HyperAIHyperAI

Command Palette

Search for a command to run...

AI가 460만 개 약물 분자 수소 위치 수시간 내 예측

뉴욕 대학교 연구진이 약물 개발 과정에서 중요한 수소 원자의 위치와 결합 패턴을 예측하는 인공지능(AI) 모델을 개발했다. 연구 결과는 저널 케미컬 사이언스에 실렸으며, 분자 설계 및 구조 기반 신약 발견 분야에서 오랜 기간 해결되지 않아 왔던 타우토머 상태 예측의 한계를 돌파했다는 평가를 받고 있다. 타우토머는 동일한 분자식을 가지지만 수소 원자의 위치가 달라 결합 패턴이 바뀌는 분자 형태다. 형태적 차이가 미미해 보이지만 단백질 표적과의 상호작용에는 상당한 영향을 미치므로 정확한 할당이 필수적이다. 그러나 단백질 데이터 뱅크의 실험 데이터는 수소 원자 위치 정보가 누락되기 쉬우며, 양자역학적 계산은 고비용으로 대규모 스크리닝에 부적합하다. 기존 머신러닝 역시 실험 검증 데이터가 수백 개에 그쳐 정확도에 한계가 있었다. 연구진은 이 문제를 해결하기 위해 케임브리지 구조 데이터베이스에서 고해상도 소분자 결정 구조의 수소 원자 위치 정보를 체계적으로 발굴했다. 연구진은 이를 기반으로 110만 개 이상의 타우토머 상태를 확보해 그래프 신경망 기반 AI 모델을 학습시켰다. 해당 모델은 3차원 구조나 복잡한 양자역학 계산 없이 2차원 분자 구조만으로 안정한 타우토머를 직접 예측할 수 있다. 실제 적용 결과, AI 모델은 단일 GPU 노드에서 3.2시간 만에 460만 개 화합물을 처리할 만큼 확장성과 속도를 입증했다. 또한 단백질 리간드 데이터셋을 분석한 결과, 기존에 잘못 할당된 가능성이 높은 타우토머가 약 2.5% 존재함을 발견했다. AI가 예측한 새로운 타우토머는 단백질 잔기와의 수소 결합 패턴을 개선하여 화학적으로 더 타당한 상호작용을 보여줌을 확인했다. 이번 성과는 약물 후보물질의 결합 정확도 향상과 분자 동역학 시뮬레이션 신뢰성 제고에 기여할 전망이다. 연구진은 개발된 모델을 오픈소스 도구로 공개했으며, 향후 대규모 신약 설계 및 컴퓨터 보조 분자 모델링 파이프라인에 즉시 활용될 수 있을 것으로 기대된다.

관련 링크