AI 설계한 신약 후보 물질, 암 돌연변이 타겟에 정밀 맞춤으로 효과 검증

한국과학기술원(KAIST) 김우연 교수팀이 암 유전자 돌연변이를 표적으로 하는 최적의 약물 후보물을 단일 단백질 구조 정보만으로 자동 설계하는 AI 모델 BInD를 개발했다. 이 모델은 기존의 수많은 후보 물질을 시험하는 전통적 방법과 달리, 사전 분자 데이터 없이도 타겟 단백질의 구조만으로 결합 메커니즘까지 고려해 분자를 동시에 설계한다. 기존 AI는 분자 생성과 결합 예측을 별도로 진행했지만, BInD는 생성 과정에서 비공유 결합 상호작용을 함께 고려해 효과적이고 안정된 약물 후보를 한 번에 도출한다. 이 모델은 결합 친화도, 약물 유사성, 구조 안정성 등 여러 기준을 동시에 최적화해 실용성을 높였다. 핵심 기술은 확산 모델 기반으로, 알파폴드3와 유사한 구조 예측 기술을 활용하지만, 실제 화학 법칙(결합 길이, 거리 등)을 반영해 더 현실적인 구조를 생성한다. 이전 연구에 비해 결합 패턴을 반복 활용하는 최적화 전략을 도입해 추가 학습 없이도 성능을 향상시켰다. 특히 EGFR 돌연변이 단백질에 특이적으로 결합하는 분자를 성공적으로 설계해 암 치료 가능성을 입증했다. 김우연 교수는 “이 AI는 단백질에 강하게 결합할 수 있는 핵심 특성을 학습하고, 사전 지식 없이도 최적의 약물 후보를 설계할 수 있어 약물 개발의 패러다임을 바꿀 것”이라고 말했다.