크리닝"에 활용하는 연구 패러다임을 탈피하여, AI-CC(인공지능 기반 복합 임상 연구)를 통해 인공지능, 약물, 나노의학, 그리고 치료 효과 검증 간의 해석 가능한 폐쇄 루프를 구축합니다. 이를 통해 "기전적 단서"에서 "나노 규모 정량적 검증", 그리고 "체외 기능 검증"에 이르는 경로를 제시하고, 당뇨병성 궤양 및 기타 복합 질환에 대한 신약 개발 및 기존 약물 재활용을 위한 새롭고 실용적인 해결책을 제공합니다.

싱가포르 국립대학교 약학과 학과장인 조르지아 파스토린 교수가 강조했듯이, 진정으로 흥미로운 점은 계산적 통찰력을 나노의학 연구 및 실험적 검증과 효과적으로 연결하여 더욱 유망한 치료 후보 물질을 실제 임상 현장에 적용하는 데 한 걸음 더 가까이 다가갈 수 있게 한다는 것입니다.

참조 링크:
1.https://medicalxpress.com/news/2026-05-ai-drug-flags-folic-acid.html
2.https://mp.weixin.qq.com/s/A17F9KqArPfkgqKroN6dFA