Deep Ensemble Learning with Graph Attention Mechanisms for Molecular Classification of HIV Inhibitors

새로운 약물을 찾는 과정은 마치 건초더미에서 바늘을 찾는 것과 비슷하지만, 그 건초더미는 분자라고 불리는 수십억 개의 작고 복잡한 형태들로 이루어져 있습니다. 수십 년 동안 과학자들은 어떤 형태가 바이러스를 멈출 수 있는지 테스트하기 위해 물리적 실험에 의존해 왔으며, 이 과정은 느리고 비용이 많이 들며 종종 좌절스러울 정도로 비효율적이었습니다. 최근 몇 년 사이, 이 탐색 과정을 가속화하기 위한 새로운 도구가 등장했습니다. 바로 인공지능입니다. 모든 분자를 실험실에서 일일이 테스트하는 대신, 연구자들은 이제 컴퓨터에게 어떤 분자 구조가 약물로서 효과가 있을지를 암시하는 패턴을 인식하도록 가르칠 수 있습니다. 이를 위해 그들은 화학식을 컴퓨터가 이해할 수 있는 두 가지 다른 언어로 변ែ합니다. 한 가지 언어는 분자를 국소적인 세부 사항을 포착하는 지문처럼 긴 특징 목록으로 분해합니다. 다른 언어는 분자를 하나의 지도처럼 취급하며, 여기서 원자는 도시이고 화학 결합은 이들을 연결하는 도로가 되어, 분자가 어떻게 행동하는지를 정의하는 형태와 연결성을 보존합니다.

노스 사우스 대학교(North South University)와 웹스터 대학교(Webster University)의 연구진은 최근 이러한 디지털 도구들을 현대 의학의 가장 지속적인 과제 중 하나인 인간 면역결핍 바이러스(HIV)를 차단하는 새로운 방법을 찾는 데 적용했습니다. 치료법이 존재함에도 불구하고 이 바이러스는 여전히 전 세계 수백만 명에게 영향을 미치고 있으며, 기존 약물에 대해 빈번하게 내성을 발달시키기 때문에 새로운 억제제를 발견하는 것은 시급한 우선순위입니다. 연구진은 41,000개 이상의 분자 구조를 포함하고 있으며, 각 구조가 HIV에 활성(active) 상태인지 비활성(inactive) 상태인지 라벨링 된 방대한 공개 데이터베이스를 활용했습니다. 그러나 이 데이터셋은 상당한 난관을 제시했습니다. 대다수의 분자가 바이러스와 싸우는 데 아무런 역할을 하지 못했으며, 활성을 보이는 분자는 약 3.5%에 불과했습니다. 이러한 극단적인 불균형은 마치 파란색 구슬이 가득 담긴 양동이에서 소수의 빨간색 구슬을 찾는 것과 같습니다. 이런 데이터로 학습된 컴퓨터 모델은 단순히 모든 것에 대해 "파란색"이라고 답함으로써 매우 높은 정확도를 가진 것처럼 보일 수 있지만, 실제 임무인 빨간색 구슬 찾기에는 완전히 실패할 수 있습니다.

이를 해결하기 위해 연구팀은 분자 데이터를 읽는 데 있어 각기 독특한 접근 방식을 취하는 여러 가지 인공지능 모델을 구축하고 테스트했습니다. 그들은 먼저 "지문" 방식의 데이터에 의존하는 전통적인 머신러 러닝 방법으로 시작하여, 복잡한 정보를 분류하는 데 능숙한 것으로 잘 알려진 알고리즘들을 사용했습니다. 또한 그들은 분자를 지도로 취급하는 더 발전된 딥러닝 시스템을 구축했는데, 여기에는 그래프 어텐션 네트워크(Graph Attention Network)라는 기술이 사용되었습니다. 이 특정 유형의 네트워크는 원자 사이의 연결을 살펴보고 어떤 부분이 활성에 가장 중요한지를 결정하도록 설계되었는데, 이는 마치 인간 전문가가 청사진에서 가장 중요한 세부 사항에 집중하는 것과 유사합니다. 활성 분자의 희소성을 다루기 위해 연구진은 학습 데이터를 신중하게 조정하여, 컴퓨터가 흔한 비활성 사례만큼이나 희귀한 활성 사례에도 동등한 주의를 기울이도록 했습니다. 또한 그들은 가장 성능이 좋은 모델들을 하나의 "스태킹(stacking)" 앙상블로 결합하였는데, 여기서 여러 가지 서로 다른 시스템이 함께 작동하며, 최종적인 피드포워드 신경망(feedforward neural network)이 심판 역할을 하여 최종 결정을 내립니다.

결과에 따르면 각기 다른 접근 방식들이 저마다의 강점을 가지고 있었지만, 이들을 결합했을 때 가장 신뢰할 수 있는 예측을 얻을 수 있었습니다. 전통적인 머신 러닝 모델들은 매우 우수한 성능을 보였으며, 특히 XGBoost는 활성 억제제를 약 85.7%의 확률로 정확히 식별해 냈습니다. 분자 지도로부터 직접 학습하는 그래프 기반 딥러닝 모델은 약간 낮은 정확도를 기록했지만, 활성 화합물과 비활성 화합물을 구별하는 능력에서는 탁월한 성과를 보였는데, 이는 신약 개발에서 매우 중요한 기술입니다. 그러나 가장 성공적인 접근법은 랭덤 포레스트(Random Forest), 라이트GBM(LightGBM), 카트부스트(CatBoost), XGBoost 등 상위 4개의 머신 러닝 모델과 신경망 심판을 결합한 앙상블 방법이었습니다. 이 결합된 시스템은 약 85.2%의 정확도를 달성했으며, 올바른 후보를 잘못된 것보다 높은 순위에 배치하는 높은 능력을 입증했습니다. 아마도 가장 중요한 점은, 그래프 기반 모델이 자신의 사고 과정을 보여주었다는 것입니다. 네트워크가 어떤 원자에 가장 집중했는지를 분석함으로써, 연구진은 컴퓨터가 산소나 질소 원자와 같이 바이러스와 상호작용하는 것으로 알려진 특정 화학 그룹을 정확히 식별하고 있다는 것을 확인할 수 있었습니다. 이는 모델이 단순히 무작위적인 패턴에 근거해 추측하는 것이 아니라, 실제로 이 약물들이 어떻게 작동하는지를 결정하는 실제 화학적 규칙을 학습하고 있음을 시사합니다.

이 연구는 단일 방법론이 완벽할 수는 없지만, 신약 개발의 미래는 여러 관점을 함께 사용하는 데 있다고 결론짓습니다. 지문 기반 모델은 일반적인 패턴을 포착하는 데 빠르고 효과적이며, 그래프 기반 모델은 분자의 형태와 상호작용에 대한 더 깊은 이해를 제공합니다. 이러한 접근 방식들을 결합함으로써, 과학자들은 더욱 견고한 스크리닝 도구를 만들 수 있습니다. 연구진은 또한 컴퓨터가 분자의 어느 부분을 중요하게 생각하는지 시각화할 수 있는 능력이 신뢰와 명확성을 더해주며, 인공지능을 설명 없이 답만 내놓는 "블랙박스"에서 자신의 풀이 과정을 보여줄 수 있는 투명한 파트너로 변화시킨다고 강조했습니다. 이 연구가 HIV의 치료제를 찾아냈다고 주장하는 것은 아니지만, 화학적 가능성을 걸러내는 데 있어 더 정교하고 효율적인 방법을 제공함으로써, 컴퓨터 화면에서 생명을 구하는 약물로 이어지는 여정을 가속화할 수 있는 길을 열어주었습니다.