일본 도쿄공업대학의 세키지마 마사카즈 조교수 등의 연구 그룹은 인공지능(AI)을 이용해 의약품 개발의 초기 단계에서 후보 물질을 효율적으로 선별하는 방법을 개발했다. 후보 물질이 표적이 되는 단백질과 결합해서 약으로서의 기능을 발휘하지 여부를 예측할 수 있다. 개발 비용 억제에 도움이 된다.

이 연구 그룹이 개발한 ‘VisiNet’은 의약품 후보의 화합물이 치료의 표적이 되는 단백질과 결합 반응을 일으키는지 여부를 예측한다. AI의 일종인 딥러닝(심층학습)을 이용해서 컴퓨터를 이용하는 이제까지의 결합 모의실험에 비해 정도(精度)를 높였다. 암을 일으키는 어떤 단백질(AKT1)의 경우, 결합하는 화합물을 종래보다 5배의 효율로 선별할 수 있었다.

표적이 되는 단백질에 관해 평가하는 모형을 만드는 데에는 슈퍼컴퓨터를 사용한다. 하지만 일단 모형을 만들면 일반 컴퓨터로도 후보 물질이 화합물과 결합할지 여부를 조사할 수 있다. 결합 예측에 어떤 부분이 공헌하고 있는지를 보여줄 수도 있으므로 후보 화합물을 한층 더 개량하는 데에도 도움이 된다.

획기적인 의약품 개발에는 10년 이상의 세월과 1천억 엔이 넘는 개발비가 든다고 한다. 기대되는 만큼의 효과가 없다는 것을 도중에 알게 돼서 개발을 단념하는 사례는 많다. 초기 단계에서 후보 물질 선별은 신약 개발을 효율화하는 데 중요하므로 AI 활용에 기대가 모아지고 있다.

*출처: 니혼게이자이신문