Machine Learning–Based QSAR Screening of Natural Product and ZINC Libraries Uncovers Stable BACE-1 Inhibitors Validated by Gaussian Accelerated Molecular Dynamics (GaMD) Simulations

기술 요약: 천연물 및 ZINC 라이브러리의 머신러닝 기반 QSAR 스크리닝을 통한 안정적인 BACE-1 억제제 발굴 및 가우시안 가속 분자 역학(GaMD) 시뮬레이션을 통한 검증

문제 정의
알츠하이머병(AD)은 아밀로이드-β(Aβ) 펩리드의 축적으로 특징지어지는 흔한 신경퇴행성 질환으로, 이 펩리드는 신경 독성을 가진 플라크를 형성한다. β-사이트 아밀로이드 전구체 단백질 절단 효소 1(BACE-1)은 Aβ 생성을 담당하는 아밀로이드 생성 경로의 속도 결정 단계 효소이다. BACE-1 억제는 검증된 치료 전략이지만, 효소의 깊고 소수성인 활성 부위와 기존 임상 후보 물질에서 관찰된 독성 문제(예: 간, 안구 및 심장 독성)로 인해 강력하고 선택적인 억제제 개발이 저해되어 왔다. 전통적인 신약 개발 방법은 종종 시간이 많이 소요되고 비용이 많이 든다. 따라서 차세대 치료제 발견을 가속화하기 위해, 특히 천연물을 포함한 대규모 화학 라이브러리로부터 새롭고 구조적으로 안정적인 BACE-1 억제제를 효율적으로 식별할 수 있는 강력한 계산 프레임워크가 필요하다.

방법론
본 연구는 QSAR(정량적 구조-활성 관계) 모델링, 가상 스크리닝, 분자 도킹 및 고급 분자 역학(MD) 시뮬레이션을 결합한 통합 계산 파이프라인을 채택하였다.

1. 데이터셋 큐레이션 및 QSAR 모델링:

   • ChEMBL 데이터베이스에서 15,642개의 BACE-1 억제제 데이터셋을 추출하였다. 엄격한 전처리(표준화, 중복 제거, 나노몰 단위의 일관된 IC₅₀ 값 필터링)를 거쳐 1,532개의 고유한 화합물 세트를 구축하였다.
   • PaDEL-Descriptor와 RDKit을 사용하여 12가지 분자 지문 클래스(CDK, CDK Extended, PubChem, MAC-CS, Klekota-Roth, Substructure Count 포함)를 생성하였다.
   • Random Forest(RF) 알고리즘을 사용하여 QSAR 모델을 구축하였다. 데이터셋은 Kennard–Stone 알고리즘을 사용하여 훈련 세트(80%)와 외부 검증 세트(20%)로 분할되었다.
   • 모델 성능은 $R^2$, 교차 검증된 $Q^2_{cv}$, 그리고 외부 $Q^2_{ext}$를 사용하여 평가되었다. 예측 신뢰성을 보장하기 위해 Williams plot을 이용한 적용 영역(AD) 분석을 수행하였다.

2. 가상 스크리닝 및 도킹:

   • 최적화된 QSAR 모델을 ZINC 및 NPASS (천연물) 라이브러리에 적용하였다.
   • 상위 순위의 히트(hits)들은 억제제 CNP520이 결합된 인간 BACE-1 결정 구조(PDB ID: 6EQM)에 대해 AutoDock Vina를 사용하여 분자 도킹을 수행하였다. 활성 부위는 촉매 이중체(Asp32, Asp228)와 플랩-루프 잔기를 포함하도록 정의되었다.

3. 분자 역학 및 자유 에너지 계산:

   • 선택된 리간드-단백질 복합체는 Amber v24를 사용하여 200 ns의 가우시안 가속 분자 역학(GaMD) 시뮬레이션을 거쳤다. 이 향상된 샘플링 방법은 산성 엔도솜 조건(pH 5.0) 하에서의 동적 안정성, 형태적 유연성 및 결합 상호작용을 평가하는 데 사용되었다.
   • 안정성 지표에는 RMSD, RMSF, 회전 반경(RoG), 용매 접근 가능 표면적(SASA)이 포함되었다.
   • 집단 운동을 분석하기 위해 주성분 분석(PCA)이 수행되었으며, 결합 자유 에너지($\Delta G_{bind}$)는 분자 역학/일반화된 Born 표면적(MM/GBSA) 방법을 사용하여 계산되었다.

주요 기여 및 결과

• QSAR 모델 성능:

  • 12가지 지문 클래스 중 CDK Extended와 CDK 기술자가 가장 높은 예측 성능을 보였으며, CDK Extended의 경우 $Q^2_{cv} = 0.78 \pm 0.03$ 및 $Q^2_{ext} = 0.79 \pm 0.01$을 달성하였다.
  • Substructure Count 지문은 31개의 기술자만을 사용했음에도 불구하고 강한 예측 능력($Q^2_{ext} = 0.76$)과 계산 효율성을 입증하여 빠른 스크리닝에 적합함을 보여주었다.
  • 모델들은 좁은 $R^2$–$Q^2$ 간격(0.10–0.16)을 보여주었으며, 이는 견고한 일반화 능력과 최소화된 과적합을 나타낸다.
  • 물리화학적 분석 결과, 활성 화합물은 일반적으로 400–600 Da 사이의 분자량과 2–6 사이의 LogP 값을 가졌다.

• 가상 스크리닝 및 도킹:

  • 워크플로우를 통해 ZINC 및 NPASS 라이브러리에서 5개의 상위 순위 후보 물질인 NPC475168, NPC313966, NPC252056, NPC471858, ZINC71913776을 식별하였다.
  • 도킹 결과, 이 리간드들은 주요 촉매 잔기(Asp32, Asp228, Thr72, Thr231) 및 플랩-루프 영역과 강한 수소 결합 및 소수성 상호작용을 형성하였다.
  • NPC252056은 참조 억제제인 CNP520(–5.73 kcal/mol)보다 뛰어난 –13.08 kcal/mol의 가장 유리한 도킹 점수를 나타냈다.

• 동적 안정성 및 결합 친화도 (GaMD & MM/GBSA):

  • 안정성: 200 ns GaMD 시뮬레이션은 대부분의 복합체가 구조적으로 안정적임을 확인하였다. NPC471858과 NPC475168은 가장 조밀하고 단단한 구조(낮은 RMSD, 좁은 RoG 변동, 제한된 PCA 내 형태적 샘플링)를 보였다. 반면, NPC313966은 더 높은 형태적 유연성을 보였다.
  • 수소 결합: NPC475168은 시뮬레이션 전반에 걸쳐 가장 일관된 수소 결합 네트워크(3–4개 결합)를 유지하였으며, 이는 구조적 견고함과 상관관계가 있었다.
  • 결합 자유 에너지: MM/GBSA 계산 결과, NPC475168이 총 결합 자유 에너지 –64.84 kcal/mol로 가장 우수한 결합력을 가진 것으로 확인되었으며, 이는 참조 억제제인 CNP520(–41.06 kcal/mol)을 크게 상회하는 수치이다. NPC313966(–52.25 kcal/mol)과 NPC252056(–42.95 kcal/mol) 또한 강한 친화력을 보였으며, NPC471858(–40.39 kcal/mol)은 참조 물질과 유사한 수준을 보였다.

의의 및 주장
저자들은 본 연구가 BACE-1 억제제 발견을 위한 견고하고 통합된 계산 프레임워크(QSAR–MD)를 성공적으로 구축했다고 주장한다. 주요 의의는 우수한 결합 자유 에너지, 구조적 안정성 및 핵심 촉매 잔기와의 강한 상호작용을 특징으로 하는 매우 유망한 계산 리드(lead)로서 NPC475168을 식별했다는 점에 있다.

본 논문은 식별된 화합물들, 특히 NPC475168과 함께 NPC252056, NPC313966, NPC471858이 구조 기반 최적화를 위한 토대를 제공한다고 주장한다. 이 연구는 본 연구 결과가 차세대 BACE-1 억제제의 실험적 검증을 향한 단계임을 강조하며, 다단계 파이프라인이 높은 친화력과 동적 안정성을 모두 효과적으로 필터링함으로써 현재의 신약 개발 노력의 핵심적인 공백을 해결하고 있음을 제시한다. 저자들은 즉각적인 임상적 효능을 주장하는 것이 아니라, 이 분자들이 추가적인 생화학적 및 약동학적 평가를 위한 강력한 후보 물질임을 제시하고 있다.