[딜사이트 한은비 기자] 새로운 치료제를 연구하는 과정에 인공지능(AI)를 적용하면 신약 파이프라인 구축의 효율성을 증대할 수 있다는 목소리가 나왔다. 신약 개발 과정에는 단백질 구조를 파악하는 단계가 중요하지만 기존 실험법은 비용 부담이 크다는 한계점을 지니고 있다. 현재까지 쌓아온 바이오 데이터를 학습한 AI가 단백질의 구조와 상호작용을 밝혀내고 특정 단백질을 디자인하는 데 관여하면 연구 비용과 시간을 단축할 수 있다는 설명이다. 

바이오·헬스케어 전문 벤처캐피탈(VC)인 BNH인베스트먼트는 4일 '인공지능과 단백질: 구조 예측에서 맞춤형 설계까지'를 주제로 'BNH Insight Seminar'를 진행했다. 비대면(온라인)으로 진행한 이번 행사에는 백민경 서울대학교 생명과학부 교수가 연사로 참여해 AI가 단백질 구조를 이해하는 데 어떠한 도움을 줄 수 있는지에 대해 설명했다.

백민경 교수는 단백질 3차원 구조를 예측·설계하는 AI를 개발해 올해 노벨 화학상을 거머쥔 데이비드 베이커(David Baker) 미국 워싱턴대학교 생화학과 교수의 제자다. 백 교수는 박사후연구원(Postdoctoral Researcher) 시절 베이커 교수와 함께 AI로 단백질 구조를 관측하는 '로제타폴드(RoseTTAFold)'를 함께 만들었다.

백 교수는 현 신약 개발 과정의 문제점으로 투입한 시간과 비용 대비 낮은 신약개발 성공률을 꼽았다. 그는 "신약을 만들기까지 10~15년 정도의 긴 시간이 필요하고 대규모 자금이 들어가지만 정작 개발에 성공하는 신약은 드물다"면서 "최근에는 인공지능 방법론으로 유사 문제를 해결하려는 시도가 이뤄지고 있다"고 말했다.

백민경 교수는 단백질 구조를 파악하는 일이 치료제 개발의 핵심이라고 강조했다. 그는 "단백질은 생명 현상의 핵심 분자"라면서 "우리 몸 안에서 ▲물질수송 ▲화학반응 ▲신호전달 ▲면역반응 등의 역할들을 수행한다"고 밝혔다. 그는 "질병을 일으키는 단백질의 구조를 확보하면 해당 단백질의 어떤 기능을 억제해야 하는지 등을 파악해 관련 치료법을 찾아낼 수 있다"고 설명했다.

백 교수는 "과거에는 실험을 통해서만 단백질 구조를 들여다볼 수 있었다"면서 "실험 같은 기존 방법은 단백질의 정확한 원자 구조를 빠르게 많이 풀어낼 수 없었다"고 전했다. 그는 이어 "다만 '단백질 정보은행(PDB·Protein Data Bank)'에 관련 빅데이터가 쌓이기 시작하면서 최근에는 바이오 빅데이터를 활용해 AI를 기반으로 한 단백질 구조 예측 연구가 일어나고 있다"고 언급했다.

그는 "치료제를 만들 때 구조만 안다고 단백질의 기능을 유추할 수는 없다"면서 "단백질의 상호작용을 잘 이해해야 단백질 기능에 이상이 생겼을 때 어떤 질병으로 이어지는지 자세히 추적할 수 있다"고 덧붙였다. 

백 교수는 "단백질 구조를 예측하는 순서를 반대로 이행하면 원하는 기능을 행하도록 단백질 서열을 형성할 수 있다"면서 "단백질 모델링이나 상호작용 예측에도 AI를 사용해 후보물질을 적극 발굴하고 있다"고 얘기했다.

다만 백 교수는 AI 기술로 현 신약 개발 문제를 모두 해결할 수 있는 것은 아니라고 강조했다. 그는 "AI는 좋은 데이터가 많을수록 우수한 성과를 도출할 수 있다"면서 "현재 바이오 관련 데이터들은 대부분 양이 적거나 정제되지 않은 정보가 많다"고 지적했다. 그는 이어 "신약 개발에 인공지능을 접목하려는 스타트업들은 기존 데이터에만 의존하거나 잘못된 정보를 이용하는 행위를 경계해야 한다"고 주장했다.