머신러닝에서 발전된 형태인 딥러닝 기반의 AI 신약개발 기업이 등장한 가운데 딥러닝을 활용한 신약개발 시대가 다가오고 있다.

23일 혁신신약살롱 오송, 충북 바이오헬스산업혁신센터에서 후원한 '제9회 바이오 혁신 세미나'에서 신봉근 디어젠USA 대표이사는 '딥러닝 기반의 신약개발 최신 동향'을 주제로 발표했다.

신봉근 대표는 "딥러닝에서 자주 쓰이는 사전 학습(Pre-Training)과 파인 튜닝(Fine-tuning)의 개념에 대한 이해가 필요하다"고 전했다. 파인 튜닝은 사전 학습을 활용해 새로운 모델을 학습하는 과정을 일컫는다. 

신 대표는 "태스크 셋(Task set)을 이용한 딥러닝은 데이터 N수 제한에 걸리지만, 프리 텍스트(Free text)는 1000억 개 이상의 단어를 가질 수 있다"며 "딥러닝 모델에서 사전 학습 후 트랜스퍼(transfer)를 하게 되면 추가 모델(Added model)을 장착하고, 태스크 셋을 파인 튠(Fine-tune) 해 성능이 좋아진다"고 설명했다.

그러면서 그는 "신약개발 과정에서 시퀀스 기반의 드럭 디스커버리(Sequenced-based Drug Discovery)가 중요하다"며 "엔드투엔드(End-to-end) 스크리닝이기 때문에 바인딩 포켓(Binding pocket)이 필요 없다"고 주장했다.

시퀀스를 기반으로 하는 드럭 디스커버리는 단백질 구조 없이, 단백질의 아미노산 서열만으로 라이브러리(library)를 스캔하는 것이 장점으로 꼽힌다. 이를 통해 발굴한 후보물질(Candidate)로 포스트 분석(Post analysis)이 가능하다. 

신약은 △후보물질 발굴 △전임상 시험 △임상 시험 등의 개발 단계를 거친 후 허가 기관(미국 FDA)으로부터 최종 승인받는다. 특히 후보물질 발굴 단계에서 디어젠의 MT-DTI, CMG 기술을 적용해 후보물질 발굴 기간을 단축시킬 수 있다. 

분자 디스커버리(Molecule Discovery) 단계에서 약물-단백질 상호작용 예측 모델인 MT-DTI가 사용되며, 분자 최적화(Molecule Optimization) 단계에서 물질의 여러 특성을 동시에 최적화하는 CMG(Controlled Molecule Generator)가 사용된다.

신 대표는 "딥러닝은 드럭 디스커버리 영역을 혁신해왔다"며 "제약 분야와 관련된 혁신이 딥러닝으로부터 비롯될 것"이라고 내다봤다.