[보도자료] 디어젠(주), ‘약물-단백질 상호작용 예측’ AI 모델 연구 성과 발표

• 디어젠(주), 세계최고성능의약물-단백질상호작용예측모델 (MT-DTI) 연구성과 MLHC 2019 학회발표
• MT-DTI, Pubchem의약 9,700만개의화합물빅데이터사용하여 FDA 승인된 8개의 EGFR 항암제모두예측

[신봉근, 디어젠 AI 최고 책임자가 MLHC 2019 conference 에서 발표하고 있다.]

인공지능(AI)기반 신약발굴 및 플랫폼 개발 전문기업 디어젠(주)(대표이사 강길수)은 Self-Attention 메커니즘을 기반으로 한 약물-단백질 상호작용 예측 알고리즘(MT-DTI, Molecule Transformer Drug Target Interaction) 개발 성과를 2019년 8월 8일부터 10일까지 진행되는 MLHC(Machine Learning for Healthcare)2019 학회에서 발표했다.

MLHC는 의료 빅데이터를 활용한 인공지능 기술 분야 최대 학회이다. 2011년부터 매년 개최되는 MLHC는 올해 미국 미시간 주의 미시간 대학(University of Michigan)에서 진행된다.

MT-DTI는 기존 DTI 예측 모델의 한계를 극복하여 디어젠에서 자체개발 한 새로운 DTI 모델이다. 디어젠의 실험 결과 기존 DTI 예측 모델들 대비 월등한 성능을 보였으며, MT-DTI를 이용해 EGFR(상피세포 성장 수용체)를 타깃 하는 30개의 신약후보물질을 예측했을 때, 현재 FDA 승인된 8개의 EFGR 타깃 항암제가 모두 포함되어 있음을 확인했다.

DTI(Drug Target Interaction)는 질병을 유발하는 것으로 예측되는 타깃 물질과 약물 후보물질의 상호작용을 예측하여 신약후보물질을 도출하는 것이다. 그러나 전통적인 실험실 기반의(in-vitro) DTI는 비용과 시간이 많이 필요한 과정일 뿐만 아니라 DTI로 도출된 신약후보물질 중 실제 신약으로 이어지는 경우는 10% 미만이다.

따라서 최근 신약개발 시장에서는 컴퓨터 시뮬레이션 기반의(in-silico) 기술을 이용한 DTI 예측이 요구되고 있다. 이는 신약개발 전체 프로세스에 드는 시간과 비용을 43%까지 감소시킬 수 있다고 한다.

이러한 최신 요구에 따라서 여러 종류의 in-silico DTI 예측 모델들 (KronRLS, SimBoost, DeepDTA 등)이 제안되었지만, 이 방법들은 복잡한 화학구조를 제대로 반영하지 못하고 방대한 화합물 정보를 제대로 이용하지 못하여 후보물질예측에 한계가 있는 것으로 알려져 있다. 

그에 비해 MT-DTI는 Self-Attention 메커니즘을 모델에 반영해서 복잡한 화학구조를 더욱 효과적으로 모델링 했고, PubChem의 약 9,700만 개의 방대한 화합물 데이터베이스를 사전학습에 이용 가능하게 하여 모델의 정밀도를 높였다. 

MT-DTI 모델 연구를 이끈 신봉근 최고 인공지능책임자는 “이번 연구를 통해 MT-DTI 모델이 신약후보물질을 제시하는 데 빠르고 정밀한 플랫폼으로 활용될 가능성이 확인되었다.”며 “나아가 우리의 MT-DTI 모델은 적은 비용으로 신약을 개발할 수 있게 하며, 환자 맞춤 의료시대를 앞당길 것이다.”고 이번 학회에서 발표했다.

디어젠은 최근 질병을 유발하는 단백질과 약물 간 상호작용을 예측하는 DTI 모델 연구에 대한 다수의 논문과 특허를 진행 중이다. 그 결과로 이번 MLHC 2019 학회에서 연구 성과 중 하나인 MT-DTI 모델을 발표할 수 있었다. MT-DTI를 이용한 예측 모델은 https://mt-dti.deargendev.me 의 링크를 통해 사용해 볼 수 있다. 

디어젠의 강길수 대표이사는 “디어젠은 신약 개발에 필요한 화합물, 단백질, 유전체 및 다양한 의료 빅데이터를 활용하여 AI 모델 개발과 데이터 기반 in-silico 플랫폼 기술을 개발 중이다.”며, “현재 디어젠은 AI 기술을 활용하여 first/best in class의 신약을 만들기 위해 여러 신약 개발 전문가들과 함께 협업하고 있다. 나아가 디어젠의 AI 기술이 신약 개발에 중요한 포지션을 갖도록 노력하고 있다.”고 말했다.