🧬 biology

MDFitML: Using machine learning to predict potency from molecular simulations

MDFitML은 분자 역학 궤적에서 유도된 시뮬레이션 지문(SimFP)으로 학습된 머신러닝 모델을 활용하여, 예측값을 특정 잔기 수준의 단백질-리간드 상호작용에 직접 매핑함으로써 다양한 리간드의 효능을 정확하게 예측하고 해석하는 자동화된 워크플로우를 도입합니다.

원저자: Xue Zong, Ahmet Mentes, Barmak Mostofian, Keith Jones, David R Stevens, Greg Bakken, Sirish Kaushik Lakkaraju

게시일 2026-08-06

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Xue Zong, Ahmet Mentes, Barmak Mostofian, Keith Jones, David R Stevens, Greg Bakken, Sirish Kaushik Lakkaraju

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ⚕️ 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기

당신이 아주 까다롭고 형태가 변하는 자물쇠를 열 수 있는 완벽한 열쇠를 찾으려 한다고 상상해 보십시오. 의학의 세계에서 이 자물쇠는 우리 몸속의 단백질이며, 열쇠는 새로운 약물 분자입니다. 수십 년 동안 과학자들은 자물쇠의 정지된 사진 한 장만을 보고 이 열쇠들을 설계하려고 노력해 왔습니다. 하지만 실제 자물쇠는 정지해 있지 않습니다. 자물래는 꿈틀거리고, 숨을 쉬며, 모양을 바꿉니다. 열쇠가 실제로 어떻게 들어맞는지 이해하려면, 정지된 사진 대신 비디오를 보는 것처럼 자물쇠가 움직이는 모습을 관찰해야 합니다. 여기서 '분자 역학(molecular dynamics)'이 등장합니다. 이는 초고성능 컴퓨터 시뮬레이션으로, 단백질과 약물 분자가 시간에 따라 어떻게 춤추고 상호작용하는지를 보여주는 고속 영화와 같습니다. 하지만 이러한 영화들은 엄청난 양의 데이터를 생성하며, 어떤 미세한 움직임이 약물을 강하게 혹은 약하게 만드는지 파악하는 것을 어렵게 만듭니다. 이것이 바로 연구진이 해결하고자 했던 퍼즐입니다: 어떻게 하면 이 복잡하고 움직이는 영화를 약물이 얼마나 잘 작동할지 예측하는 간단한 레시피로 바꿀 수 있을까요?

여기에, 이 분자 영화와 약물 설계 사이의 스마트한 번역가 역할을 하는 새로운 자동화 워크플로우인 MDFitML이 등장합니다. 연구진은 두 가지 강력한 도구, 즉 분자 역학 시뮬레이션이라는 '영화 카메라'와 머신러닝의 '패턴 포착' 능력을 결합했습니다. 단순히 약물의 최종 자세만을 보는 대신, 그들의 방법은 전체 시뮬레이션을 관찰하여 SimFP(시뮬레이션 핑거프린트)라고 불리는 독특한 '지문'을 만들어냅니다. 이 지문은 마치 점수판처럼, 시뮬레이션 동안 약물이 단백질의 특정 부위와 얼마나 자주 포옹하고, 하이파이브를 하고, 손을 잡는지 기록합니다. 이는 상호작용의 안정성을 포착하여, 어떤 상호작용이 강하고 지속적인지, 그리고 어떤 것이 일시적이고 약한지를 기록합니다.

연구팀은 CDK2와 BACE1 같은 유명한 단백질을 포함하여 8가지 서로 다른 단백질 표적에 대해 이 접근법을 테스트했으며, 사용된 데이터셋은 16개에서 147개의 서로 다른 약물 유사 분자들로 구성되었습니다. 그들은 이 상호작용 지문을 머신러닝 모델에 입력함으로써 분자의 '효능'(약물이 얼마나 강한지)을 정확하게 예측할 수 있다는 것을 발견했습니다. 실제로 그들이 연구한 대부분의 표적에서, 그들의 새로운 방법은 정지된 스냅샷만을 보는 기존 방식보다 훨씬 뛰어났습니다. 예를 들어, CDK2 단백질의 경우, 약물의 강도 차이를 설명하는 모델의 능력은 0.57에서 매우 인상적인 0.90으로 급증했습니다. MCL-1의 경우, 개선 효과는 더욱 극적이었는데, 0.10이라는 약한 수치에서 0.70이라는 강력한 수치로 올라갔습니다.

이것이 진정으로 특별한 이유는 모델이 단순히 숫자만 주는 것이 아니라, '왜' 그런지를 알려주기 때문입니다. 모델은 시뮬레이션에서 관찰된 구체적인 상호작용으로부터 학습하기 때문에, 단백질의 어떤 아미노산이 약물의 성공에 책임이 있는지를 지목할 수 있습니다. CDK2를 다룬 한 사례 연구에서, 모델은 Lys89라고 불리는 단백질의 특정 부분과의 상호작용이 강한 결합을 만드는 '비법 소스'임을 밝혀냈습니다. 모델은 특정 화학 그룹(설폰아마이드)이 Lys89를 붙잡을 수 있는 약물들이 그렇지 못한 약물들보다 훨씬 더 강력하다는 것을 보여주었습니다.

아마도 가장 흥-미로운 발견은 이 방법이 놀라울 정도로 유연하다는 점일 것입니다. 보통 컴퓨터 모델을 한 종류의 약물 모양에 맞춰 훈련시키면, 완전히 다른 모양을 보여주었을 때 처참하게 실패하곤 합니다. 하지만 MDFitML은 새로운 약물이 단백질의 동일한 '포켓' 안에 들어맞기만 한다면, 그 약물이 훈련된 것들과 완전히 다르게 생겼더라도 모델이 그 강도를 예측할 수 있음을 시사했습니다. 연구진은 한 그룹의 약물(니코틴아마이드)로 모델을 훈련시킨 후, 동일한 단백질 부위를 표적으로 하는 완전히 다른 그룹(이미다조피리다진)의 강도를 예측하도록 하여 이를 테스트했습니다. 모델은 새로운 다양한 약물들의 순위를 꽤 정확하게 매길 수 있었습니다. 이는 모델이 약물의 화학적 구조 자체보다는 약물과 단백질 사이의 '춤'에 집중함으로써, 과학자들이 낯선 화학적 영역을 탐험할 때도 더 나은 의약품을 설계할 수 있음을 시사합니다.

연구진은 이 방법이 모든 문제를 즉시 해결하는 마법 지팡이는 아니라는 점을 신중하게 언급했습니다. 그들의 결과는 시뮬레이션과 특정 데이터셋에 기반하고 있으며, 이 방법은 새로운 약물이 훈련된 약물과 동일한 결합 포켓을 차지할 때 가장 잘 작동합니다. 그러나 복잡하고 움직이는 분자 데이터를 명확하고 해석 가능한 규칙으로 전환함으로써, MDFitML은 왜 어떤 약물은 작동하고 어떤 것은 그렇지 않은지를 이해하는 유망한 새로운 방법을 제시하며, 잠재적으로 실험실 단계에서 약국 선반까지의 여정을 가속화할 수 있습니다.

기술 요약: MDFitML – 분자 시뮬레이션을 이용한 약효 예측을 위한 머신러닝 활용

문제 정의
분자 역학(Molecular Dynamics, MD) 시뮬레이션은 정적인 도킹 포즈(docking pose)가 제공하지 못하는 단백질-리간드 상호작용에 대한 물리 기반의 시간 분해된 설명을 제공하지만, 신약 개발 과정에서 정량적인 친화도 예측에 적용하는 데에는 여전히 한계가 있다. 현재의 과제는 대규모 복합체를 처리할 수 있는 확장 가능하고 자동화된 워크플로의 부재와, 고차원의 궤적(trajectory) 데이터를 예측 가능하면서도 화학적으로 해석 가능한 기술자(descriptor)로 축소하는 것의 어려움이다. 반대로, 효능 예측을 위한 표준 머신러닝(ML) 접근 방식은 일반적으로 정적인 화학 구조나 도킹된 포즈에 의존하며, 밀접하게 연관된 유사체들을 구분 짓는 동적인 결합 행동과 형태적 유연성을 명시적으로 인코딩하지 못한다. 따라서 소규모의 이질적인 데이터셋이 흔히 발생하는 초기 신약 개발 단계에 적합하도록, MD 궤적을 간결하고 해석 가능한 특징으로 체계적으로 변환하는 방법론이 필요하다.

방법론
저자들은 **Simulation Fingerprints (SimFP)**를 특징으로 사용하여 MD 시뮬레이션과 ML 모델을 통합하는 자동화된 워크플로인 MDFitML을 제시한다. 워크플로는 다음과 같이 진행된다:

시스템 준비 및 시뮬레이션: OpenEye Spruce Toolkit을 사용하여 단백질-리간드 복합체를 준비하고, OpenMM 엔진, 단백질용 AMBER14SB 포스 필드, 리간드용 OpenFF 2.0.0을 사용하여 전원자(all-atom) MD 시뮬레이션(100 ns)을 수행한다. 샘플링 사례를 늘리기 위해 시뮬레이션은 3회 반복(triplicate) 수행된다.
특징 추출 (SimFP): 정적인 상호작용 횟수 대신, 워크플로는 MD 궤적으로부터 **상호작용 점유율(interaction occupancy)**을 계산한다. 이 지표는 상호작용(접촉, 수소 결합, 염다리, 스태킹 및 물 매개 상호작용)이 시뮬레이션 시간 동안 관찰되는 비율로서 상호작용의 안정성을 정량화한다. 이러한 점유율이 "SimFP" 기술자 역할을 한다.
모델 개발 전략: "차원의 저주"(많은 상호작용 특징 대비 적은 화합물 수)를 해결하기 위해 2단계 모델링 접근 방식이 채택된다:
- 특징 선택: 가장 정보가 많은 상호작용을 식별하고 다중공선성을 처리하기 위해 L1 규제가 적용된 Lasso 회귀 모델을 전체 특징 세트에 적용한다.
- 예측: Lasso 모델에 의해 선택된 상위 10개의 상호작용만을 사용하여 표준 선형 회귀 모델을 학습시킨다.
- 검증: 가짜 상관관계를 배제하기 위해 중첩된 leave-one-molecule-out 교차 검증(LOMO-CV) 및 Y-scrambling 실험을 사용하여 모델을 검증한다.
앙상블 예측: 최종 효능 예측을 위해, 모델은 분자당 3개의 반복 MD 시뮬레이션으로부터 얻은 예측값을 평균하여 분산을 줄인다.

주요 기여

Simulation Fingerprints (SimFP): MD 궤적의 상호작용 점유율로부터 유도된 새로운 기술자 클래스의 도입. 정적인 기술자와 달리, SimFP는 모든 예측이 특정 잔기 수준의 포켓 상호작용으로 직접 매핑되는 해석 가능한 ML 모델을 가능하게 한다.
교차 화학형 전이성 (Cross-Chemotype Transferability): 본 연구는 단일 화학형(chemotype)에서 SimFP로 학습된 선형 모델이 동일한 포켓을 타겟팅하는 구조적으로 다양한 화합물들의 순위를 정확하게 매길 수 있음을 입증한다. 이 능력은 상대 자유 에너지 방법이나 기술자 기반 ML이 흔히 겪는 도전 과제인, 훈련 세트의 화학적 공간을 넘어선 일반화 성능을 보여준다.
자동화된 확장 가능 워크플로: MD 설정, 궤적 분석, ML 학습을 하나의 완전 자동화된 파이프라인(Orion 컴퓨팅 인프라를 통해 구현)으로 통합함으로써, 데이터가 제한적인 환경에서도 효능 예측과 메커니즘 해석을 동시에 수행할 수 있게 한다.

결과
워크플로는 5개의 공개 타겟(CDK2, CDK9, MCL-1, BACE1, Hif-2α)과 2개의 내부 Bristol Myers Squibb (BMS) 타겟을 포함한 8개의 시스템에 대해 검증되었다.

정적 포즈 대비 성능: MDFitML은 정적인 도킹 포즈로 구축된 모델보다 일관되게 우수한 성능을 보였다. 예를 들어, CDK2의 결정 계수( $R^2$ )는 0.57에서 0.90으로 향상되었고, MCL-1의 경우 0.10에서 0.70으로 향상되었다. 동적인 특징들이 실험적 효능과 더 잘 상관되는 일시적 상호작용과 용매 효과를 포착했다.
특징 선택의 효능: Lasso로 선택된 상위 10개 상호작용을 사용하는 것이 전체 Lasso 모델이나 더 많은 특징을 가진 모델보다 우수한 예측 정확도를 제공했으며, 이는 샘플 대 특징 비율을 효과적으로 조절하고 과적합을 방지했다.
메커니즘 해석: 모델은 효능 차이에 대한 구체적인 구조적 근거를 성공적으로 식별했다. CDK2 케이스 스터디에서, 모델은 강한 결합이 Lys89와의 특정 접촉과 상관관계가 있음을 정확히 식별하여, 설폰아미드 그룹의 배열을 바탕으로 강력한 리간드와 약한 결합 리간드를 구분해 냈다.
교차 화학형 예측:
- Tyk2: 니코틴아미드 화학형으로 학습된 모델은 상당한 구조적 차이에도 불구하고 이미다조피리다진(IZP) 화합물의 효능을 성공적으로 예측했다.
- BMS 내부 타겟: 바이아릴 골격(화학형 A)으로 학습된 모델이 아세틸렌 골격(화학형 B) 시리즈의 순위를 성공적으로 매겼다.
- 이는 쿼리 분자가 동일한 결합 포켓을 점유하고 훈련 세트에 의해 정의된 SimFP 공간으로 특징화될 수 있다면, 모델이 화학적 다양성을 가로질러 일반화될 수 있음을 시사한다.

의의 및 주장
본 논문은 MDFitML이 특히 데이터가 제한된 환경에서 기존의 자유 에너지 및 포즈 기반 ML 방법론에 대한 강력한 대안을 제공한다고 주장한다. 이 방법의 주요 의의는 해석 가능성에 있다. MD 상호작용을 통해 효능 차이를 학습함으로써, 모델은 고차원 화학 기술자를 사용할 때 흔히 소실되는 예측에 대한 구조적 근거를 전례 없는 수준으로 제공한다.

저자들은 자유 에너지 섭동(FEP)과 표준 ML 모델 모두 쿼리 분자가 훈련 화학 공간에서 크게 벗어날 때(위상 공간 중첩 문제 또는 구조적 불일치로 인해) 신뢰도가 감소하는 반면, MDFitML은 포켓 상호작용 공간에 집중함으로써 이를 완화한다고 강조한다. Tyk2 및 BMS 내부 타겟 사례에서 입증된 바와 같이, 이 방법은 쿼리 리간드가 동일한 포켓에 결합한다는 전제하에, 넓은 화학적 거리를 신뢰성 있게 횡단하면서도 해석 가능성을 유지할 수 있게 한다. 이 워크플로는 신약 개발 프로젝트의 디자인 트리아징(design triaging)을 위한 실용적인 도구로서 확장 가능하고 재현 가능하도록 설계되었다.

유사한 논문