Phenotype-driven de novo molecular design from gene expression signatures

당신이 새로운 요리를 발명하려는 숙련된 셰프라고 상상해 보십시오. 보통 당신은 "트러플과 똑같은 맛이 나는 소스가 필요해"와 같이 강조하고 싶은 특정 식재료에서 시작합니다. 의학의 세계에서도 이는 마치 특정 단백질에 딱 들어맞는 열쇠를 설계하는 것과 같습니다. 이 "타겟 기반(target-based)" 접근 방식은 수십 년 동안 표준적인 레시피였습니다. 하지만 때때로 레시피 북이 불완전할 때가 있습니다. 우리는 어떤 단백질이 질병을 일으키는지 정확히 모를 수도 있고, 질병이 너무 복잡해서 단 하나의 '자물쇠'만 고친다고 해서 혼란을 멈출 수 없는 경우도 있습니다. 이런 경우, 과학자들은 단 하나의 식재료 대신 주방 전체의 "풍미 프로필(flavor profile)"을 살펴봅니다. 그들은 **유전자 발현 시그니처(gene-expression signature)**를 관찰하는데, 이는 마치 모든 세포가 어떻게 소리치고, 속삭이고, 비명을 지르는지를 설명하는 거대한 음표 목록과 같습니다. 이것은 신체의 내부 상태를 보여주는 스냅샷입니다. 여기서 큰 질문은 이것입니다. 우리가 이 혼란스럽고 시끄러운 세포의 외침 목록을 사용하여, 정확히 어떤 '자물쇠'를 돌리는지 모르더라도 그 소음을 잠재울 수 있는 완전히 새로운 약을 자동으로 만들어낼 수 있을까요?

이것이 바로 Tx2Mol이라는 도구를 소개하는 새로운 연구가 다루는 과제입니다. Tx2Mol을 단 하나의 식재료만 보는 것이 아니라 주방 전체의 분위기를 읽어내는 초스마트 AI 기반의 수셰프(sous-chef)라고 생각해 보십시오. AI에게 "이 자물쇠를 위한 열쇠를 만들어라"라고 명령하는 대신, Tx2Mol은 전사체(transcriptome), 즉 특정 질병이나 특정 약물 처치 후에 유전자가 어떻게 행동하는지에 대한 상세한 보고서를 받습니다. 목표는 해당 보고서와 일치하는 생물학적 반응을 만들어낼 수 있는 새로운 분자(새로운 화학적 레시 recipe)를 생성하는 것입니다. 연구진은 이 모델을 세 가지 다른 "주방"에서 테스트했습니다: 벌크 샘플(혼합된 세포들의 큰 솥), 싱글 셀 샘플(개별적이고 노이즈가 많은 개별 세포), 그리고 실제 환자 데이터입니다. 그 결과, Tx2Mol은 화학적으로 타당해 보일 뿐만 아니라 특정 질병 상태에 맞는 적절한 "맛"을 내는 새로운 분자를 성공적으로 만들어냈으며, 기존 약물과는 구조가 다르면서도 여전히 효과적인 새로운 구조들을 자주 찾아냈습니다.

문제점: 레시피 북의 페이지가 누락되었을 때

오랫동안 신약 개발은 문 앞만 바라보고 집을 짓는 것과 같았습니다. 과학자들은 특정 단백질(문)을 찾고, 그 문을 열거나 닫는 분자(열쇠)를 설계합니다. 우리가 그 문이 어떻게 생겼는지 정확히 알 때는 이 방식이 매우 잘 작동합니다. 하지만 암과 같은 많은 질병은 훨씬 더 복잡한, 마치 혼란에 빠진 동네와 같습니다. 문제는 단순히 고장 난 문 하나가 아닙니다. 교통, 소음, 전력망이 동시에 오작 معاد되는 상황입니다. 때로는 어떤 특정 단백질이 주요 원인인지조차 모를 때도 있습니다.

이런 상황에서 과학자들은 "유전자 발현 시그니처"를 측정할 수 있습니다. 이것을 세포 내부의 수천 개 유전자가 내는 수다를 녹음하는 거대하고 첨단 기술이 집약된 마이크라고 상상해 보십시오. 세포가 아프면 유전자들은 특정한 패턴으로 "불이야!" 또는 "도와줘!"라고 외칠 수 있습니다. 만약 약이 효과가 있다면, 그 패턴을 더 차분하게 바꿉니다. 이 "수다"를 청사진으로 사용하는 것이 아이디어입니다. 만약 컴퓨터에게 "이 '불이야!' 패턴을 '평온함' 패턴으로 바꾸는 분자를 만들어라"라고 말할 수 있다면, 우리는 정확한 자물쇠와 열쇠의 메커니즘을 먼저 알지 못해도 새로운 약을 발견할 수 있을 것입니다.

하지만 문제가 있습니다. 이러한 유전자 시그니처는 매우 무질서하고 방대하며, 맥락(예: 세포가 간에 있는지 폐에 있는지)에 크게 의존합니다. 이러한 시그니처를 사용하여 약물을 설계하려는 이전의 시도들은 종-종 이 시그니처를 아주 초기에 한 번의 힌트로만 취급했습니다. 그것은 마치 셰프에게 "매콤하게 만들어줘"라고 말한 뒤, 그 이후에는 아무런 추가적인 상기 없이 요리를 계속하게 두는 것과 같았습니다. 요리가 완성될 때쯤이면 셰프는 "매콤하게"라는 지시를 잊어버리고 그냥 일반적인 요리를 만들어 버릴 수 있습니다. 결과는 어떨까요? 서류상으로는 좋아 보이지만 실제로 특정 생물학적 문제를 해결하지 못하는 분자가 탄생합니다.

해결책: "속삭이는" 셰프, Tx2Mol

연구진은 이 "망각" 문제를 해결하기 위해 Tx2Mol을 구축했습니다. 그들은 AI가 조리 과정의 매 단계마다 생물학적 목표를 염두에 두도록 만들고 싶었습니다.

그들은 AI를 집중시키기 위해 두 가지 주요 기술을 사용했습니다:

1. "소프트 프리픽스(Soft-Prefix)"의 속삭임: AI에게 처음에만 힌트를 주는 대신, Tx2Mol은 분자 생성의 모든 단계에 특별한 "속삭임"을 부착합니다. AI가 마치 레고 블록을 쌓듯 원자 하나하나를 쌓아 올린다고 상상해 보십시오. Tx2Mol을 사용하면, AI가 새로운 블록을 집을 때마다 유전자 시그니처로부터 "우리는 지금 이 특정 질병을 진정시키려는 중임을 기억하라"는 부드러운 상기 메시지를 받게 됩니다. 이를 통해 최종 분자가 단순히 무작위적인 화학 구조가 아니라, 생물학적 목표와 깊게 연결되도록 보장합니다.
2. "매치메이커(Matchmaker)" 학습: AI는 또한 매치메이커가 되도록 훈련되었습니다. "대조적 정렬(contrastive alignment)"이라는 기술을 사용하여, 특정 유전자 시그니처와 이를 해결하는 분자를 짝지어 학습했습니다. 이는 AI에게 특정 질병의 "비명"은 항상 특정 약물의 "달래는 노래"로 응답된다는 것을 인식하도록 가르치는 것과 같습니다. 이를 통해 AI가 아무것도 하지 못하는 일반적이고 지루한 분자를 만드는 것을 방지합니다.

맛 테스트: 새로운 요리가 효과가 있었나?

팀은 Tx2Mol이 정말로 유용한 약을 요리할 수 있는지 확인하기 위해 세 가지 엄격한 맛 테스트를 실시했습니다.

테스트 1: 벌크 솥 (표준 암 타겟)
먼저, 그들은 10가지 암 관련 타겟(AKT1, HDAC1, TP53 등)에 대해 Tx2Mol을 테스트했습니다. AI에게 이 타겟들이 망가진 세포의 유전자 시그니처를 주고 새로운 분자를 생성하도록 요청했습니다.

• 결과: Tx2Mol은 스타 셰프였습니다. 이 모델은 다른 어떤 방법보다 기존의 효과적인 약물들과 훨씬 더 유사한 분자들을 생성했습니다. 평균적으로, 기존 약물과의 유사성을 24.10% 개선했습니다. 특히 HDAC1이라는 특정 타겟의 경우, 개선 폭은 **50.67%**에 달했습니다.
• 검증: 그들은 단순히 유사성만 본 것이 아니라, 분자들이 실제로 "실재하는지"(화학적 타당성)와 "새로운지"(기존 약의 복제품이 아닌지)를 확인했습니다. Tx2Mol은 고품질이면서도 참신한 분자를 만들어내며 만점을 받았습니다.
• 도킹(Docking): 그들은 AutoDock Vina라는 컴퓨터 프로그램을 사용하여 이 새로운 분자들이 실제 단백질 "자물쇠"에 들어가는 것을 시뮬레이션했습니다. 새로운 분자들이 많은 경우 기존의 알려진 약물보다 더 잘 들어맞았는데, 이는 이들이 타겟에 실제로 결합할 가능성이 높음을 시사합니다.

테스트 2: 싱글 셀 노이즈 (노이즈가 많은 개별 세포)
다음으로, 더 어려운 도전인 싱글 셀 데이터로 넘어갔습니다. 이것은 붐비고 시끄러운 방 안에서 속삭임을 듣는 것과 같습니다. 데이터가 훨씬 더 무질서합니다. 그들은 다양한 약물로 처리된 세 가지 세포주(A549, K562, MCF7)의 데이터를 사용했습니다.

• 결과: 노이즈에도 불구하고 Tx2Mol은 자리를 지켰습니다. 이 모델은 "소프트 프리픽스" 속삭임을 사용하지 않은 버전의 자신보다 뛰어난 성능을 보였으며, 이는 매 단계마다 생물학적 목표를 염두에 두는 것이 얼마나 중요한지를 입증했습니다.
• 시뮬레이션: 새로운 분자들이 실제로 작동할지 확인하기 위해, 그들은 chemCPA라는 별도의 AI를 사용하여 이 새로운 분자들이 세포에 투여되었을 때 어떤 일이 일어날지 예측했습니다. 그들은 Tx2Mol이 생성한 분자들이 원래의 약물이 가진 "전사 반응(transcriptional response)"을 보존한다는 것을 발견했습니다. 즉, 원래의 약물이 특정 유전자를 높이고 다른 유전자를 낮추었다면, Tx2Mol의 새로운 분자도 똑같이 행동했습니다. 심지어 상위 50개 유전자에 대해 변화의 방향(상승 또는 하락)을 **98%**의 확률로 일치시켰습니다. 이는 새로운 분자들이 단순히 무작위적인 모양이 아니라, 실제 약물의 생물학적 효과를 모방하고 있음을 시사합니다.

테스트 3: 실제 환자 (질병 시그니처)
마지막으로, 알츠하이머, 유방암, 간경변증을 포함한 12가지 질병을 가진 실제 환자의 유전자 시그니처를 사용하는 궁극의 테스트를 진행했습니다. 그들은 Tx2Mol에게 환자의 유전자 시그니처를 "아픈" 상태에서 "건강한" 상태로 전환할 수 있는 분자를 생성하도록 요청했습니다.

• 결과: AI는 이러한 질병들에 대해 승인된 약물과 매우 유사한 분자들을 성공적으로 생성했습니다. 12가지 모든 질병에 대해, Tx2Mol은 알려진 승인된 약물과 동일한(Tanimoto 유사도 1.00) 분자를 적어도 하나씩 만들어냈습니다.
• 탐색: 하지만 단순히 약을 복제하는 데 그치지 않았습니다. 또한 적절한 구역 안에 머물면서도 새로운 화학적 영역을 탐색하는 독특하고 새로운 분자들의 "꼬리(tail)"를 만들어냈습니다. 유방암 타겟에 대한 결합력을 시뮬레이션했을 때, 많은 분자가 매우 높은 점수(-8 kcal/mol 미만)를 기록했으며, 이는 이들이 실제 환경에서 테스트될 강력한 후보가 될 수 있음을 시사합니다.

이것이 의미하는 바

이 연구는 유전자 발현 시그니처가 단순히 세포에 무엇이 잘못되었는지를 알려주는 수동적인 보고서가 아니라, 새로운 약을 설계하기 위한 능동적이고 실행 가능한 청사진이 될 수 있음을 시사합니다. Tx2Mol은 설계 과정의 매 단계마다 생물학적 목표를 염두에 둠으로써, 화학적으로 타당하고, 구조적으로 참신하며, 생물학적으로 유의미한 새로운 분자를 생성할 수 있음을 보여줍니다.

비록 이 연구는 시뮬레이션 중심이며 생성된 분자들이 아직 실제 실험실이나 환자를 대상으로 테스트되지 않았지만, 결과는 매우 유망합니다. 이는 새로운 방식의 신약 개발에 대한 문을 열어줍니다. 즉, 정확한 "자물쇠"를 알지 못해도 "열쇠"를 설계하기 시작할 수 있는 방식입니다. 대신, 우리는 세포의 구조 신호에 귀를 기울이고, AI가 세포를 다시 건강한 상태로 되돌릴 수 있는 해결책을 요리하도록 할 수 있습니다. 저자들이 언급했듯이, 다음 단계는 이 디지털 레시피를 실제 세상에서 테스트하여 그것이 정말로 질병을 치료할 수 있는지 확인하는 것입니다.