일본산업뉴스요약

창약, 신조류(新潮流) (상)
슈퍼 컴퓨터ㆍ인공지능(AI)의 활약
신약의 후보 물질 찾아내

새로운 약을 만들어 내는 창약(創藥)연구가 달라지고 있다. 항체의약품 등의 바이오 의약품이 세계의 주류로 떠오르면서 개발의 초점이 옮겨가고 있다. 슈퍼 컴퓨터 및 인공 지능(AI) 등의 IT(정보기술)의 급속한 전진에 힘입어 계산에 의한 신약 후보 탐색이 본격화되고 있다. 대규모 산학연대도 늘어나는 등, 창약의 새로운 조류가 형성되고 있다.

신약 개발의 첫 단계는 병의 원인이 되는 단백질에 결합해 그 작동을 멈추게 하는 물질을 찾는 것이다. 컴퓨터를 사용해 결합하는 물질을 찾는 방식은 이전부터 있었으나, 기술과 데이터 축적의 진전으로 규모와 대상이 늘었다.

교토(京都)대학의 오쿠노(奥野) 교수팀은 아스테라스(Astellas)제약 및 에자이(Eisai) 등 20개 이상의 제약회사와 연대를 맺고, 슈퍼 컴퓨터「케이(京)」를 사용한 인공지능으로 신약의 후보물질을 탐색하는 대규모 프로젝트를 시작했다. 공개 데이터 베이스에 등록된 3,000만개의 화합물 중에서 암 등의 질병에 관련된 631종의 단백질에 결합하는 화합물을 찾는다.

우선, 이미 결합이 밝혀진 단백질과 물질의 조합 약 400만 쌍의 데이터를 인공지능에게 학습 시킨다. 그 이후에는 딥러닝(심층학습) 기술을 통해 미지의 조합을 예측하여 결합하는 후보를 산출한다. 예측 결과는 참가 기업에 제공하여 신약 개발에 힘을 싣게 한다는 방식이다.

아스테라스는 자사 내에서도 인공지능을 사용해 항체의약의 후보를 압축시키고 있다. 항체 의약은 체내의 특정 단백질에 결합함으로써, 약효를 발휘하며 결합부 구조의 안정성이 높을수록 실용화 하는데 유리하다.

여기서, 지금까지 개발된 항체를 형성하는 아미노산의 배열과 결합부의 안정성의 관련을 인공지능에게 학습시켰다. 이 인공지능을 사용하여 새롭게 얻어 낸 항체의 아미노산 배열에서 결합부의 안정성을 예측하고 있다. 바이오 사이언스 연구소의 시라이(白井)이사는「좋은 후보를 순식간에 선점할 수 있게 되었다」라며 소감을 말했다.

약이 결합하는 단백질은 부드러운 물질로, 수중에서 빠른 속도로 변형된다. 그 움직임을 정밀하게 계산하면, 후보물질 탐색의 정밀도가 올라간다. 일본 이화학연구소는 단백질의 움직임의 계산을 특화 한 슈퍼 컴퓨터「MD-GRAPE」를 개발하고 있다.

현재 개발하고 있는 것은 하룻동안 단백질의 8마이크로 초의 움직임을 계산할 수 있는 기계이며 2019년에 가동할 예정이다. 2021년에는 40마이크로 초 사이의 단백질의 움직임을 계산하는 차세대 기종을 개발할 계획으로, 이 분야에서 크게 선행하는 미국의 뒤를 바짝 쫓을 전망이다.

호시약과(星薬科) 대학이 설립한 컨소시엄은 양자화학계산이라는 수법을 사용하여 질병에 관련된 단백질의 정밀한 구조를 밝혀내려고 하고 있다. MD-GRAPE가 단백질의 동영상을 계산하고 있는 것에 비해, 일종의 초고정밀도의 정지화면을 얻으려는 시도라고 할 수 있다.

밝혀진 단백질의 구조는 데이터 베이스에 모아, 이르면 2017년 내에 공개를 시작한다. 신약의 후보물질이 발견되어도 그것을 제품화 시킬 수 있는 확률은 2만~3만분의 1에 지나지 않는다. 창약은 ‘하이 리스크 하이 리턴(High risk high return; 위험성이 높은 만큼 수익성도 높다)의 연구 개발이다. 다만, 세포나 동물 실험에서 조사하기 전에 컴퓨터에 의한 계산으로 유망한 물질을 특정할 수 있는 확률을 높여, 개발에 드는 기간 및 비용을 절감시킬 수 있다고 보여진다.

-- 견실한 빅데이터가 서포트 역할 --
IT를 활용한 창약의 시도가 확대되고 있는 것은 하드웨어의 고속화와 AI 등의 소프트웨어의 진화와 더불어 창약의 기초가 되는 빅 데이터가 잘 갖춰져 있어 계산으로 알 수 있게 된 것이 많아졌기 때문이다.

단백질의 입체구조를 수집한 국제적 데이터 베이스인「PDB」의 등록수는 2016년 기준으로 약 13만개로, 최근 10년간에 3배 이상 늘었다. 또한 차세대 시퀀서(Sequencer)라는 장치의 등장으로, 유전자 해독에 필요한 비용이 1만분의 1로 저렴해져 환자에게 어느 유전자가 활동하며 약에 의해 어떻게 변하는지에 대한 정보도 대량으로 손에 넣을 수 있게 되었다.

창약의 방법 그 자체도 바뀌려 하고 있다. 「질병의 원인 단백질을 알지 못해도 약의 후보를 찾아낼 수 있게 되었다」라고 토호쿠(東北)대학의 타나카(田中) 주임교수는 지적한다. 원인을 알지 못해도 환자의 세포에서 활동하는 유전자 및 단백질의 상호작용의 패턴을 조사하면 그것들과 비슷한 질병을 AI로 찾아낼 수 있다. 비슷한 질병의 약이 이미 있다면 치료약으로 사용할 수 있을지도 모른다. 실제로, 그런 방법으로 기존의 약을 다른 질병에 사용하는 드럭 리포지셔닝(Drug Re-positioning)도 추진되고 있다.

제약기업 및 IT기업 등 50개사 이상의 창약 AI를 개발하는 연합을 조직한 쿄토대학의 오쿠노(奥野)교수는「AI는 창약(創藥)의 모든 영역에서 공헌할 수 있다」라고 지적한다.

◈ 슈퍼 컴퓨터와 인공지능(AI)을 활용한 창약 시도
▶ 교토대학과 창약 업체 : 질병관련 단백질 631종에 결합하는 물질을 슈퍼컴퓨터 케이(京)로 추출
▶ 아스테라스제약 : 항체의약품 구조의 안정성을 AI로 예측
▶ 이화학 연구소 : 단백질의 움직임을 계산하는 전용 슈퍼컴퓨터를 개발
▶ 호시(星)약과대학 등 : 단백질의 정밀한 구조를 양자화학으로 계산, 데이터베이스 구축
▶ 의약기반ㆍ건강ㆍ영양 연구소 : 화합물에 의한 심장 및 간 등으로의 독성 등, 예측 시스템을 구축

  -- 끝 --