약물 효능 예측, AI가 바꾼다
4차 산업혁명이 가져온 변화는 우리의 일상을 근본적으로 바꾸고 있습니다. 하지만 이러한 기술 혁신이 가져오는 가치가 가장 크게 빛나는 분야 중 하나는 단연 생명 과학, 그중에서도 질병 치료를 위한 신약 개발입니다. 이 과정에서 최근 국내 연구진이 세계적인 주목을 받을 만한 성과를 발표하며 새로운 전기를 마련했습니다.
바로 KAIST 바이오및뇌공학과 이관수 교수 연구팀이 2026년 3월 8일 발표한 AI 모델 'GPCRact(지피씨알액트)'가 그 주인공입니다. 전 세계 제약 산업은 매년 수백억 달러 이상의 연구개발비를 투입하며 신약 개발 속도를 높이고자 노력해왔습니다.
그러나 기존의 방식은 후보 물질 개발에서 상용화에 이르기까지 복잡하고 비용이 많이 드는 과정이었습니다. 또한, 그 과정에서 단순히 약물과 단백질이 결합하는지 여부만을 확인하는 초기 단계에서 많은 에너지가 소모되곤 했습니다. 문제는 약물이 단백질에 결합한다고 해서 항상 질병 치료에 필요한 활성도를 나타내는 것이 아니라는 점입니다.
KAIST 연구팀이 개발한 'GPCRact'는 바로 이러한 기존 모델의 한계를 극복하며 신약 개발의 효율성을 크게 높일 수 있는 잠재력을 가졌습니다. GPCRact가 주목받는 이유 중 하나는 이 모델이 단순히 약물-단백질의 결합 여부를 넘어서, 약물이 실제로 단백질을 활성화하는지 여부까지 정확히 예측할 수 있다는 점입니다. GPCRact의 기능은 GPCR(G-단백질 결합 수용체)을 타깃으로 한 신약 개발에 특히 강점을 보입니다.
GPCR은 우리 인체 내에 약 800여 종이 존재하며, 이로 인해 현재 시판되는 약물의 30~40%가 GPCR을 주요 표적으로 삼고 있을 정도로 중요한 단백질입니다. 하지만 기존 AI 모델로는 약물과 단백질의 결합 과정까지만 예측할 수 있었고, 그 이후 단계인 단백질 활성화 여부는 예측하지 못하는 한계가 있었습니다.
약물의 실제 작용은 결합 후 단백질 내부에서 일어나는 구조 변화와 신호 전달 과정, 즉 '알로스테릭 신호 전파'에 의해 결정됩니다. 이것이 바로 약물이 단순히 단백질에 붙어 있는 것과 실제로 치료 효과를 발휘하는 것 사이의 결정적 차이를 만드는 메커니즘입니다.
광고
GPCRact는 이 과정을 '약물-표적 결합 단계'와 '단백질 내부 알로스테릭 신호 전파 단계'로 나누고 이를 AI가 단계적으로 학습하도록 설계하였습니다. 이러한 접근법은 약물 개발 과정에서 실제 생물학적 메커니즘을 반영함으로써 예측의 정확성을 근본적으로 향상시켰습니다.
GPCRact, 블랙박스를 열다
더 나아가 GPCRact가 기존 AI 기술과 차별화된 핵심은 바로 '설명 가능한 AI(Explainable AI)' 기술입니다. 기존의 많은 AI 모델은 결과를 예측할 수는 있었지만, 그 과정에서의 주요 근거를 제시하는 것은 어려웠습니다.
이러한 '블랙박스 AI' 문제는 제약 산업과 같은 높은 신뢰성이 요구되는 분야에서 큰 제약 요인으로 작용했습니다. 규제 기관과 연구자들은 AI가 내린 결론의 근거를 명확히 이해하고 검증할 수 있어야 하기 때문입니다.
그러나 GPCRact는 단순한 예측 결과만을 제공하지 않습니다. 약물 활성화 여부를 판별하는 근거로 단백질 내부의 핵심 신호 전파 경로까지 제시함으로써 결과를 해석하고 검증할 수 있는 도구를 제공해줍니다.
이는 연구자들로 하여금 새로운 약물의 타당성을 더 빠르고 체계적으로 분석할 수 있는 발판을 마련해줍니다. 이번 연구의 또 다른 독창성은 '어텐션 메커니즘'을 활용한 것입니다.
단백질의 복잡한 3차원 구조를 원자 수준 그래프로 정밀하게 모델링하고, 어텐션 메커니즘을 적용하여 특정 신호 전파 경로의 중요성을 AI가 스스로 학습하도록 만드는 방식은 이전에는 전례를 찾기 어려웠습니다. 어텐션 메커니즘은 AI가 입력 데이터의 어느 부분에 '주목'해야 하는지를 학습하는 기술로, 이를 통해 복잡한 구조의 단백질에서도 약물 활성 예측 성능을 크게 향상시킬 수 있었습니다.
이처럼 혁신적인 접근은 단순히 데이터 정확도를 높이는 차원을 넘어, AI 기술이 생물학적 메커니즘을 더 깊이 이해할 수 있게 함으로써 기술적 한계를 뛰어넘고 있습니다. 그렇다면 GPCRact의 활용 가능성은 어디까지일까요?
광고
신약 개발 플랫폼으로 시작된 이 모델은 GPCR을 표적으로 하는 다양한 질병의 정밀 신약 개발에 직접적으로 활용될 전망입니다. GPCR은 알레르기, 고혈압, 당뇨병, 암, 신경정신질환 등 광범위한 질병과 관련되어 있어, GPCRact의 적용 범위는 매우 넓습니다. 더 나아가 향후 다양한 단백질과 세포의 반응, 나아가 인체 내 복잡한 바이오 신호까지 예측하는 기술로 확장될 가능성이 열려 있습니다.
실제 이관수 교수는 "알로스테릭 구조 변화 작동 원리를 딥러닝에 반영한 것이 이번 연구의 핵심"이라며, 앞으로 "다양한 단백질로 확장하고, 세포와 인체 반응까지 예측하는 기술로 발전시키겠다"는 포부를 밝혔습니다. 이를 통해 환자 맞춤형 신약 개발은 물론, 질병의 예방과 치료 체계까지 전반적으로 혁신하는 데 기여할 수 있을 전망입니다. 물론 AI 모델을 활용한 신약 개발이 모든 문제를 해결할 수 있는 것은 아닙니다.
예를 들어, AI의 학습 과정에서 사용되는 데이터의 품질과 양이 결과에 중요한 영향을 미치며, 데이터 편향이 실제 결과를 왜곡할 가능성도 있습니다. 또한, 인공지능이 예측한 신호 경로가 반드시 실험으로 검증되어야 한다는 점에서 AI는 보조적 역할에 머물 가능성도 완전히 배제할 수 없습니다. 그러나 이러한 한계를 해결하기 위해 개발된 GPCRact의 '설명 가능한 AI' 기술 자체가 이 문제를 해결하는 데 큰 역할을 할 수 있습니다.
예측 근거를 명확히 제시함으로써 연구자들이 AI의 판단을 검증하고, 필요시 실험 설계에 반영할 수 있기 때문입니다. 결과적으로 신약 개발의 성패는 AI와 인간 연구자 간의 협력으로 결정될 것입니다.
미래의 헬스케어, AI로 재편하다
이번 KAIST 연구진의 성과는 단순히 또 하나의 혁신적인 연구 결과를 넘어섭니다. 이는 한국이 글로벌 제약 산업에서 기술적 리더십을 확보하는 데 중요한 발판이 될 수 있습니다.
특히 AI 기반 신약 개발 기술은 전 세계 제약 기업들이 주목하고 있는 핵심 분야로, 한국의 우수한 AI 기술력과 생명공학 연구 역량이 결합된 성과라는 점에서 더욱 의미가 큽니다.
광고
AI를 기반으로 한 신약 개발은 단순히 관련 산업에 국한되는 이야기가 아닙니다. 고령화 사회로 접어든 한국에서 더 나은 치료법이 절실히 요구되는 지금, GPCRact와 같은 기술은 사회적 가치를 창출하는 중요한 도구가 될 것입니다. 신약 개발 기간을 단축하고 비용을 절감함으로써 더 많은 환자들이 혁신적인 치료법의 혜택을 받을 수 있게 되기 때문입니다.
또한 GPCRact는 신약 개발의 신뢰성과 효율성을 동시에 높일 수 있는 중요한 진전으로 평가됩니다. 기존 AI 모델들이 결합 여부만을 예측했다면, GPCRact는 실제 약물이 작동하는지 여부까지 예측함으로써 후보 물질 스크리닝 과정에서 발생하는 시행착오를 대폭 줄일 수 있습니다.
이는 제약 회사들이 더 적은 자원으로 더 효과적인 약물을 개발할 수 있게 해주며, 궁극적으로는 신약 개발 성공률을 높이는 데 기여할 것입니다. 결국, 우리의 질문은 여기에 다다릅니다. 생명 공학과 AI의 융합이 꿈꾸는 미래는 과연 어떤 모습일까요?
기술 혁신은 필수적이지만, 그 과정에서 놓치지 말아야 할 유일한 목표는 바로 인간의 건강과 삶의 질을 향상시키는 것입니다. KAIST 연구팀의 GPCRact가 그 목표를 향한 길에서 어떤 또 다른 문을 열게 될지, 그리고 이 기술이 실제 임상 현장에서 어떻게 활용되어 환자들에게 도움을 줄 수 있을지 앞으로의 행보가 기대됩니다.
한국의 과학기술이 세계 신약 개발의 새로운 패러다임을 제시하는 이 순간, GPCRact는 단순한 연구 성과를 넘어 인류 건강 증진을 위한 희망의 도구로 자리매김할 것입니다.
김도현 기자
광고
[참고자료]
vertexaisearch.cloud.google.com
){kind=small}
){kind=small}
){kind=small}
){kind=small}