📄 chemistry

Chemical Similarity derived from Statistical Evaluation of Pharmaceutical Drugs: A Comparison across other Fingerprint Methods

이 논문은 의약품 내 원자 환경의 확률에 기반한 새로운 통계적 유사성 방법을 소개하며, 기존의 핑거프린트 기술들과의 광범위한 벤치마킹을 통해 이 방법이 후기 단계 신약 개발 및 바이오이소스터 교환과 관련된 독특한 화학적 특징들을 포착해 낸다는 것을 입증한다.

원저자: Michael C Hutter

게시일 2026-06-29

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Michael C Hutter

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

당신이 거대한 화학 화합물 라이브러리에서 특정 분자의 "쌍둥이"를 찾으려고 한다고 상상해 보십시오. 보통 과학자들은 분자의 "신분증"—벤젠 고리나 염소 원자와 같은 부품들의 목록—을 확인하여 다른 분자들이 동일한 부품을 가지고 있는지 체크합니다. 이것은 두 자동차가 제조사, 모델, 색상이 같은지 확인하는 것과 같습니다. 만약 그렇다면, 그들은 "유사하다"고 간주됩니다.

하지만 이 논문은 이러한 "신분증" 방식이 너무 단순하다고 주장합니다. 이 방식은 부품의 *맥락(context)*을 놓치고 있습니다. 단지 두 자동차에 "V8 엔진"이 있다고 해서 그들이 쌍둥이는 아닙니다. 하나는 레이싱카일 수도 있고, 다른 하나는 패밀리 밴일 수도 있기 때문입니다. 화학에서도 탄소 원자는 주변이 산소 원자로 둘러싸여 있는지, 아니면 다른 탄소들로 둘러싸여 있는지에 따라 매우 다르게 행동합니다.

새로운 접근 방식: "이웃 감시(Neighborhood Watch)" 방법

저자인 마이클 허터(Michael Hutter)는 **통계적 유사성(Statistical Similarity)**이라 불리는 새로운 유사성 측정법을 소개합니다. 단순히 부품의 존재 여부를 확인하는 대신, 이 방법은 *"이 특정 원자가 이 특정 이웃에서 발견될 확률이 얼마나 되는가?"*라고 묻습니다.

이것은 원자들을 위한 이웃 감시(Neighborhood Watch) 프로그램과 같습니다:

기존 방식: "강아지가 보이네. 너도 강아지 있어? 있으면 됐어, 우린 비슷해!"
새로운 방식: "강아지가 보이네. 이 강아지는 베벌리 힐즈의 저택에 사는 푸들인가, 아니면 작은 아파트에 사는 치와와인가? 만약 네가 저택에 사는 푸들을 가지고 있다면 우리는 매우 유사해. 하지만 네가 아파트에 사는 치와와를 가지고 있다면, 비록 둘 다 강아지를 가지고 있더라도 우리는 그다지 유사하지 않아."

연구진은 실제 제약 약물 수천 개를 분석하여 이러한 "이웃(neighborhoods)"에 대한 방대한 데이터베이스를 구축했습니다. 그들은 특정 유형의 원자들이 서로 인접하여 나타날 통계적 확률을 계산했습니다(최대 세 단계 거리까지). 이를 통해 무엇이 실제 현장에서 "성공적인" 약물 변형인지를 보여주는 지도를 만들었습니다.

이것이 왜 중요한가: "바이오이소스터(Bioisostere)" 퍼즐

약물 설계에서 과학자들은 종종 부작용을 해결하거나 약물을 더 잘 작동하게 만들기 위해 분자의 한 부분을 다른 부분으로 교체해야 합니다. 이러한 교체를 **바이오이소스테릭 치환(bioisosteric replacements)**이라고 부릅니다.

과제: 때때로 벤젠 고리(탄소 육각형)를 푸란 고리(산소가 포함된 오각형)로 교체해야 할 때가 있습니다. 모양은 달라 보이지만, 몸 안에서는 똑같이 작용할 수 있습니다.
기존 방식: "이들은 형태가 완전히 다르므로 유사하지 않다"라고 말할 수 있습니다.
새로운 방식: 통계 데이터를 살펴보고 이렇게 말합니다. "아, 성공적인 약물들에서 과학자들은 특정한 종류의 푸란을 벤젠 대신 사용하곤 해. 왜냐하면 그것이 형태를 바꾸면서도 동일한 '느낌(친수성/소수성)'을 유지하기 때문이지. 따라서 이들은 유사해."

실험: 방법론 비교

저자는 이 새로운 방법을 MACCS, Morgan, RDKIT 핑거프린트와 같은 여섯 가지의 다른 대중적인 유사성 측정 방식과 비교 테스트했습니다.

테스트: 그들은 특정 질병을 표적으로 하는 54개의 서로 다른 약물 그룹을 가져왔습니다. 각 그룹에 대해 다음과 같이 물었습니다: "우리가 약물 A에서 시작한다면, 가장 가까운 매칭 대상은 어떤 약물들인가?"
결과: 그들은 새로운 방법이 생성한 "가장 가까운 매칭" 목록을 기존 방법들이 생성한 목록과 비교했습니다.
발견: 새로운 방법은 다른 방법들과 매우 다른 목록을 만들어냈습니다. 상관관계는 낮았습니다.

이것이 무엇을 의미하는가?

이것은 나쁜 것이 아닙니다. 오히려 좋은 신호입니다. 이는 새로운 방법이 완전히 다른 렌즈를 통해 분자를 바라보고 있다는 것을 의미합니다. 기존의 방법들이 자동차의 부품 목록을 확인하는 것이라면, 이 새로운 방법은 자동차의 주행 기록과 동네 환경을 확인하는 것과 같습니다.

이 논문은 이 새로운 방법이 특히 다음을 인식하는 데 탁-월하다는 것을 보여줍니다:

미묘한 치환: 메틸기를 특정 종류의 불소로 교체하는 것이 약물 설계에서 흔하고 성공적인 전략임을 이해합니다.
맥락의 중요성: 고리 구조 안에 있는 질소 원자와 사슬 구조에 있는 질소 원자가 다르게 행동한다는 점을 이해합니다.
실제 성공 사례: 실제 시장에 출시된 약물 데이터를 기반으로 구축되었기 때문에, 이 방법은 단순히 종이 위에서 비슷해 보이는 것이 아니라, 화학자들이 이미 효과가 있다고 증명한 것들을 반영합니다.

요약하자면

이 논문은 분자를 바라보는 새로운 "통계적 눈"을 소개합니다. 단순히 부품을 세는 대신, 그 부품들이 성공적인 의약품에서 함께 나타날 가능성을 가중치로 둡니다. 이것은 단순한 체크리스트에서 업그레이드하여, 약물 성분의 더 나은 대체물을 찾는 데 도움을 주는, 약물 화학의 "문화"를 이해하는 정교한 AI로 진화하는 것과 같습니다. 기존의 방법들이 놓칠 수 있는 부분을 찾아내는 것입니다.

기술 요약: 통계적 평가에 기반한 의약품의 화학적 유사성

문제 제Statement
전통적인 분자 유사성 방법은 2D 위상 구조에서 유도된 특정 부분 구조나 특징의 존재 여부를 인코딩하는 이진 표현(분자 지문)에 크게 의존한다. 이러한 방식은 공통된 부분 그래프를 식별하는 데는 효과적이지만, 기능적 측면(예: 수소 결합, 소수성)은 유지하면서 ADMET 특성을 개선하기 위해 핵심 골격을 변경하는 "생체 등가체(bioisosteric)" 치환의 미묘한 차이를 포착하는 데는 어려움을 겪는 경우가 많다. 더욱이, 표준 지문 접근 방식은 모든 파편을 동일하게 취급하여, 성공적인 약물에서 발생하는 특정 원자 환경의 통계적 발생 가능성을 무시한다. 과제는 단순한 동형 부분 그래프 매칭이나 단순한 파편 개수에 의존하는 것이 아니라, 후기 단계 약물 개발에서 관찰되는 특정 원자 인접성의 확률과 성공적인 변형을 고려하는 유사성 기준을 설계하는 것이다.

방법론
저자들은 이진 온/오프(on/off) 특징을 넘어, 특정 원자 유형이 화학적 인접 범위(최대 3차 이웃까지) 내에서 발견될 통계적 확률을 활용하는 새로운 "통계적 유사성" 방법을 소개한다.

데이터 소스: 이 방법은 4,373개의 의약품(2018~2024년 사이의 국제 일반명 포함 및 역사적 약물 포함) 데이터셋을 통해 학습되었다. 이 세트에는 거대 펩타이드, 항체 및 비표적 상호작용 물질은 제외되었다.
원자 유형화: 본 연구는 MM+ 포스 필드(38개의 비수소 유형 및 6개의 수소 유형)를 기반으로 한 48개의 뚜렷한 원자 유형을 활용한다. 이 유형들은 혼성, 결합(단일, 이중, 삼중, 방향족) 및 약리단(pharmacophoric) 특징을 고려한다.
확률 계산:
- 1-1 상호작용: 원자 유형 $i$ 의 확률( $p_i$ )은 해당 원자 유형의 수를 전체 원자의 총합으로 나눈 값으로 계산된다.
- 다원자 상호작용 (1-2, 1-3, 1-4): 결합, 각도 및 비틀림(torsion)에 대한 확률은 결합 가수와 관련된 원자의 수를 고려하여 계산된다. 상호작용이 우연히 발생할 가능성을 결정하기 위해 "귀무 가설"이 설정된다. 이 확률들은 비교를 용이하게 하기 위해 로그 형태로 저장된다.
유사성 점수 산출:
- 쿼리 분자( $Q$ )와 참조 분자( $R$ )에 대해 네 가지 행렬(1-1, 1-2, 1-3, 1-4 상호작용을 나타냄)이 구축된다.
- 이 행렬들의 항목은 두 원자의 확률을 평균내고 최대 확률로 정규화한 점수 함수를 사용하여, $Q$ 의 원자를 $R$ 의 대응하는 원자로 교체할 가능성을 나타낸다.
- 원시 유사성 점수는 각 원자에 대한 최대 매치(maximum matches)를 합산하고 상호작용 행렬의 수(4개)로 나누어 도출된다.
스케일링(Scaling): 분자 간의 크기 차이를 해결하기 위해, 저자들은 로그 스케일링 방법(식 5)을 도입한다. 이는 원시 점수를 더 작은 분자의 원자 수에 크기 차이의 자연로그와 1을 더한 값으로 스케일링한다. 이 접근 방식은 일치하지 않는 원자에 대한 페널티를 적절히 조절하면서 크기 차이에 따른 불균형한 페널티를 방지하지만, 저자들은 유연성을 위해 다섯 가지 스케일링 변형(산술, 기하, 조화 평균 포함)이 제공됨을 명시하였다.
평가: 이 방법은 Spearman의 순위 상관 계수를 사용하여 6가지 다른 지문 방법(MACCS, Morgan, RDKit, Avalon, Atom-Pairs, Topological Torsion)과 비교되었다. 평가는 54개의 임상적으로 관련 있는 타겟 데이터셋을 대상으로 수행되었으며, 상위 5개(5NN), 상위 10개(10NN) 및 전체 화합물 세트에 대한 순위를 계산하였다.

주요 결과

차별성: 통계적 유사성 방법은 다른 모든 지문 방법과 가장 낮은 중앙값 쌍별 상관관계를 보였다. 이는 이 방법이 밑바탕이 되는 화학적 특징을 전통적인 이진 지문과는 다르게 처리하며, 기존 지문에 반영되지 않은 정보를 포착하고 있음을 나타낸다.
생체 등가체 순위 지정: 이 방법은 다양한 화학적 변형에 대해 감소하는 유사성 서열을 성공적으로 생성하였다:
- 치환기: 벤젠 대 사이클로헥산에서의 치환기를 구별하였으며, 데이터셋의 화학적 특성을 반영하여 사이클로헥산보다 벤젠에 대해 아지도(azido) 및 니트로(nitro) 그룹을 선호하는 것을 정확히 보여주었다.
- 생체 등가체: 벤젠, 퓨란, 탄산 및 메틸렌 그룹의 생체 등가체를 순위화하였다. 예를 들어, 벤젠의 대체제로 2-메틸티오펜이 할로겐화된 대응물보다 높게 순위가 매겨졌는데, 이는 추가적인 수소 결합 수용체를 도입하기보다 소수성 보존을 선호하는 경향을 반영한다.
- 대사 고려 사항: 이 순위는 바데나필(vardenafil) 대 실데나필(sildenafil)의 사례와 같이 특정 5원환 방향족 고리를 사용하여 특성을 미세 조정하는 것과 같은 알려진 대사 전략과 일치하였다.
확장성: 상관관계 범위의 산포는 데이터셋의 크기와 무관한 것으로 나타났으며, 이는 다양한 규모의 화학 공간에 걸친 이 방법의 견고성을 시사한다.

의의 및 주장
본 논문은 도입된 통계적 유사성 방법이 유사성 척도 내에 "성공적인 생체 등가체 치환의 가능성"을 직접 내재화함으로써 화학적 유사성에 대한 독특한 관점을 제공한다고 주장한다. 정적인 부분 그래프 동형성이나 단순한 파편 개수에 의존하는 전통적인 방법과 달리, 이 접근 방식은 성공적인 약물에서 발견되는 원자 환경의 통계적 발생 빈도를 고려한다.

저자들은 이 방법이 단순한 원자 교체가 아닌, 복잡한 구조적 변형(예: 벤질기 또는 카르복실산 그룹의 교체)을 통해 부작용이나 대사 문제를 회피해야 하는 합리적 약물 설계에서 특히 가치가 있다고 단언한다. 화학적 인접성과 원자 조합의 통계적 확률을 반영함으로써, 이 방법은 후기 단계 약물 개발의 핵심을 포착한다. 저자들은 이 방법이 기존 지문과 상관관계가 다르거나(종종 더 낮게) 나타나는 현상이 오류가 아니라, 가상 스크리닝 및 분자 설계에 보완적인 정보를 제공하는 특징임을 강조한다.

구현 코드(PERL)와 사용된 화합물 데이터셋은 공개 GitHub 저장소를 통해 제공되어, 재현 및 사용자 제공 화합물 세트로의 적응이 가능하다.

유사한 논문