백신 설계 및 면역 치료 분야에서 획기적인 진전을 이룬 이번 연구에서 시카고대학교 프리츠커 분자공학대학원(PME) 연구진은 머신러닝 기술을 활용하여 새로운 면역 경로 강화 분자를dent했습니다. 최근 학술지 '케미컬 사이언스(Chemical Science)'에 발표된 이번 연구는 인공지능(AI)이 면역 조절 물질 탐색에 혁명을 일으킬 수 있는 잠재력을 보여줍니다. 면역 조절 물질은 보다 효과적인 백신과 강력한 암 면역 치료제 개발에 필수적인 요소입니다.
광활한 화학 공간 탐험
원하는 면역 반응을 유도하는 데 적합한 분자를dent것은 엄청난 난제였습니다. 약물과 유사한 저분자 화합물이 무려 10^60개나 존재한다는 추정치 때문입니다. 이는 우주에 보이는 별의 수를 훨씬 뛰어넘는 수치입니다. 이처럼 방대한 화학적 공간을 탐색하기 위해 아론 에서-칸 교수 연구팀은 머신러닝 기법을 활용했습니다. 이는 면역 조절제 발굴에 이전에는 적용되지 않았던 방법입니다.
AI 기반 선별 과정
연구팀은 선천성 면역 경로에 미치는 영향을 평가하기 위해 4만 가지 분자 조합에 대한 고처리량 스크리닝을 시작했으며, 특히 염증 및 항바이러스 반응에 중요한 NF-κB 및 IRF 경로를 표적으로 삼았습니다. 이후 연구진은 이 결과를 약 14만 개의 시판 소분자 라이브러리와 결합하여 반복적인 계산 및 실험 과정을 진행했습니다.
분자 공간에서 실험적 스크리닝을 효율적으로 탐색하는 머신러닝 기법인 능동 학습을 활용하여dent 이펑(올리버) 탕이 이 연구를 주도했습니다. 이 과정은 반복적으로 진행되었으며, 모델은 잠재적 후보 물질이나 미탐사 영역을 제시했고, 이에 따라 연구팀은 대량 분석을 수행하고 데이터를 능동 학습 알고리즘에 다시 입력했습니다. 놀랍게도, 단 4번의 반복, 즉 라이브러리의 2%만을 샘플링한 결과, 연구팀은 이전에 발견되지 않았던 고성능 소분자들을dent냈습니다.
기록적인 결과
인공지능 기반 탐색을 통해 인간의 직관을 뛰어넘는 최고 수준의 성능을 보이는 소분자 화합물들을 발견했습니다. 이러한 최고 성능 후보 물질들은 NF-κB 활성을 무려 110% 향상시키고, IRF 활성을 83% 증가시키며, NF-κB 활성을 128%나 억제하는 놀라운 효과를 보였습니다. 특히 한 분자는 STING 작용제와 함께 투여했을 때 IFN-β 생성을 3배나 증가시켜 암 치료에 대한 가능성을 보여주었습니다.
다재다능한 인재와 그들의 활용성
이번 연구에서는 세포 수용체를 활성화하는 화학물질인 작용제와 함께 투여될 때 면역 경로를 조절할 수 있는 "일반 면역 조절제"도 발견했습니다. 이러한 다재다능한 소분자들은 다양한 백신에서 다면적인 역할을 수행할 가능성이 있어 백신의 시장 출시를 더욱 용이하게 할 수 있습니다. 앤드류 퍼거슨 교수는 단일 분자가 광범위한 백신 개발에 기여할 수 있다는 전망에 큰 기대감을 나타냈습니다.
분자의 비밀을 밝히다
연구팀은dent된 분자들의 특성을 파악하기 위해 바람직한 거동을 유도하는 공통적인 화학적 특징들을 철저히 분석했습니다. 이러한 지식을 바탕으로 특정 특성을 가진 분자에 집중하거나,dent된 화학 그룹을 이용하여 새로운 분자를 합리적으로 설계할 수 있습니다.
연구진은 보다 특정한 면역 활성을 가진 분자를dent하고 면역 반응을 더 효과적으로 제어할 수 있는 조합을 탐구하기 위해 이러한 혁신적인 과정을 계속 진행할 계획입니다. 에서-칸 교수는 궁극적인 목표는 질병을 치료할 수 있는 분자를 찾는 것이라고 밝혔습니다.
백신 설계의 패러다임 전환
머신러닝을 활용한 면역조절제 발굴은 백신 설계 및 면역치료 분야에 패러다임 전환을 가져왔습니다. 이러한 AI 기반 접근 방식의 성공은 효과적인 분자dent속도를 높일 뿐만 아니라 과학계 내 협력의 새로운 길을 열어줍니다. 연구팀은 앞으로도 분자 탐색을 확대해 나갈 계획이며, 이러한 혁신적인 연구의 효율성과 영향력을 극대화하기 위해 데이터셋 공유를 적극 권장합니다.
