AI 기반 PROTAC 신약 개발 파이프라인: LM-PROTAC의 혁신


중국 연구진이 개발한 LM-PROTAC은 AI 기반 PROTAC 신약 개발 파이프라인으로, Transformer 기반 언어 모델과 이중 제약 조건을 활용하여 Wnt3a와 같은 표적 단백질을 효과적으로 저해하는 PROTAC 분자를 생성하는 데 성공했습니다. 이는 AI 기반 신약 개발 분야의 혁신적인 발전으로 평가됩니다.

related iamge

기존 약물 발굴의 한계를 뛰어넘다:

기존의 컴퓨터를 이용한 신약 개발 도구들은 삼원 복합체 모델링의 미흡함으로 인해 PROTAC (Proteolysis Targeting Chimera) 연구 개발에 적용하는 데 어려움을 겪었습니다. PROTAC은 질병 관련 단백질을 분해하는 혁신적인 약물 개발 접근법으로 주목받고 있지만, 효과적인 PROTAC 분자 설계는 여전히 큰 과제였습니다.

LM-PROTAC: 언어 모델 기반의 혁신적인 해결책:

중국 과학자 팀(Shao, Gong, Yin 외)은 이러한 한계를 극복하기 위해 LM-PROTAC (Language Model-driven Proteolysis Targeting Chimera) 파이프라인을 개발했습니다. LM-PROTAC은 Transformer 기반의 생성 모델을 사용하여 분자의 구조와 특성에 대한 이중 제약 조건(DCT) 을 적용합니다. 이는 단순히 분자를 생성하는 것을 넘어, 특정 조건을 만족하는 분자를 설계하는 데 초점을 맞춘 획기적인 시도입니다.

LM-PROTAC의 3단계 프로세스:

  1. 고친화성 분자 조각 선별: 언어 모델 기반 친화도 모델을 통해 표적 단백질에 대한 높은 친화도를 가진 분자 조각들을 효율적으로 스크리닝합니다.
  2. 구조 및 물리화학적 특성 제약: 생성 과정에서 분자 조각들의 구조 및 물리화학적 특성을 제약하여 특정 조건을 만족하도록 합니다. 이는 원하는 약효를 가진 분자를 얻기 위한 필수적인 단계입니다.
  3. 다차원 특성 예측 모델을 이용한 2단계 스크리닝: 생성된 분자들을 다차원 특성 예측 모델을 통해 2단계로 스크리닝하여, 질병 관련 단백질을 분해할 수 있는 PROTAC 분자를 선별합니다. 이렇게 선별된 분자들은 in vitro 실험을 통해 검증됩니다.

Wnt3a 표적 성공 사례:

연구팀은 암의 주요 표적 단백질인 Wnt3a를 대상으로 LM-PROTAC 파이프라인을 적용하여 Wnt3a를 표적하고 분해하는 PROTAC 분자를 성공적으로 생성했습니다. 이는 LM-PROTAC의 효용성을 입증하는 중요한 결과입니다. DCT를 통해 Wnt3a를 표적하고 가수분해하는 효과적인 PROTAC을 효율적으로 생성할 수 있음을 보여줍니다.

결론:

LM-PROTAC은 AI를 활용한 PROTAC 신약 개발 분야에 새로운 지평을 열었습니다. 이 연구는 기존 방법의 한계를 뛰어넘어, 보다 효율적이고 정확한 PROTAC 분자 설계를 가능하게 하였으며, 향후 다양한 질병 치료제 개발에 중요한 기여를 할 것으로 기대됩니다. 특히, 언어 모델과 이중 제약 조건의 결합은 AI 기반 약물 디자인 분야에서 새로운 표준을 제시할 가능성이 높습니다. 하지만, 임상 적용까지는 추가적인 연구와 검증이 필요하며, 이러한 기술의 윤리적, 사회적 영향에 대한 고려 또한 중요합니다.


*이 기사는 AI가 생성한 내용으로, 일부 정보가 실제와 다를 수 있습니다. 정확한 확인을 위해 추가적인 검증을 권장드립니다.

Reference

[arxiv] Language model driven: a PROTAC generation pipeline with dual constraints of structure and property

Published:  (Updated: )

Author: Jinsong Shao, Qineng Gong, Zeyu Yin, Yu Chen, Yajie Hao, Lei Zhang, Linlin Jiang, Min Yao, Jinlong Li, Fubo Wang, Li Wang

http://arxiv.org/abs/2412.09661v1