Comparative Molecular Docking and ADMET Profiling of Five Clinically Approved DPP-4 Inhibitors: Structural Insights into Binding Affinity and Interaction Diversity

제2형 당뇨병을 신체의 인슐린(보디가드)이 제 역할을 하기 힘들어하는 혼란스러운 파티라고 상상해 보세요. 이 파티의 골칫거리 중 하나는 DPP-4라는 단백질인데, 이들은 인크레틴 호르몬이 몸에 인슐린을 방출하라는 신호를 보내기도 전에 이를 휩쓸어 버리는 집요한 청소부 역할을 합니다. 이를 막기 위해 과학자들은 다섯 가지 서로 다른 '글립틴(gliptin)' 약물—시타글립틴(Sitagliptin), 빌다글립틴(Vildagliptin), 사글립틴(Saxagliptin), 알로글립틴(Alogliptin), 리나글립틴(Linagliptin)—을 만들어냈습니다. 이들은 보디가드를 위한 보디가드 역할을 하며, DPP-4를 차단하여 파티가 다시 정상 궤도에 오를 수 있도록 돕습니다.

하지만 여기서 백만 달러짜리 질문이 등장합니다. 이 다섯 가지 약물 보디가드 중 DPP-4에 가장 잘 달라붙어 제 역할을 수행하는 것은 누구일까요?

이 연구에서 두 명의 연구원, 산치트 쿠마르 라이(Sanchit Kumar Rai)와 아다르쉬 키르탄(Adharsh Kirtan)은 이 질문에 답하기 위해 거대하고 첨단 기술이 집약된 시뮬레이션을 실행하기로 했습니다. 그들은 실험실에서 화학 물질을 섞는 대신, AutoDock Vina라는 컴퓨터 프로그램을 사용하여 디지털 놀이터를 구축했습니다. 이 프로그램은 약물 분자들이 DPP-4 단백질과 어떻게 "포옹"하려고 시도하는지를 시뮬레이션하는 매우 정확한 비디오 게임 엔진이라고 생각하면 됩니다.

위대한 디지털 포옹 대결

연구원들은 다섯 가지 약물의 디지털 모델을 모두 가져와서 (그들이 PDB ID: 1X70이라는 결정 구조로부터 가져온) DPP-4 단백질의 가상 활성 부위에 던져 넣었습니다. 그들은 누가 가장 꽉 붙잡을 수 있는지 보고 싶었습니다.

결과는 kcal/mol(숫자가 더 작을수록(음수일수록) 더 꽉, 강하게 껴안는다는 것을 의미하는 에너지 단위)로 측정된 놀라운 점수와 함께 돌아왔습니다:

1. 시타글립틴이 −9.181 kcal/mol의 점수로 1위를 차지했습니다.
2. 리나글립틴이 −8.965 kcal/mol로 매우 근소한 차이로 2위를 기록했습니다.
3. 알로글립틴이 −6.885 kcal/mol로 3위에 올랐습니다.
4. 사글립틴과 빌다글립틴은 각각 −6.747 kcal/mol와 −6.651 kcal/mol로 그 뒤를 따랐습니다.

하지만 잠깐, 아주 중요한 주의 사항이 있습니다.

논문은 이 숫자들을 모든 사람에게 적용되는 절대적인 값으로 받아들이지 말라고 명시적으로 경고합니다. 시타글립틴은 그들이 사용한 결정 구조에 이미 앉아 있던 '천연(native)' 약물이었으므로, 그것이 가장 꽉 껴안았다는 것은 놀라운 일이 아닙니다. 이는 마치 사람이 자신이 이미 앉아 있는 의자를 껴안으려고 하는 것과 같아서, 완벽하게 들어맞을 수밖에 없습니다.

더 중요한 것은, 사글립틴과 빌다글립틴은 '공유 결합(covalent)' 억제제라는 점입니다. 상상해 보세요, 이들은 단백질에 화학적으로 딱 달라붙는 작고 가역적인 벨크로(찍찍이) 패치를 가지고 있습니다. 하지만 이 연구에 사용된 컴퓨터 프로그램은 '벨크로가 없는' 포옹(비공유 결합)만을 시뮬레이션할 줄 압니다. 즉, 프로그램은 그 벨크로가 딱 붙는 모습을 볼 수 없었습니다! 따라서 이 두 약물의 낮은 점수는 그들이 약하다는 뜻이 아닙니다. 단지 시뮬레이션이 그들의 초능력을 보지 못했을 뿐입니다. 저자들은 만약 벨크로를 볼 수 있었다면, 이 두 약물도 다른 약물들만큼 강력했을 것이라고 제안합니다.

비밀스러운 악수

약물들이 왜 다르게 포옹했는지 이해하기 위해, 연구원들은 PLIP라는 도구를 사용하여 약물과 단백질 사이의 원자 수준의 "악수"(상호작용)를 살펴보았습니다.

• 방향족 파티: 가장 높은 점수를 받은 약물들(시타글립틴, 리나글립틴, 알로글립틴)은 모두 멋진 "π-스태킹(π-stacking)" 및 "π-카티온(π-cation)" 상호작용을 가지고 있었습니다. 이것을 약물의 평평한 고리 모양 부분과 단백질 사이의 특별한 자기적 하이파이브라고 생각할 수 있습니다. 낮은 점수를 받은 두 약물(사글립틴, 빌다글립틴)은 시뮬레이션 중에 이러한 하이파이브를 받지 못했으며, 이것이 그들의 낮은 점수를 설명해 줍니다.
• 외로운 늑대: 리나글립틴은 독특한 존재였습니다. 다른 약물들(벨크로 약물 제외)은 Glu205/Glu206이라는 특정 아미노산 쌍을 붙잡는 반면, 리나글립틴은 이들을 무시했습니다! 대신, 리나글립틴은 Arg125와 Ser630을 붙잡았습니다. 이는 리나글립틴이 다른 약물들과 비교했을 때 독특한 "잔틴(xanthine)" 골격(다른 화학적 형태)을 가지고 있기 때문에 타당합니다. 리나글립틴은 일반적인 규칙을 따르지 않고도 자신만의 방식으로 포옹 대결에서 승리하는 법을 찾아냈습니다.

안전 점검 (ADMET)

약물이 사용되기 전에는 반드시 안전 테스트를 통과해야 합니다. 연구원들은 약물이 체내에서 어떻게 행동할지 확인하기 위해 ADMET라고 불리는 디지털 안전 점검을 실시했습니다.

• 흡수: 다섯 가지 약물 모두 장에서 잘 흡수될 것으로 예측되었습니다.
• 뇌 접근성: 오직 시타글립틴만이 혈액-뇌 장벽(뇌로 가는 보안 게이트)을 통과할 것으로 예측되었습니다. 나머지 약물들은 차단되었습니다.
• 독성: 여기서 이상한 점이 발견되었습니다. 컴퓨터는 사글립틴을 잠재적으로 매우 독성이 강한 것으로 분류하며, 예측된 LD50가 3 mg/kg(매우 낮은 용량임에도 위험함)라고 표시했습니다. 이는 684 mg/kg에서 2500 mg/kg 사이인 다른 약물들과 비교했을 때 엄청난 예외 수치입니다.

하지만 저자들은 회의적입니다. 그들은 이 무서운 독성 경고가 컴퓨터 예측 소프트웨어의 "글리치(오류)"일 가능성이 높다고 주장합니다. 그들은 소프트웨어가 사글립틴의 '벨크로' 효과를 담당하는 특정 화학 그룹(니트릴 그룹) 때문에 혼란을 겪었을 것이라고 의심합니다. 사글립틴은 이미 수백만 명이 사용하고 있는 안전하고 승인된 약물이므로, 저자들은 컴퓨터가 실제 약물이 위험한 것이 아니라 단순히 실수를 한 것이라고 믿습니다.

결론

이 연구는 새로운 약물을 발견하거나 실제 인간의 몸에서 무엇이 임상적으로 더 나은지를 증명한 것이 아닙니다. 대신, 이들은 서로를 비교할 수 있는 검증된 컴퓨터 파이프라인을 구축했습니다.

• 확실히 알 수 있는 것: 이 특정 시뮬레이션에서 시타글립틴과 리나글립틴이 가장 강한 비공유 결합력을 보여주었습니다.
• 추측할 수 있는 것: 사글립틴과 빌다글립틴의 낮은 점수는 그들이 약해서가 아니라, 시뮬레이션이 그들의 특별한 "벨크로" 메커니즘을 놓쳤기 때문일 가능성이 높습니다.
• 글리치라고 생각되는 것: 사글립틴에 대한 무서운 독성 경고는 아마도 컴퓨터 예측 도구에 의한 잘못된 경보일 것입니다.

연구진은 향후 연구에서 "벨크로"가 딱 붙는 것을 실제로 볼 수 있는 더 발전된 시뮬레이션을 사용하고, 이 디지털 포옹이 시간이 지나도 안정적으로 유지되는지 확인하기 위해 더 긴 테스트를 수행해야 한다고 제언합니다. 현재로서는, 이 연구는 이 다섯 가지 약물이 목표물에 어떻게 잠금 장치를 거는지에 대한 상세한 지도를 제공함으로써, 과학자들이 미래에 더 나은 약물을 설계하는 데 도움을 주고 있습니다.