Language-Grounded Drug Representations for Cold-Start Drug–Drug Interaction Prediction

두 명의 새로운 친구가 만났을 때 어떤 일이 일어날지 추측한다고 상상해 보세요. 그들이 절친이 될 수도 있고, 싸울 수도 있으며, 혹은 그냥 서로를 무시할 수도 있습니다. 의학의 세계에서 이 "친구들"은 약물이며, 이들의 "만남"은 **약물-약물 상호작용(DDI)**이라고 불립니다. 잘못된 약물들이 만나게 되면 환자에게 위험할 수 있습니다.

오랫동안 과학자들은 컴퓨터를 사용하여 이러한 만남을 예측하려고 노력해 왔습니다. 가장 대중적인 방법은 마치 초스마트 사회 관계망 분석기(social network analyzer)와 같습니다. 이 방식은 과거에 누가 누구를 만났는지에 대한 거대한 지도를 살펴봅니다. 만약 약물 A가 약물 B를 만났고, 약물 B가 약물 C를 만났다면, 컴퓨터는 약물 A와 약물 C가 어떻게 지낼지 추측합니다. 이 방식은 컴퓨터가 방 안에 있는 모든 약물을 이미 알고 있을 때는 아주 잘 작동합니다.

하지만 여기에 문제가 있습니다: 완전히 새로운 약물이 승인되면 어떻게 될까요? 그 약물은 이력이 없습니다. 아무도 만난 적이 없습니다. 그것은 완전한 낯선 이입니다. 논문의 언어로 표현하자면, 이것은 "콜드 스타트(cold-start)" 문제입니다. 기존의 "사회 관계망" 컴퓨터들은 약물의 과거 연결 관계에 전적으로 의존하기 때문에 여기서 벽에 부딪힙니다. 과거의 기록이 없다면 컴퓨터는 길을 잃게 됩니다.

새로운 아이디어: 약물의 이력서 읽기

저자인 Aaron Ajit는 다른 접근 방식을 제안합니다. 약물의 "사회적 이력"(상호작용 그래프)만 보는 대신, 왜 그 약물의 **"이력서"**를 읽지 않는가 하는 점입니다.

모든 약물은 물리적 형태(분자 구조)와 그것이 무엇을 하는지에 대한 서술된 설명(텍스트)을 가지고 있습니다. 이 논문은 두 개의 눈을 가진 탐정처럼 작동하는 "이중 인코더(dual-encoder)" 시스템을 제 제안합니다:

1. 화학의 눈: 약물의 분자 구조(마치 DNA나 지문과 같은 것)를 살펴봅니다.
2. 독서의 눈: 의학에 대해 많이 알고 있는 초스마트 사전 학습 언어 모델(PubMedBERT라고 불리는)을 사용하여 약물의 서술된 설명을 읽습니다.

이 두 눈은 함께 작용하여, 설령 그 약물이 이전에 누군가를 만난 적이 없더라도 약물에 대한 완전한 그림을 형성합니다.

큰 시험: 누가 승리하는가?

저자는 이 아이디어를 두 가지 다른 데이터 세트(1,706개의 약물과 86가지 유형의 상호작용이 포함된 데이터 하나, 1,268개의 약물과 단순한 "예/아니오" 상호작용이 포함된 데이터 하나)를 통해 테스트했습니다. 결과가 단순히 운이 아니라는 것을 확인하기 위해 실험을 세 번 반복했습니다.

결과는 다음과 같았습니다:

• 기존 방식 (구조만 사용): 컴퓨터가 오직 분자 형태만 보았을 때는, 이미 알고 있는 약물들에 대한 상호작용을 예측하는 데 있어 실제로 가장 뛰어났습니다. 하지만 새로운, 보지 못한 약물이 등장하는 순간, 그 성능은 폭락했습니다. 이는 마치 작년 시험 답안을 통째로 외웠지만, 새로운 시험지를 받으면 완전히 낙제하는 학생과 같습니다.
• 새로운 방식 (융합): "이중 인코더" 모델은 기존 약물들을 볼 때는 절대적인 챔피언은 아니었지만, "콜드 스타트" 테스트가 시작되자 승리했습니다. 성능 저하가 가장 적었습니다. 이 모델만이 브랜드 뉴한 약물이 다른 것들과 어떻게 상호작용할지 성공적으로 추측할 수 있었습니다.

숫자들이 이야기를 들려줍니다. "DrugBank" 데이터 세트에서, 새 모델은 "새로운 약물 하나" 시나리오에서 0.627점을 기록하여(높을수록 좋은 척도), 기존의 구조 전용 모델이 기록한 0.583점을 앞질렀습니다. 두 약물이 모두 새로운 경우, 새 모델은 0.376을 기록한 반면, 기존 모델은 0.344로 떨어졌습니다. "BioSNAP" 데이터 세트에서도 새 모델은 새로운 약물 시나리오에서 0.831과 0.726을 기록하며 다시 한번 경쟁자들을 제쳤습니다.

이 논문이 배제하는 것들

이 논문이 무엇이 효과가 없는지도 아는 것이 중요합니다.

• 단순히 텍스트를 읽는 것만으로는 부족합니다: 만약 분자 구조를 무시하고 서술된 설명만 사용한다면, 모델은 실패합니다. 텍스트만 사용했을 때는 DrugBank의 "새로운 약물 하나" 테스트에서 0.497을 기록했는데, 이는 결합된 모델보다 훨씬 낮은 수치입니다.
• 단순히 형태만 보는 것도 부족합니다: 만약 분자 구조만 보고 텍스트를 무시한다면, 모델은 콜드 스타트 시나리오에서 실패합니다.
• "사회 관계망" 기법은 새로운 약물에는 통하지 않습니다: 이 논문은 약물의 위치를 과거 상호작용의 그래프에 의존하는 것이 새로운 약물에게는 막다른 길이라고 명시적으로 주장합니다. 기존 약물들에게 가장 좋았던 모델(fingerprint-MLP)이 새로운 약물을 다룰 때는 최악의 모델이었습니다.

얼마나 확신할 수 있는가?

저자는 매우 신중한 언어를 사용합니다. 이 문제를 영원히 "해결했다"고 주장하는 것이 아닙니다. 대신, 언어에 기반하여 약물의 표현(representation)을 구축하는 것이 더 나은 예측을 위한 실질적인 경로임을 제안합니다.

결과는 두 가지 특정 데이터 세트의 측정된 데이터와 세 가지 서로 다른 랜덤 시드(실험 재실행)를 바탕으로 합니다. 논문은 새 모델이 승리하긴 했지만, 일부 경우 차이가 작으며 오차 범위(불확실성의 범위)가 때때로 겹친다는 점을 언급합니다. 그러나 추세는 일관됩니다: 결합된 모델이 미지의 영역을 다룰 때 가장 신뢰할 수 있다는 것입니다.

저자는 또한 몇 가지 한계점도 인정합니다:

• 테스트된 약물의 약 **10%**는 서술된 설명이 없었습니다. 모델은 이를 특수한 "누락(missing)" 태그를 사용하여 처리했지만, 저자는 만약 텍스트가 누락된 약물이 더 많아진다면 더 큰 문제가 될 수 있다고 언급했습니다.
• 직접 비교하기 위해 또 다른 유명한 방법(SSI-DDI)을 완전히 재현할 수 없었기에, 직접 비교 가능한 가장 좋은 재현 가능한 구조 전용 모델을 구축하여 비교했습니다.

핵심 요약

이를 다음과 같이 생각해보세요: 만약 당신이 새로운 학생이 학교에 어떻게 적응할지 알고 싶다면, 그가 누구를 아는지(아직 아무도 모르기 때문)만 봐서는 안 됩니다. 당신은 그의 성격(텍스트 설명)과 기술(분자 구조)을 보아야 합니다.

이 논문은 "성격"(텍스트)과 "기술"(구조)을 결합함으로써, 새로운 약물이 도착했을 때 당황하지 않는 컴퓨터 프로그램을 만들 수 있음을 시사합니다. 이는 이 "언어 기반(language-grounded)" 접근 방식이 위험이 가장 높은 최신 의약품의 안전성을 예측하는 핵심 열쇠임을 보여줍니다.