[AI가 1,200만 개의 화합물을 탐색한 후 새로운 종류의 항생제를 발견] 팀의 최신 항생제 블러드하운드는 화학적 구조와 MRSA를 죽이는 능력을 포함하여 약 39,000가지 화합물에 대해 훈련했다. 그들은 또한 특정 화합물이 인간 세포에 미치는 독성을 예측하기 위해 별도의 모델을 훈련했다.:AI넷

항생제는 수많은 생명을 구했으며 현대 의학에서 중요한 도구이다. 그러나 우리는 박테리아와의 전쟁에서 입지를 잃고 있다. 지난 세기 중반에 과학자들은 완전히 새로운 종류의 항생제를 발견했다. 그 이후로 발견 속도는 조금씩 느려졌고, 항생제 내성 박테리아의 확산은 늘어났다.

아직 발견되지 않은 항생제가 있을 가능성이 높지만, 화학 세계는 누구도 검색하기에는 너무 크다. 최근 몇 년 동안 과학자들은 AI로 눈을 돌렸다. 기계학습 알고리즘은 엄청난 수의 잠재적인 화학적 구성을 소수의 유망한 테스트 후보로 축소할 수 있다.

지금까지 과학자들은 AI를 사용해 항생 특성을 지닌 단일 화합물을 찾아냈다. 그러나 어제 Nature에 발표된 새로운 연구에서 MIT 연구원들은 완전히 새로운 종류의 항생제를 식별하고 어떤 종류가 사람들에게 안전한지 예측할 수 있는 시스템을 구축하고 테스트했다고 밝혔다.

AI는 1,200만 개 이상의 화합물을 선별하여 약물 내성 벌레의 치명적인 변종인 메티실린 내성 황색포도상구균(MRSA)에 대해 쥐에게 효과적인 것으로 입증된 미지의 항생제 종류를 발견했다.

AI를 통해 발견된 항생제는 표준 임상 테스트를 통과하여 인간에게 안전하고 효과적인지 입증해야 하지만, 팀은 그들의 작업이 프런트 엔드에서 발견 속도를 높이고 전반적인 적중률을 높일 수 있다고 믿는다.

약물 공간 탐색

과학자들은 발견 과정의 속도를 높이기 위해 점점 더 AI 조수를 사용하고 있습니다. 아마도 가장 유명한 것은 우리 몸의 기본 구성 요소인 단백질의 모양을 모델링할 수 있는 기계 학습 프로그램인 DeepMind의 AlphaFold일 것이다. 아이디어는 AlphaFold와 그 후손이 약물 연구의 힘든 과정을 가속화할 수 있다는 것. 그들의 신념이 너무나 강해서 DeepMind는 2021년에 바로 그 일에 전념하는 자회사인 Isomorphic Labs를 설립했다.

다른 AI 접근 방식도 가능성을 보여주었습니다. 특히 MIT 그룹은 슈퍼버그와 싸우기 위해 완전히 새로운 항생제를 개발하는 데 주력해 왔다. 2020년에 발표된 첫 번째 연구에서는 약물 내성 대장균을 쉽게 제거할 수 있는 이전에 발견되지 않은 항생제인 할리신을 발견했을 때 이 접근 방식이 효과가 있을 수 있음을 확립했다.

이 연구의 수석 저자인 McMaster University의 Jonathan Stokes에 따르면, 올해 초 후속 연구에서 팀은 "다제 내성 박테리아 감염의 공공의 적 1호"인 Acinetobacter baumannii를 목표로 삼았다.

“아시네토박터는 병원 문손잡이와 장비에서 장기간 생존할 수 있으며 주변 환경에서 항생제 내성 유전자를 흡수할 수 있다. 이제 거의 모든 항생제에 내성이 있는 A. baumannii 분리균을 찾는 것이 매우 흔해졌습니다.”라고 Stokes는 당시 말했다.

단 2시간 만에 6,680개의 화합물을 조사한 후 AI는 수백 개의 유망한 후보를 강조했다. 연구팀은 이들 중 기존 항생제와 구조적으로 다른 240종을 테스트했다. 그들은 A. baumannii에 대해 매우 효과적인 abaucin을 포함하여 9개의 유망한 후보를 발견했다.

두 연구 모두 이 접근 방식이 효과가 있을 수 있음을 보여주었지만 왜 효과적인지에 대한 정보 없이 단일 후보만 산출했다. 기계 학습 알고리즘은 악명 높은 블랙박스이다. 말하자면 "귀 사이"에서 일어나는 일은 완전한 미스터리인 경우가 많다.

최근 연구에서 이 그룹은 또 다른 알려진 적인 MRSA를 목표로 삼았다. 이번에는 여러 알고리즘을 함께 연결하여 결과를 개선하고 AI의 추론을 더 잘 조명했다.

스위치 뒤집기

팀의 최신 항생제 블러드하운드는 화학적 구조와 MRSA를 죽이는 능력을 포함하여 약 39,000가지 화합물에 대해 훈련했다. 그들은 또한 특정 화합물이 인간 세포에 미치는 독성을 예측하기 위해 별도의 모델을 훈련했다.

IMES와 MIT 및 Harvard의 Broad Institute의 박사후 연구원인 Felix Wong은 MIT News 에 “기본적으로 모든 분자를 화학 구조로 나타낼 수 있으며, 또한 해당 화학 구조가 항균성인지 여부를 모델에 알려줄 수 있습니다.”라고 말했다 . “모델은 이와 같은 많은 사례를 통해 훈련되었습니다. 그런 다음 새로운 분자, 원자 및 결합의 새로운 배열을 제공하면 해당 화합물이 항균성이 있을 것으로 예측될 확률을 알려줄 수 있습니다."

완료되면 팀은 1,200만 개가 넘는 화합물을 시스템에 공급했다. AI는 이 거대한 목록을 구조에 따라 5개 클래스로 분류된 약 3,600개의 화합물로 좁혔으며, MRSA에 대해 어느 정도 활성을 가지며 인간 세포에 최소한의 독성을 가질 것으로 예측했다. 팀은 테스트를 위한 283명의 후보자의 최종 목록을 확정했다.

이 중 그들은 동일한 클래스에서 두 가지를 발견했다. 즉, 항균 활성에 기여하는 것으로 여겨지는 유사한 구조적 구성 요소를 가지고 있었으며 매우 효과적이었다. 생쥐에서 항생제는 존재하는 MRSA 박테리아의 90%를 제거하여 피부 감염과 전신 감염에 맞서 싸웠다.

특히 이전 연구에서는 세포막을 파괴하여 그람 음성 박테리아를 다루었지만 MRSA는 그람 양성이며 벽이 더 두껍다.

Wong은 “우리는 이 새로운 구조 클래스가 박테리아의 양성자 원동력을 선택적으로 소멸시킴으로써 그람 양성 병원체에 대해 활성을 갖는다는 매우 강력한 증거를 가지고 있습니다.”라고 말한다. "이 분자는 인간 세포막에 실질적인 손상을 입히지 않는 방식으로 박테리아 세포막을 선택적으로 공격합니다."

AI를 설명 가능하게 만들어 팀은 향후 검색에 정보를 제공하거나 실험실에서 보다 효과적인 항생제 설계에 기여할 수 있는 구조에 초점을 맞추기를 희망한다.

최종 시험

여기서 주목해야 할 중요한 점은 새로운 항생제가 매우 작은 규모의 쥐에게 효과적인 것처럼 보이지만 처방되기까지는 갈 길이 멀다는 것.

신약은 엄격한 테스트와 임상 시험을 거치며 유망한 후보라도 많은 경우 성공하지 못한다. 보다 일반적으로 AI 지원 약물 발견 분야는 이와 관련하여 아직 초기 단계에 있다. 최초의 AI 설계 약물은 현재 임상 시험 중이지만 아직 승인된 약물은 없다.

그럼에도 불구하고 희망은 더 나은 후보로 파이프라인을 더 빨리 확보하는 것이다.

유사한 연구를 진행하고 있는 펜실베이니아 대학 세자르 드 라 푸엔테(César de la Fuente) 교수 에 따르면 임상 시험에 적합한 새로운 항생제를 발견하는 데는 3~6년이 걸릴 수 있다고 한다. 그렇다면 시련 자체가 있다. 항생제 내성이 증가함에 따라 항생제가 다른 약품과 같은 투자 수익을 내지 못한다는 사실은 말할 것도 없고 우리에게는 그런 종류의 시간이 없을 수도 있다. 어떤 도움이라도 환영한다.

de la Fuente는 Scientific American 과의 인터뷰 에서 “이제 기계를 사용하여 [타임라인]을 가속화할 수 있었습니다.”라고 말했다. “예를 들어 나와 내 동료의 작업에서는 3~6년을 기다리는 대신 몇 시간 만에 수천 또는 수십만 명의 전임상 후보를 발견할 수 있습니다. 나는 일반적으로 AI가 그것을 가능하게 했다고 생각한다.”

아직은 이르지만 AI가 발견한 항생제가 앞으로 몇 년 안에 그 가치가 입증된다면 아마도 우리는 박테리아와의 오랜 전쟁에서 우위를 유지할 수 있을 것이다.

이미지 제공: MRSA(보라색)를 섭취하는 인간 백혈구/국립 알레르기 및 전염병 연구소, 국립 보건원