'머신러닝·딥러닝·생성AI·그래프 신경망 기술 등
신약 개발 후보 탐색, 화합물 친화도 분석 도구로 활용
약물과 질병 간 관계 예측, 신약개발 속도 획기적 단축
[애플경제 정한빈 기자] 신약개발을 비롯한 바이오, 생명과학분야에서도 AI는 효율적인 수단이 되고 있다. 특히 바이오, 생명과학분야에선 머신러닝, ANN 기반의 딥러닝, 생성AI, 그래프 신경망(GNN) 등이 대표적인 기술로 활용되고 있다.
머신러닝과 딥러닝, 선도 화합물 탐색 최적화
머신러닝은 컴퓨터가 데이터를 기반으로 패턴을 학습하고 이를 바탕으로 미래를 예측하거나 결정을 내리도록 설계된 AI 기본 기술이다. 딥러닝은 머신러닝의 하위 집합으로 인공신경망(ANN, artificial neural network)을 기반으로 데이터를 처리하고 다층 구조를 통해 높은 수준의 추상화를 수행한다.
신약 개발 초기 단계에서 이러한 기술은 표적 단백질과 결합할 수 있는 선도 화합물을 탐색하고 최적화하는 데 활용된다. 딥러닝 모델은 단백질-리간드 도킹이나 분자 동역학 시뮬레이션에서 화합물의 결합 친화도를 예측하는데 활용돼 신약 개발 효율성을 극대화하고 있다. 한국생명공학연구원이 보고한 바에 따르면 AI 기반 도구는 신약 후보 물질의 발굴 시간을 수십 배 단축하며 비용을 크게 절감한다.
생성AI로 가상 스크리닝, 분자 설계
생성AI는 기존 데이터를 학습해 새로운 데이터를 생성하는 기술이다. 특히 이 기술은 신약 설계에 필요한 화합물을 생성하는 데 핵심적인 역할을 한다. 생성AI 기반 확산 모델(Diffusion Model)은 특정 단백질의 결합 부위에 적합한 분자를 설계한다. 이 과정은 3D 기반 약물 설계와 유사하지만 더 효율적이고 자동화돼 있다.
신약 후보 탐색에서 생성AI는 가상 스크리닝을 통해 기존 데이터베이스와의 화학적 유사성을 비교하고 다목적 순위 매김(Multi-Objective Ranking)을 통해 가장 유망한 후보를 선정한다. 이러한 기술은 COVID-19 백신 개발에서처럼 신속하고 정밀한 약물 개발을 가능하게 해 희귀 질환 치료제 개발에서도 중요한 도구로 자리 잡고 있다.
그래프 신경망, 바이오 데이터 간의 관계 파악
그래프 신경망(GNN, Graph Neural Network)은 노드와 엣지로 구성된 그래프 데이터 구조를 학습하고 분석하는 딥러닝 모델이다. 신약 개발에서 GNN은 분자 구조와 생물학적 네트워크를 모델링하는 데 사용된다.
GNN은 구조적 데이터를 학습해 분자와 단백질 또는 약물과 질병 간의 관계를 예측한다. 특히 이 기술은 희귀 질환이나 복잡한 생물학적 경로를 다룰 때 유용하다. GNN은 설명 가능한 AI(Explainable AI)을 활용해 예측 결과를 서브그래프를 생성하고 이를 통해 약물의 작용 매커니즘을 분석한다.
AI는 신약 개발의 혁신적 도구로 자리 잡고 있지만 윤리적 문제와 데이터 프라이버시, 규제의 복잡성은 여전히 과제로 남아 있다. 이를 해결하기 위해 인공지능 기술을 활용한 신약 개발의 명확한 가이드라인을 마련돼야 한다.
AI 기술과 생명과학의 융합은 데이터 분석 도구를 넘어서 기존의 방법으로 해결하기 어려웠던 생명과학 분야의 난제들을 해결할 실마리를 제시한다. 특히 신약 개발 과정에서 AI의 활용은 더 효과적인 치료법 개발으로 인류의 건강 증진에 기여할 것으로 기대된다.