📄 medicine

Generative AI–enabled discovery of a CDK2-biased inhibitor for colorectal cancer

본 연구는 생성형 AI 기반의 프레임워크를 통해 정상 조직은 보존하면서 대장암 세포에서 세포 주기 정지와 세포 사멸을 유도하는 강력하고 선택적인 CDK2 편향적 억제제인 CDK2CRC-EMBS를 성공적으로 발견하고 검증한 프레임워크를 제시한다.

원저자: Anuraj Nayarisseri, Khushboo Sharma, Radhika Swami, Sajal Suhane, Smita Suhane, Swarna Dabral, Srinivas Bandaru, Rinku Chaudhary, V. Natchimuthu, Siddhi Shiva Kumar Thirumanwar, Leena Prajapati, Swati

게시일 2026-07-23

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Anuraj Nayarisseri, Khushboo Sharma, Radhika Swami, Sajal Suhane, Smita Suhane, Swarna Dabral, Srinivas Bandaru, Rinku Chaudhary, V. Natchimuthu, Siddhi Shiva Kumar Thirumanwar, Leena Prajapati, Swati Smita Dhan, Taniya Dey, Habeebunnisa Dudekula, Prasannakumar Mohan, Kalaivani Selvam, Tajamul Hussain, Francisco Jaime Bezerra Mendonça-Junior, Marcus T Scotti, Luciana Scotti

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

당신의 몸을 수조 개의 세포가 끊임없이 생성되고, 수리되며, 은퇴하는 활기차고 첨단 기술이 집약된 도시라고 상상해 보십시오. 이 도시가 계속 돌아가기 위해서는 세포에게 언제 분열하고 언제 멈출지를 알려주는 엄격한 교통 통제 시스템이 필요합니다. 이 시스템에서 가장 중요한 교통 경찰 중 하나는 CDK2라고 불리는 단백질입니다. CDK2를 세포 분열의 "진행" 신호를 켜는 마스터 스위치라고 생각하십시오. 건강한 도시에서 이 스위치는 필요할 때만 켜집니다. 하지만 대장암에서는 이 스위치가 "켜짐" 위치에 고정되어, 세포가 통제 불능으로 증식하며 혼란스럽고 위험한 동네(종양)를 건설하게 됩니다.

수십 년 동안 과학자들은 이 폭주하는 스위치를 멈추기 위한 "브레이크"를 만들기 위해 노력해 왔습니다. 문제는 CDK2가 단백질 가족 내의 이웃들과 거의 똑같이 생겼다는 점입니다. 이는 마치 똑같은 옷을 입은 쌍둥이 무리 속에서 특정 한 사람에게만 수갑을 채우려는 것과 같습니다. 만약 엉뚱한 사람을 붙잡는다면, 도시 전체의 교통을 멈춰버려 엄청난 부작용을 초래할 수 있기 때문입니다. 이러한 브레이크를 설계하는 전통적인 방식은 단백질의 정지된 스냅샷을 찍는 것에 의존하는데, 이는 마치 회전하는 팽이를 단 한 장의 사진으로 포착하려는 것과 같습니다. 그것은 실제 상황에서 일어나는 움직임과 흔들림을 놓치게 됩니다. 여기서 인공지능이라는 새로운 종류의 도구가 등장합니다. AI는 단순히 사진을 보는 대신, 단백질의 "춤 동작"을 학습하여 단백질이 어떻게 꿈틀거리고 움직이는지를 예측하며, 이를 통해 과학자들이 움직이는 표적에 완벽하게 들어맞는 브레이크를 설계할 수 있게 해줍니다.

이것이 바로 연구팀이 대장암에 맞서기 위해 수행한 새로운 연구에서 한 일입니다. 그들은 생성형 AI의 힘과 실제 실험실 실험을 결합하여 완전히 새로운 분자를 처음부터 설계했습니다. 기존의 화학 물질 라이브러리를 검색하는 대신, 그들은 AI에게 수백만 개의 새로운 가능성을 상상하도록 가르쳤습니다. AI는 세 가지 디지털 도구의 영리한 조합을 사용했습니다. 새로운 화학적 형태를 탐색하기 위한 변이형 오토인코더(VAE), 그 형태가 실제 제작 가능한 분자처럼 보이도록 만드는 생성적 적대 신경망(GAN), 그리고 AI에게 "아니, 그건 안 돼, 더 잘 맞는 이것을 시도해 봐"라고 끊임없이 말해주는 코치 역할을 하는 강화 학습(RL)입니다.

AI는 230만 개 이상의 독특한 분자 후보군을 생성했으며, 이들이 움직이는 CDK2 단백질과 어떻게 상호작용하는지 시뮬레이션했습니다. 맞지 않거나 불안정한 것들을 걸러낸 후, AI는 챔피언을 뽑았습니다. 바로 CDKCRC-EMBS라는 이름의 분자입니다. 연구진은 이 디지털 설계를 가져와 실제 실험실에서 5단계의 화학 공정을 통해 합성했습니다. 테스트 결과는 유망했습니다. 이 분자는 정밀한 열쇠처럼 작동하여 CDK2 스위치에 잠겨 작동을 멈추게 했습니다. 실험실 테스트에서 이 분자는 IC₅₀ 값이 1.92 ± 0.12 µM인 상태로 CDK2/cyclin E 복합체를 억제했습니다. 이는 효소의 활성을 절반으로 줄이는 데 필요한 특정 양을 의미합니다. 또한 1.35 µM의 결합 강도(Kᴅ)를 보여주었습니다.

결정적으로, 이 연구는 이 새로운 분자가 CDK2에 대해 "편향되어" 있음을 시사합니다. 단백질 가족이라는 붐비는 군중 속에서도, 이 분자는 닮은꼴 쌍둥이들에게 혼동되지 않고 목표물에만 집중했습니다. 대장암 세포에 대한 테스트에서 CDKCRC-EMBS는 성공적으로 세포 분열을 막고, 성장 주기를 멈추게 했으며, 심지어 세포 자살(아포토시스라고 불리는 과정)을 유도했습니다. 아마도 가장 중요한 점은, 이 분자가 모든 것을 타격하는 기존의 약물들보다 더 안전할 수 있음을 시사하듯 정상적이고 건강한 결장 세포에는 해를 끼치지 않았다는 것입니다.

연구진은 컴퓨터 화면에만 머물지 않았습니다. 그들은 엄격한 실험을 통해 발견을 검증했습니다. NMR 및 질량 분석법과 같은 고급 도구를 사용하여 분자의 구조를 확인했습니다. 또한 100나노초 길이의 컴퓨터 시뮬레이션을 실행하여 분자와 단백질이 시간이 지남에 따라 어떻게 함께 춤을 추는지 관찰함으로써 결합이 안정적임을 확인했습니다. 또한 분자의 "이력서"(ADMET 프로필)를 점검하여 체내에 흡수될 수 있는지, 독성이 없는지도 확인했습니다. 이 논문은 이 분자가 세포와 시험관 내에서 작동함을 확인하지만, 아직 인간을 위한 치료제라고 주장하는 단계까지는 가지 않았습니다. 이는 발견의 첫 번째 주요 관문을 통과한 매우 유망한 선도 물질입니다. 이 새로운 화합물을 공공 **PubChem 데이터베이스(CID 9829487)**에 등재함으로써, 연구팀은 다른 과학자들이 이 연구를 바탕으로 발전시켜 나갈 수 있는 문을 열었으며, 이는 AI가 생물학의 리듬을 배울 때 우리가 암과 싸우기 위한 새로운 노래를 작곡하는 데 도움을 줄 수 있음을 증명합니다.

기술 요약: 대장암을 위한 CDK2 편향적 억제제의 생성형 AI 기반 발굴

문제 정의
대장암(CRC)은 전 세계적으로 암 사망의 주요 원인으로 남아 있으며, 진행된 단계의 경우 EGFR 및 VEGF 경로를 표적으로 하는 현재의 치료제에 내성을 보이는 경우가 많습니다. 사이클린 의존성 키나아제 2(CDK2)는 G1/S 세포 주기 전환의 핵심 조절자이자 유망한 치료 표적이지만, CDK 패밀리 전반에 걸친 ATP 결합 포켓의 높은 구조적 상동성으로 인해 선택적인 CDK2 억제제를 개발하는 것은 매우 어렵습니다. 전통적인 소분자 억제제는 종종 광범위한 키나아제 활성을 보여 오프 타겟 독성을 유발합니다. 또한, 기존의 계산 약물 설계 방법은 정적인 구조 모델에 의존하는 경우가 많아, 약물 유사 분자의 형태적 유연성과 단백질-리간드 상호작용의 역동적인 특성을 포착하지 못하며, 이는 계산적으로 설계된 분자가 실험적 검증 단계에서 높은 실패율을 겪는 원인이 됩니다.

방법론
저자들은 de novo CDK2 편향적 억제제를 발굴하기 위해 설계된 통합된 "AI-to-experiment" 프레임워크를 제시합니다. 이 워크플로우는 생성형 인공지능과 동적 구조 스크리닝 및 실험적 검증을 결리합니다:

생성형 AI 프레임워크:
- 아키텍처: 하이브리드 변이형 오토인코더-생성적 적대 신경망-강화 학습(VAE–GAN–RL) 시스템이 개발되었습니다.
- 학습 데이터: 모델은 18개의 알려진 CDK2 억제제(7-하이드록시스타우로스포린, 디나시클립, 로스코비틴 포함)와 그들의 형태적 앙상블을 큐레이션하여 학습되었습니다.
- 컨포머 생성: 조건부 GAN(ConfGAN)은 거리-에너지 관계를 학습하여 카이랄성(chirality)과 파마코포어 제약 조건을 보존하면서 에너지적으로 일관된 3D 컨포머를 생성했습니다.
- 분자 생성: VAE는 분자 그래프를 잠재 공간(latent space)으로 매핑하였고, GAN은 화학적 유효성과 신규성을 보장했습니다. 강화 학습(RL) 모듈은 다중 목적 보상 함수( $R = 0.4 \times QED + 0.3 \times SAnorm + 0.3 \times Dockproxy$ )를 사용하여 약물 유사성, 합성 용이성, 예측 결합 친화력의 균형을 맞추며 생성된 분자를 최적화했습니다.
- 규모: 파이프라인은 230만 개 이상의 고유하고 화학적으로 다양한 분자를 생성했습니다.
계산적 스크리닝 및 분류:
- 딥러닝 도킹: 상위 후보 물질들은 CNN 기반 도킹 도구인 Gnina를 사용하여 스크리닝되었으며, 이후 CHARMM 포스 필드를 이용한 에너지 최소화 과정을 거쳤습니다.
- 동적 검증: 선택된 화합물들은 복합체 안정성, RMSD, 수소 결합 지속성을 평가하기 위해 GROMACS를 이용한 100 ns 분자 동역학(MD) 시뮬레이션을 수행했습니다.
- 선택성 프로파일링: 설계된 화합물의 선택성을 평가하기 위해 520개의 인간 키나아제를 대상으로 in-silico 전 키놈(kinome-wide) 도킹 연구가 수행되었습니다.
실험적 검증:
- 합성: 리드 화합물인 CDKCRC-EMBS는 5단계 경로를 통해 합성되었으며, NMR, 고해解상도 질량 분석법(HRMS), HPLC를 통해 특성을 분석했습니다.
- 생화학적 분석: CDK2/cyclin E 억제는 ADP-Glo™ 키나아제 분석 및 표면 플라즈몬 공명(SPR)을 통해 측정되었습니다.
- 세포 분석: 화합물의 효능은 대장암 세포주와 정상 결장 상피 세포에서 세포 주기 정지, Rb 인산화 억제, 세포 사멸 유도 및 세포 독성을 평가하기 위해 테스트되었습니다.

주요 결과

리드 식별: AI 프레임워크는 CDKCRC-EMBS(PubChem CID: 9829487)를 최상위 후보로 식별했습니다. 이 화합물은 예측 결합 에너지 –11.95 kcal mol⁻¹와 QED 점수 0.83을 나타내어 참조 스캐폴드인 7-하이드록시스타우로스포린보다 우수한 성능을 보였습니다.
결합 모드: 도킹 및 MD 시뮬레이션 결과, CDKCRC-EMBS는 CDK2 ATP 포켓 내에 안정적으로 결합하며, Glu81 및 Leu83와 표준적인 힌지 영역 수소 결합을 형성하고, Lys33 및 Asp145와 추가적인 안정화 상호작용을 하는 것으로 밝혀졌습니다. 퀴나졸리논(quinazolinone) 코어는 Phe80과 $\pi$ – $\pi$ 스태킹을 수행합니다.
선택성: 키놈 전반의 프로파일링 결과 CDK2에 대한 강력한 편향성을 나타냈습니다. 밀접하게 연관된 키나아제들(CDK1, CDK4, CDK7, CDK9)은 결합력이 감소한 반면, 임상적으로 중요한 오프 타겟들(예: EGFR, PI3K, AKT)은 현저히 낮은 예측 상호작용을 보였습니다.
생화학적 효능: 실험적 분석을 통해 CDK2/cyclin E에 대한 강력한 억제 효과(IC₅₀ = 1.92 ± 0.12 µM)와 해리 상수(Kᴅ = 1.35 µM)를 확인했습니다.
세포 효능: CRC 세포 모델에서 CDKCRC-EMBS는 세포 주기 정지를 유도하고, Rb 인산화를 억제하며, 세포 사멸을 촉진했습니다. 결정적으로, 이 화합물은 정상 결장 상피 세포에 대해 최소한의 독성만을 보였습니다.
절제 연구(Ablation Studies): 비교 분석을 통해 전체 VAE–GAN–RL 파이프라인, 특히 형태 학습(ConfGAN)과 RL 최적화의 포함이 절제된 변형 모델들에 비해 상위 순위의 안정적인 후보 물질을 가장 높게 농축함을 입증했습니다.

의의 및 주장
본 논문은 형태 학습과 동적 스크리닝을 통합함으로써 in silico 설계와 실험적 현실 사이의 간극을 성공적으로 메우는 확장 가능한 AI 기반 발견 패러다임을 구축했다고 주장합니다. 저자들은 이 접근 방식이 정적 구조 기반 스크리닝의 한계를 극로하여, 신규성이 있고 합성이 용이하며 생물학적으로 검증된 억제제를 식별할 수 있게 한다고 단언합니다. 본 연구는 CDKCRC-EMBS를 유망한 CDK2 편향적 치료 후보 물질로 규명하였으며, 이는 생성형 AI가 유리한 동적 안정성 및 선택성 프로파일을 가진 분자를 만들기 위해 복잡한 화학 공간을 효과적으로 탐색할 수 있음을 보여줍니다. 이 연구는 딥러닝을 분자 동역학과 결합하여 실험적 검증에서 성공 가능성이 더 높은 화합물을 우선순위화할 수 있는 잠재력을 강조합니다.

기술 요약: 대장암을 위한 CDK2 편향적 억제제의 생성형 AI 기반 발굴

유사한 논문