최근 신약 개발에 드는 천문학적인 비용과 십수년의 개발 기간을 줄이기 위해 인공지능과 빅데이터를 활용한 연구들이 주목받고 있다. 하지만 기존 연구들은 세포 수준만을 고려해 약물이 실제 인체에 미치는 영향을 분석하는 데 한계가 있었다.

연구팀은 바이오·의료분야의 PubMed(논문 DB), KEGG(생체회로 DB) 등 2,600만 여개의 국제적 빅데이터를 활용해 인체 내 조직·세포들의 다양한 상호작용으로 구성된 가상인체 시스템을 구축했다. 또한 논문을 통해 공개된 정보 외에도 내부 실험으로부터 얻어진 데이터, 인공지능 분석을 통해 얻어진 상호작용 또한 포함했다.

본 인체 시스템을 활용하면 약물과 질병 사이의 네트워크 경로를 분석해 약물의 작용 기전과 부작용 등을 예측하는 데 기여할 것이라고 연구팀은 설명했다.

이도헌 교수는 “향후 연구계나 산업계와의 협업을 통해 신약개발에 활용할 계획”이라며 “올 10월에는 영국 캠브리지 대학 Milner 연구소가 개최하는 국제 심포지움에 참석해 화이자·아스트라제네카 등 세계적인 제약기업들과 협의해 나갈 것”이라고 밝혔다.

이 연구는 과학기술정보통신부 바이오·의료기술개발사업(전통천연물기반 유전자-동의보감사업)의 지원을 받아 수행됐다.

이도헌 교수 연구팀의 연구내용은 네이처 출판사에서 발행하는 국제 학술지 ‘사이언티픽 리포트(Scientific Reports)’ 8월 8일자(영국 시간)에 논문명 ‘CODA : Integrating multi-level context-oriented directed associations for analysis of drug effects’, 1저자 류하선, 정진명 등으로 게재됐다.

새로운 약물을 개발하는 데는 1조원 이상의 비용과 10년 이상의 시간이 소요되고, 신약 개발의 성공 확률은 10% 미만으로 알려져 있다. 약물 개발에 드는 비용과 시간을 줄이고, 성공률을 높이기 위해 바이오 네트워크를 활용한 컴퓨터 기반 연구들이 진행되고 있다. 바이오 네트워크는 인체 시스템을 모사하는 네트워크이며 생물학적 관계들로 구성된다.

생물학적 관계는 상황(Context)에 따라 다르다. 예를 들어 단백질 간의 상호작용은 생체 내 조직/세포에 따라 상이하며, 질병에 대한 유전자의 영향도 특정 조직/세포에서 발생한다. 하지만 종래의 바이오 네트워크를 활용한 약물 효능 예측 연구들은 이러한 상황에 따른 네트워크의 차이를 고려하지 않았다.

연구에서는 다 수준의 조직/세포 특이적 생물학적 관계들을 포함하는 가상인체 시스템(CODA)을 구축하고 이를 약물 효능 예측 연구에 최초로 활용했다. 네트워크를 구축하기 위해 다양한 데이터베이스로부터 생물학적 관계들을 수집하고 통합했으며, 각 관계들의 상황정보를 단백질체 정보와 문헌 정보를 통해 추론했다.

본 연구에서 구축된 가상인체 시스템은 인체 내의 70개 조직/세포 내에서 일어나는 생물학적 관계들을 포함하고 있으며 다른 조직/세포 사이의 생물학적 관계도 포함하고 있다. 또한 유전자와 같은 분자 수준의 관계만을 포함하는 기존 네트워크와는 달리 유전자-질병, 생물학적 프로세스-질병과 같은 다 수준의 생물학적 관계를 조직/세포 특이적으로 포함하고 있다.

구축된 가상인체 시스템과 최신 네트워크 분석 기법을 활용해 알려진 약물 효능을 예측한 결과 기존 바이오 네트워크를 활용했을 때보다 우수한 약물 효능 예측 성능을 보이는 것을 확인할 수 있었다. 또한 고혈압 약물 예측 예시를 통해 가상인체 시스템을 활용한 약물 기전 분석의 예시도 제시했다.