코너 콜리 교수(사진:MIT)
MIT가 화학 원리와 반응 메커니즘을 이해하는 인공지능(AI) 모델 개발을 통해 차세대 신약 개발 혁신에 나서고 있다.
MIT 화학공학과 및 전기전자컴퓨터공학과(EECS)와 MIT 슈워츠먼 컴퓨팅 대학(MIT Schwarzman College of Computing)에 공동 소속된 코너 콜리(Connor Coley) 교수는 AI가 단순히 데이터를 학습하는 수준을 넘어, 실제 화학자처럼 반응 과정과 물리 법칙을 고려하도록 설계함으로써 신약 후보 발굴과 합성 효율을 크게 높이고 있다고 20일(현지시간) 밝혔다.
현재 소분자(small-molecule) 기반 신약 후보가 될 가능성이 있는 화합물 수는 약 10²⁰~10⁶⁰개에 이를 것으로 추정된다. 하지만 이를 실험적으로 모두 검증하는 것은 사실상 불가능하다. 이에 따라 최근 제약 및 화학 업계에서는 AI를 활용해 유망 후보 물질을 선별하는 방식이 빠르게 확산되고 있는 가운데 연구팀은 방대한 화합물 조합을 분석하고, 새로운 분자를 설계하며, 해당 분자를 생성할 수 있는 화학 반응 경로를 예측하는 계산 모델을 개발하고 있다.
콜리 교수는 “이 접근법은 유기 분자의 모든 응용 분야에 적용될 수 있지만, 우리가 가장 중점적으로 생각하는 분야는 소분자 신약 개발”이라고 설명했다.
특히 연구팀은 생성형 AI가 화학자의 직관과 사고방식을 모방하도록 만드는 데 집중하고 있다. 기존 AI 모델은 단순히 입력과 출력 데이터 간 상관관계를 학습하는 경우가 많았지만, 연구팀은 반응 메커니즘과 중간 단계까지 고려하는 방식으로 모델 구조를 개선했다.
대표 사례가 연구팀이 개발한 ‘플로워(FlowER)’ 모델이다. 이 모델은 서로 다른 화학 물질을 결합했을 때 어떤 생성물이 나오는지를 예측하는 생성형 AI 모델이다. 연구진은 여기에 질량 보존 법칙 같은 기본 물리 원리를 내재화하고, 반응 중간 단계의 실현 가능성까지 평가하도록 설계했다.
그 결과, 화학 반응 예측 정확도가 크게 향상됐다는 설명이다. 콜리 교수는 “반응 메커니즘과 중간 단계를 고려하는 것은 화학자들에게 매우 자연스러운 사고 방식이지만, 일반적인 AI 모델은 본래 이를 고려하지 않는다”며, “전문 화학자처럼 반응 메커니즘을 이해하는 머신러닝 모델을 만드는 데 많은 노력을 기울이고 있다”고 말했다.
연구팀은 또 다른 AI 모델인 ‘셰퍼드(ShEPhERD)’도 개발했다. 이 모델은 약물 분자의 3차원 구조를 기반으로 특정 단백질과의 결합 가능성을 평가하는 시스템이다. 현재 일부 제약사들이 신약 탐색 과정에서 실제 활용하고 있는 것으로 알려졌다.
콜리 교수 연구실은 이외에도 컴퓨터 기반 구조 규명(computer-aided structure elucidation), 실험실 자동화, 최적 실험 설계 등 다양한 분야에서 AI 기반 화학 연구를 수행하고 있다.
콜리 교수는 미국 캘리포니아 공과대학교(Caltech)에서 화학공학을 전공한 뒤, 2014년 MIT 박사과정에 진학했다. 그는 MIT 재학 시절 클라우스 옌센 교수와 윌리엄 그린 교수의 지도를 받으며 자동화 화학 반응 최적화 연구를 수행했다.
당시 미 국방고등연구계획국(DARPA) 지원 프로젝트인 ‘메이크잇(Make-It)’ 프로그램에도 참여해 머신러닝과 데이터 과학을 활용한 의약품 합성 자동화 기술 개발에 기여했다. 이후 그는 브로드 연구소(Broad Institute)에서 박사후연구원 과정을 거친 뒤, 2020년 MIT 교수로 복귀해 본격적으로 AI 기반 화학 연구실을 운영하고 있다.
콜리 교수는 “여러 연구 주제를 통해 화학 분야 AI의 새로운 지평을 열고자 한다”고 강조했다.
댓글
0