약제 발견이나 설계를 실시하는 창약 절차에선 목적한 약제 생성을 위한 후보 화합물이나 화학물질 선정, 작용 스크리닝 과정이 필요하다. 창약 과정에선 많은 비용과 오랜 시간이 걸리지만 기계학습을 수행해 AI가 불과 5분 안에 노화 방지제 후보 분자를 도출했다는 게 에딘버러대학 연구팀에 의해 보고됐다.
노화 세포라고 불리는 세포는 다양한 스트레스에 의해 염색체에 상처가 생기면서 돌이킬 수 없게 세푸 분열이 정지된 세포를 말한다. 체내에서 노화세포 수가 증가하면 2형 당뇨병이나 코로나19, 간질성 폐렴 변형성 관절증, 암 등 질환이 발병할 위험이 높아질 수 있다.
지금까지 연구에선 쥐에 노화 방지제를 투여해 노화 세포를 제거해 이런 질병 위험을 줄일 수 있다는 걸 보여줬다. 또 이런 약물은 건강한 세포에 악영향을 미치지 않고 노화 세포만 효과적으로 죽일 수 있다.
지금까지 항노화제 80종이 발견됐지만 실제로 인간에 대한 임상 시험이 이뤄진 건 다사티닙과 케르세틴 조합 2종류였다. 다양한 병에 사용할 수 있는 항노화제가 발견되는 게 요구되고 있지만 창약이나 제조 등을 거쳐 약제가 시장에 나오기까지는 수십 년과 수십억 달러 비용이 드는 게 문제시되고 있다.
따라서 연구팀은 새로운 노화 방지제를 확인하기 위해 AI를 이용한 기계학습 모델을 훈련시켰다. 연구팀은 AI에 대해 알려진 항노화제와 비항노화제 예를 제시하고 이들 2가지를 구별하는 학습을 실시했다.
지금까지 본 적 없는 분자가 항노화제가 될 수 있는지 예측하는 학습 결과 AI에 대해 4,340종류 분자를 주면 불과 5분 뒤에 AI는 결과 목록을 표시했다. AI가 제시한 목록에는 항노화제일 가능성이 높은 분자 21종이 포함되어 있었다.
연구팀은 기존에는 4,340종류 분자에서 노화방지제 후보가 되는 분자를 확인하기 시작하면 적어도 몇 주 이상 기간과 5만 파운드 이상 비용이 들었다고 말한다. 연구팀은 다음으로 AI가 발견한 항노화제 후보를 바탕으로 정상 세포와 노화 세포에 어떤 효과가 있는지 테스트했다. 그 결과 화합물 21종 중 3종(Periplocin, oleandrin, Ginkgetin)은 정상 세포에 영향을 주지 않고 노화 세포만 제거하는데 성공했다.
이들 3종 항노화제 후보 분자가 동물 체내에서 어떻게 작용하는지 자세하게 조사하기 위해 연구팀은 추가 테스트를 실시했다. 그 결과 이들 후보 중 올레안드린은 알려진 항노화제보다 효과가 높은 것으로 밝혀졌다.
연구팀은 AI를 이용한 기계학습이 충분한 품질 데이터를 제공해준다는 걸 확인할 수 있다면 화학자나 생물학자가 질병 치료법이나 약품 개발을 하는 과정을 가속화할 수 있을 것이라고 밝혔다. 연구팀은 실험에서 발견된 분자 3종을 인간 폐 조직에서 테스트하고 있으며 결과는 2025년 보고할 예정이다. 관련 내용은 이곳에서 확인할 수 있다.