Inverse design of chemical perturbations for desired cellular state transitions with GEMGen
이 논문은 원하는 세포 상태 전이를 유도하기 위한 새로운 화학 구조를 생성함으로써 섭동 생물학(perturbation biology)의 역설계 문제를 해결하고, 동물 모델에서 강력한 항섬유화 화합물을 성공적으로 식별 및 검증한 거대 언어 모델 기반 프레임워크인 GEMGen을 소개한다.
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
과학자들은 생명의 기계를 어떻게 조종할 수 있는지 이해하기 위해 오랫동안 노력해 왔습니다. 세포는 정적인 존재가 아닙니다. 세포는 다양한 신호에 반응하여 건강한 상태에서 질병 상태로, 또는 휴식 상태에서 활성 상태로 변화할 수 있는 역동적인 시스템입니다. 수십 년 동안 연구자들은 특정 화학적 또는 유전적 자극으로 세포를 찔렀을 때 어떤 일이 발생하는지 관찰함으로써 이러한 변화를 지도화해 왔습니다. 이러한 순방향 접근 방식—변화를 적용하고 그 결과를 관찰하는 방식—은 매우 성공적이었으며, 세포가 수천 가지의 서로 다른 물질에 어떻게 반응하는지를 알려주는 방대한 데이터 라이브러리를 구축했습니다. 그러나 더 어려운 과제가 남아 있습니다. 바로 거꾸로 작업하는 것입니다. 만약 연구자가 세포가 다시 건강해지기 위해 정확히 어떻게 변해야 하는지 알고 있다면, 그 변화를 강제할 수 있는 특정 화학 물질을 찾아내거나 만들 수 있을까요? 이것이 바로 역설계(inverse design) 문제로, 원하는 결과를 먼저 설정하고 그 결과를 만들어낼 도구를 찾기 위해 거꾸로 거슬러 올라가는 탐구입니다.
연구팀은 이제 GEMGen이라는 새로운 인공지능 프레임워크를 통해 이 과제에 도전했습니다. GEMGen은 단순히 기존의 화학 물질 목록을 스캔하여 어떤 것이 효과가 있을지 찾는 대신, 새로운 것을 발명하는 법을 배웁니다. 연구진은 화학 화합물과 그것이 세포의 유전적 활동에 일으키는 구체적인 변화를 연결하는 방대한 데이터를 바탕으로 모델을 학습시켰습니다. 여기서 유전적 활동이란 세포 내부에서 켜지거나 꺼지는 수천 개의 유전자를 의미하며, 이는 세포의 상태를 정의하는 고유한 서명을 생성합니다. 모델은 이러한 서명을 복잡한 숫자가 아니라, 마치 일련의 지침을 읽는 것처럼 정렬된 유전자 목록으로 읽는 법을 배웠습니다. 그런 다음 모델은 그 지침을 원하는 효과를 낼 수 있는 분자의 화학적 구조로 번역하는 법을 배웠습니다.
이 접근 방식의 힘은 이미 알려진 것 너머를 바라보는 능력에 있습니다. 전통적인 신약 개발은 종종 수백만 개의 기존 화학 물질을 테스트하며 적합한 것을 찾기를 희망하는 과정을 포함합니다. 반면, GEMGen은 처음부터 완전히 새로운 분자 구조를 생성합니다. 일련의 테스트에서 이 시스템은 특정 유전적 변화를 되돌릴 수 있는 화학 물질을 찾도록 요청받았습니다. 알려진 약물의 유전적 서명이 주어졌을 때, 모델은 원래의 약물과 구조적으로 유사한 새로운 분자들을 성공적으로 생성했습니다. 더욱 인상적인 점은, 모델이 화학적으로는 다르지만 동일한 생물학적 메커니즘을 통해 작동하는 분자들도 찾아냈다는 것입니다. 이는 시스템이 단순히 알려진 쌍의 목록을 암기한 것이 아니라, 화학 물질이 세포에 영향을 미치는 근본적인 논리를 학습했음을 시사합니다.
컴퓨터가 생성한 아이디어가 단지 이론에 그치지 않도록 하기 위해, 연구진은 실험실로 이동했습니다. 그들은 먼저 스트레스 반응에 관여하는 유전 경로를 대상으로 시스템을 테스트했습니다. 모델에게 특정 보호 유전자가 꺼진 상태의 세포 유전 서명을 제공했습니다. 모델은 해당 유전자의 활성을 복구할 수 있는 새로운 화학 물질 목록을 제안했습니다. 후보 물질 중 연구진은 플라보카와인 C(flavokawain C)라는 분자를 선택했는데, 이 물질은 이 특정 경로를 활성화하는 것으로 이전에 알려진 바가 없었습니다. 인간 세포에 테스트했을 때, 이 분자는 보호 유전자를 성공적으로 켰으며, 이는 AI가 기능적인 해결책을 정확히 식별했음을 확인시켜 주었습니다.
가장 중요한 테스트는 건강한 조직이 흉터가 생기고 딱딱해져 종종 장기 부전으로 이어지는 질환인 섬유증(fibrosis)을 대상으로 진행되었습니다. 연구진은 원하는 결과값을 '건강하고 흉터가 없는 상태로의 복귀'로 정의했습니다. 연구진은 GEMGen에 섬유증의 유전적 서명을 되돌릴 수 있는 화학 물질을 설계하도록 요청했습니다. 시스템은 과학계에 완전히 새로운 것들을 포함하여 후보 목록을 생성했습니다. 연구팀은 이 새로운 분자 17개를 처음부터 직접 합성했습니다. 세포 실험 결과, 8개의 분자가 흉터의 징후를 줄이는 데 성공했으며, 이는 새로운 화학적 발견치고는 놀라울 정도로 높은 성공률입니다.
이 중 GEMGen-010이라는 이름의 한 분자가 추가 연구를 위해 선정되었습니다. 연구진은 간 섬유증이 유도된 쥐를 대상으로 테스트를 진행했습니다. 치료제는 2주 동안 매일 투여되었습니다. 결과는 간 조직의 흉터가 명확하게 감소했음을 보여주었습니다. 치료받은 쥐들은 혈액 내 간 손상 지표 수치가 낮아졌으며, 섬유증과 관련된 유전적 변화가 역전된 모습을 보였습니다. 결정적으로, 이 분자는 초기 생성 이후 수정되거나 최적화되지 않았음에도 불구하고, AI가 설계한 그대로 작동했습니다.
이 연구는 인공지능을 사용하여 기존 약물의 변형이 아닌, 특정한 생물학적 결과를 만들어낼 수 있는 완전히 새로운 구조의 화학적 개입을 설계하는 것이 가능하다는 것을 보여줍니다. 세포의 원하는 상태를 하나의 지침 세트로 취급함으로써, 시스템은 이전에 본 적 없는 해결책을 찾기 위해 가능한 방대한 화학 구조의 공간을 탐색할 수 있습니다. 이 연구는 간 섬유증 및 스트레스 반응과 같은 특정 조건에 집중했지만, 이 방법론은 목표를 먼저 정의하고 그 목표에 맞는 도구를 발명하는 새로운 의학의 길을 제시합니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.