 왼쪽부터 GIST 전기전자컴퓨터공학과 남호정 교수, 김현호 박사. GIST 제공 |
3일 GIST에 따르면 전기전자컴퓨터공학과 남호정 교수 연구팀은 약 150만 개의 화학 구조와 120만 건의 약물 반응 데이터를 학습해, 환자별 맞춤형 항암제를 자동으로 생성하는 AI 모델 ‘G2D-Diff’를 선보였다.
이번 연구는 국제학술지 ‘네이처 커뮤니케이션즈’에 지난 1일 게재됐다.
기존에는 암의 복합성과 표적 불확실성 때문에 생성형 AI의 활용이 제한적이었다. G2D-Diff는 유전자 변이 정보와 목표 약물 반응을 입력하면, 최적화된 항암제 분자구조를 만들어낸다. 실제 임상 활용 가능성이 높은 점도 주목된다.
이 모델은 IBM의 ‘PaccMannRL’ 등 기존 AI보다 모든 성능 지표에서 뛰어났다. 특히 약물 반응성 예측 평균 오차율이 1% 수준으로, 기존 모델(51%)을 크게 앞질렀다. 약물 유사성과 합성 가능성도 기존 대비 35~44% 개선돼 신약화 가능성을 입증했다.
연구팀은 삼중-음성 유방암 환자 데이터를 활용해 생성된 후보물질이 PI3K, HDAC, CDK 등 암세포 증식과 생존에 관여하는 핵심 단백질을 정확히 표적으로 삼는 것을 확인했다. 컴퓨터 도킹 시뮬레이션 결과, 해당 분자가 실제 표적 단백질에 결합할 수 있다는 점도 증명했다.
또한 G2D-Diff는 AI가 어떤 유전자와 생물학적 경로를 근거로 분자를 설계했는지를 해석할 수 있도록 어텐션 메커니즘을 적용해, 기존 ‘블랙박스 AI’의 한계를 극복했다. 이 기능은 약물 후보물질의 과학적 타당성을 입증하는 데 큰 도움이 될 전망이다.
남 교수는 “이번 연구는 개인 맞춤형 정밀의료의 새로운 지평을 열었다”며 “난치성 암 환자들에게 획기적인 치료 기회를 줄 수 있을 것”이라고 밝혔다.
제1저자인 김현호 박사도 “G2D-Diff는 신약 개발의 가장 어려운 초기 후보물질 탐색 단계의 효율성을 크게 높일 수 있다”며 “개발 기간 단축과 비용 절감에 기여할 것”이라고 강조했다.
이번 연구는 과학기술정보통신부·한국연구재단 중견연구자지원사업, 보건복지부·과기정통부의 연합학습 기반 신약개발 가속화 프로젝트(K-MELLODDY), 미국 NIH의 Bridge2AI 프로그램 등의 지원으로 수행됐다.
GIST는 앞으로도 AI 기반 혁신기술을 통해 정밀의료 및 바이오헬스 분야의 글로벌 경쟁력을 강화할 계획이다.
노병하 기자 byeongha.no@jnilbo.com
