AI 'GAN' 기반 코로나바이러스 억제 분자 설계

인공지능(AI) 심층학습(Deep Learning) 접근법으로 코로나바이러스감염증-19(COVID-2019) 3C-유사 단백질( 3C-like protease) 억제 분자가 설계됐다.

관련 연구를 수행한 인실리코 메디슨(Insilico Medicine)은 1월 28일 이후 2019-nCoV 신약 후보 억제제를 설계하는 데 생화학 연구라인 일부를 투입하기 시작했다.

AI가 디자인한 분자 중 어느 것도 생체 외 또는 생체 내에서 합성 또는 테스트하지 않았다. 이들은 코로나바이러스에 대한 유사 억제제는 전문 의약학자 및 화학자의 검토가 필요하다.

코로나 바이러스에 대한 현재까지 대부분의 노력은 임상적으로 승인된 기존 약물의 용도 외적 테스트와 화학 라이브러리에서 구할 수 있는 분자에 대한 가상 스크리닝에 많은 투자를 하고 있다.

연구원들은 2019-nCoV 단백질의 주요 표적 중 하나가 결정 구조가 알려진 3C-유사 프로테아제(3C-like protease)임을 확인했다.

이 프로테아제를 억제하는 약물이 개발 될 수 있으면 바이러스의 복제 및 증식을 방지할 수 있다. 또한 돌연변이 매개 약물 저항의 위험을 줄여 효과를 유지할 수 있다. 예를 들어, 코로나바이러스 계열 ‘중증 호흡기 증후군 바이러스(SARS-CoV)’의 경우, 주요 프로테아제를 표적으로 하는 억제제가 전염병을 완화시키는 가장 효과적인 수단이었다.

2019-nCoV에 대한 프로테아제 표적과 그 서열 및 구조를 참고, 인실리코 연구자들은 가능한 신약 유사 분자를 생성하기 위해 생성적 화학 파이프 라인만 적용했다. 그들은 결정 구조, 상동성 모델 및 공 결정 리간드의 세 가지 입력 데이터 유형에 대해 연구했다.

딥러닝 접근법은 수동 설계없이 분자 구조에서 고차원 추상 정보를 자동으로 추출 할 수 있다. 또한, 생물학적 및 약리학적 특성에 상응하는 분자 구조 사이의 비선형 매핑을 학습할 수 있다.

이 팀은 28개의 기계 학습(ML) 모델을 사용해 생성 단계에서 분자 구조를 생성하고 보상 기능을 활용하는 강화 학습으로 모델을 최적화했다. 그들은 다양한 분자 표현(GAN, 유전자 알고리즘 등)을 활용하기 위해 다양한 ML 접근 방식을 적용 했다. 모든 모델은 클러스터를 이용하고 높은 점수를 가진 새로운 분자를 생성하기 위해 보상 기능을 최적화했다.

인실리코(Insilico)는 이러한 접근 방식을 사용하여 생성 한 새로운 화합물을 적극적으로 발표했다. 자체 자원을 투입해 일부 분자를 합성, 테스트 및 최적화하고 있지만 프로세스 진전을 위해 협력을 모색 중이다.

2019-nCoV의 확산은 전 세계 경제 및 사회에 깊은 영향을 미친다. 확산을 차단하고 감염 치료를 위한 효과적인 항 바이러스 전략이 필요하다.

지난주 MIT테크놀로지 리뷰는 AI디자인 분자에 대한 인실리코의 기술을 “2020 혁신기술 10(10 Breakthrough Technologies 2020)”으로 선정했다.

AI가 설계한 COVID-2019 3C 유사 프로테아제 억제제 관련 논문은 ‘ChemRxiv’에 공개됐다.