Biomolecule-referenced structural relationships determine cell line-specific anticancer activity among positional isomers

기술 요약: 항암 활성에 있어서의 생체분자 참조 구조적 관계

문제 정의
치환기의 위치만 다른 화합물인 위치 이성질체(positional isomers) 간의 미세한 구조적 차이는 표적 상호작용, 세포 투과성, 세포 내 분포의 변화를 포함하여 현저히 다른 약리학적 활성을 초래할 수 있다. 암 세포주별 약물 반응을 예측하는 것은 매우 중요하지만, 기존의 분자 표현법과 $\text{IC}_{50}$ 예측 모델은 이러한 미세한 구조적 차이를 적절히 해결하지 못하는 경우가 많다. 기존의 회귀 모델은 보지 못한 화학 구조에 대한 일반화 능력이 부족하며, 딥러닝 접근 방식은 종종 해석 가능성이 떨어진다. 또한, 암 세포주는 유사한 조건에서도 아미노산 대사 및 지질 생성과 같은 독특한 세포 내 대사 프로그램을 나타내며, 이는 약물 민감도가 특정 세포 내 생체분자와 약물 사이의 상대적인 구조적 관계에 의해 영향을 받는다는 것을 시사한다.

방법론
본 연구는 위치 이성질체 수준의 구조적 차이가 항암 활성에 어떻게 기여하는지를 정량화하기 위해 **생체분자 참조 기술자(BiReD, Biomolecule-Referenced Descriptors)**와 해석 가능한 랭킹 프레임워크를 도입한다.

1. 데이터 준비: NCI-60 약물 활성 데이터셋을 사용하여 화합물을 위치 이성질체 관계에 따라 그룹화하였다. 데이터 누수를 방키하고 모델이 보지 못한 이성질체 그룹으로 일반화할 수 있는 능력을 보장하기 위해, 이성집단 수준에서 데이터를 분할하였다(2:8 기질/모델 분할; 8:2 훈련/테스트 분할).
2. BiReD 계산: 항암제와 세포 내 생체분자 사이의 상대적인 구조적 및 물리화학적 관계를 정량화하기 위해 세 가지 기술자를 개발하였다:
   • PC-HCI (포스파티딜콜린 친수성 호환 지수): 화합물과 지질 참조 물질인 1-POPC 사이의 친수성 구조의 분자 내 분포 유사도를 평가한다.
   • PC-LCI (포스파티딜콜린 친유성 호환 지수): 1-POPC 대비 화합물의 친유성 구조의 분자 내 분포 유사도를 평가한다.
   • AA-PIR (아미노산 위치 상호작용 비율): 화합물의 구조적 배치가 아미노산 참조 구조(여러 아미노산의 평균값으로 계산됨)와 얼마나 유사한지를 나타낸다.
   • 계산 로직: 이 지수들은 분자 중심으로부터의 거리와 할당된 질량을 기반으로 물리화학적 특성 관련 구조의 배치를 평가하며, 분자량에 의해 정규화되고 참조 구조에 대한 상대적 값으로 표현된다.
3. 랭킹 모델 구축: 절대적인 $\text{IC}_{50}$ 값을 회귀로 예측하는 대신, 본 연구는 위치 이성질체 그룹 내에서의 상대적 약물 민감도를 평가하기 위한 랭킹 접근 방식을 채택하였다. 모델은 PC-HCI, PC-LCI, AA-PIR, 그리고 Chemprop 회귀 모델에 의해 예측된 $\text{IC}_{50}$ 값이라는 네 가지 설명 변수를 활용한다.
   • 2단계 최적화 과정을 통해 각 세포주에 대한 가중치 계수($W$), 보정 값($I$), 적용 가능한 구간을 결정하였다.
   • 모델은 세포주 특이적이며, 이는 세포주마다 대사 프로그램이 다름을 인정하는 것이다.
4. 민감도 분석: 구조적 변화가 예측된 활성에 어떻게 영향을 미치는지 정량화하기 위해 일회성(one-at-a-time) 민감도 분석을 수행하였다.
5. 후보 물질 생성: 3,072개의 알려진 항암제(기질)로부터 위치 이성질체를 생성하여 130,927개의 후보 물질 라이브러리를 구축하였다. 이들은 개발된 모델을 사용하여 조직 특이적 활성 순위를 예측하는 데 사용되었다.

주요 결과

• 모델 성능: BiReD 기반 랭킹 모델은 무작위 값(random values)을 사용하는 대조 모델에 비해 유의미하게 높은 예측 성능(C-index로 측정)을 보였다. 결정적으로, 훈련 및 테스트 데이터셋 사이에서 성능 저하가 나타나지 않았으며, 이는 보지 못한 위치 이성질체 그룹에 대한 강력한 일반화 능력을 나타낸다.
• 세포주 특이성: 민감도 분석 결과, 서로 다른 암 세포주에 따라 활성의 결정 요인이 되는 구조적 및 물리화학적 결정 요인이 다름이 밝혀졌다. 예를 들어, CNS 계열에서는 PC-LCI에 대해 음의 가중치 계수가 자주 할당되었는데, 이는 1-POPC 참조 물질과 친유성 구조 배치가 다른 화합물이 CNS 계열에서 더 높게 랭크됨(더 활성이 높음)을 시사한다. 반대로, 유방암(BR) 계열은 AA-PIR에 대해 빈번한 양의 가중치를 보였다.
• 변수 기여도: 예측된 $\text{IC}_{50}$ 값(화학적 구조에 기반함)은 많은 계열에서 양의 가중치를 가졌으나, BiReD 변수(지질 및 아미노산 참조)는 특정 세포주에 따라 가중치의 방향과 크기가 다양하게 나타났다. 이는 생체분자 상대적 관계가 이성질체 활성을 구별하는 데 매우 중요하다는 것을 확인시켜 준다.
• 후보 물질 식별: 본 연구는 더 낮은 $\text{IC}_{50}$ 값(높은 활성)을 보일 것으로 예측되는 특정 위치 이성질체 후보와 조직 특이적 활성 패턴을 식별하였다. 예를 들어, 멜라노마 계열의 세 가지 후보는 기질 화합물보다 높게 랭크될 것으로 예측되었으며, 다른 계열보다 멜라노마에서 우선적인 랭킹을 보였다.
• 데이터베이스 공개: BioChemCalc를 통해 60개 암 세포주에 대한 130,927개 위치 이성질체 후보의 예측 $\text{IC}_{50}$ 랭킹을 포함하는 공개 데이터베이스인 "Anticancer Activity Ranking Search"를 출시하였다.

의의 및 주장
본 논문은 위치 이성질체 간의 미세한 구조적 차이를 활용하여 항암제의 화학적 공간을 확장하는 체계적인 전략을 제공한다고 주장한다. 생체분자 참조 구조적 관계를 해석 가능한 랭킹 프레임워크와 통합함으로써, 본 연구는 기존 회귀 모델이 간과할 수 있는 약물 후보의 우선순위를 정하는 방법을 제시한다.

저자는 이 접근 방식이 다음과 같은 점을 강조한다:

• $\text{IC}_{50}$ 예측 기반의 일반적인 회귀 모델이 가진 일반화의 한계를 이성질체 그룹 내 상대적 랭킹에 집중함으로써 극복한다.
• 특정 구조적 기술자(예: 지질 대비 친유성 배치)를 세포주 특이적 활성과 연결함으로써 해석 가능성을 제공한다.
• 완전히 새로운 화학적 골격을 합성할 필요 없이 알려진 약물로부터 조직 특이적 약물 후보를 생성할 수 있게 한다.

저자는 제시된 후보들이 계산적 예측일 뿐이며 실험적으로 검증되지 않았음을 명시하며 신중한 태도를 유지한다. 또한 합성 용이성, 독성, 약동학 및 표적 선택성이 평가되지 않았음을 인정한다. 저자는 본 연구를 확정적인 신약 개발 솔루션이라기보다는 후속 실험 검증 및 합성을 위한 후보 물질의 우선순위를 정하는 프레임워크로 규정한다.