MEDI:GATE NEWS 칼리시와 영남대 연구팀, AI로 할로겐 독성의 통념을 깨다

기사입력시간 25.08.13 14:20최종 업데이트 25.08.13 14:20

칼리시(Calici)와 영남대 공동 연구팀이 Briefings in Bioinformatics 저널에 실린 최신 논문에서 독성 예측의 패러다임을 전환할 획기적인 성과를 발표했다고 13일 밝혔다. 이들은 ‘HD-GEM(Hybrid Dynamic Graph-based Ensemble Model)’이라는 최첨단 AI 모델을 통해, 기존 약물 설계에서 일반적으로 회피되던 ‘할로겐화 구조’가 오히려 특정 조건에서 독성을 낮출 수 있음을 과학적으로 입증했다. 이 연구는 약물 설계의 중요한 요소인 할로겐(플루오린, 클로린, 브로민, 아이오딘 등) 치환이 실제로는 독성을 증가시킨다는 기존의 가설을 정면으로 반박했다. 연구팀은 1~3개의 방향족 고리(scaffold)를 포함하는 수천 개의 화합물과 실제 약물 구조에 대해 AI 예측을 수행한 결과, 아이오딘과 같은 일부 할로겐은 오히려 간독성과 심장독성을 줄이는 효과가 있음을 발견했다. 또한 다중 할로겐 치환(polyhalogenation)은 생리활성을 증대시키고 대사 안정성을 높여 독성 저하로 이어질 수 있다는 사실도 밝혀냈다. 칼리시는 이 연구에서 HD-GEM 모델의 고도화 및 실험 데이터셋 구축에 참여했다. HD-GEM은 그래프 신경망(GNN) 기반의 구조 학습과 화학 지문(descriptor) 기반의 특성 인식을 통합한 하이브리드 AI 모델로, 기존 예측 도구(ProTox, ADMETlab 등) 대비 높은 정확도와 해석 가능성을 보여주었다. 특히 SHAP 기반 피처 선택, SMOTE 기반 클래스 불균형 보정, Optuna 최적화 등의 최신 기법이 적용되어 AI 독성예측의 정밀도를 극대화했다. 논문의 교신저자인 영남대 화학공학부 이진태 교수는 칼리시와의 이번 성과를 바탕으로 Pharmaco-Net의 독성 예측 기능을 강화해, 향후 간·심장 독성 외에도 신장독성, 돌연변이 유발성 등의 다양한 독성 지표에 대한 AI 학습 확장을 예고하고 있다고 기대감을 나타냈다. 이 연구는 특히 기존 약물의 리포지셔닝, 항생제 설계, 기능성 물질 개발 등에서 할로겐화 전략의 재조명을 가능하게 하는 계기가 될 것으로 평가된다. 이번 연구는 한국연구재단(NRF), 과학기술정보통신부(MSIT), 한국보건산업진흥원(KHIDI), 경상북도 의성군 In Silico 산업화 기반 구축 사업 지원 아래 수행됐으며, 칼리시는 미국과 한국에 거점둔 AI 기반 신약개발 바이오 스타트업으로, IBK기업은행이 운영하는 혁신 창업기업 육성 프로그램 ‘IBK창공’에 대전 6기로 선정됐다.

제보 공유

칼리시와 영남대 연구팀, AI로 '할로겐 독성'의 통념을 깨다

칼리시(Calici)와 영남대 공동 연구팀이 Briefings in Bioinformatics 저널에 실린 최신 논문에서 독성 예측의 패러다임을 전환할 획기적인 성과를 발표했다고 13일 밝혔다.

이들은 ‘HD-GEM(Hybrid Dynamic Graph-based Ensemble Model)’이라는 최첨단 AI 모델을 통해, 기존 약물 설계에서 일반적으로 회피되던 ‘할로겐화 구조’가 오히려 특정 조건에서 독성을 낮출 수 있음을 과학적으로 입증했다. 이 연구는 약물 설계의 중요한 요소인 할로겐(플루오린, 클로린, 브로민, 아이오딘 등) 치환이 실제로는 독성을 증가시킨다는 기존의 가설을 정면으로 반박했다.

연구팀은 1~3개의 방향족 고리(scaffold)를 포함하는 수천 개의 화합물과 실제 약물 구조에 대해 AI 예측을 수행한 결과, 아이오딘과 같은 일부 할로겐은 오히려 간독성과 심장독성을 줄이는 효과가 있음을 발견했다. 또한 다중 할로겐 치환(polyhalogenation)은 생리활성을 증대시키고 대사 안정성을 높여 독성 저하로 이어질 수 있다는 사실도 밝혀냈다.

칼리시는 이 연구에서 HD-GEM 모델의 고도화 및 실험 데이터셋 구축에 참여했다. HD-GEM은 그래프 신경망(GNN) 기반의 구조 학습과 화학 지문(descriptor) 기반의 특성 인식을 통합한 하이브리드 AI 모델로, 기존 예측 도구(ProTox, ADMETlab 등) 대비 높은 정확도와 해석 가능성을 보여주었다. 특히 SHAP 기반 피처 선택, SMOTE 기반 클래스 불균형 보정, Optuna 최적화 등의 최신 기법이 적용되어 AI 독성예측의 정밀도를 극대화했다.

논문의 교신저자인 영남대 화학공학부 이진태 교수는 칼리시와의 이번 성과를 바탕으로 Pharmaco-Net의 독성 예측 기능을 강화해, 향후 간·심장 독성 외에도 신장독성, 돌연변이 유발성 등의 다양한 독성 지표에 대한 AI 학습 확장을 예고하고 있다고 기대감을 나타냈다. 이 연구는 특히 기존 약물의 리포지셔닝, 항생제 설계, 기능성 물질 개발 등에서 할로겐화 전략의 재조명을 가능하게 하는 계기가 될 것으로 평가된다.

이번 연구는 한국연구재단(NRF), 과학기술정보통신부(MSIT), 한국보건산업진흥원(KHIDI), 경상북도 의성군 In Silico 산업화 기반 구축 사업 지원 아래 수행됐으며, 칼리시는 미국과 한국에 거점둔 AI 기반 신약개발 바이오 스타트업으로, IBK기업은행이 운영하는 혁신 창업기업 육성 프로그램 ‘IBK창공’에 대전 6기로 선정됐다.

오탈자 신고 스크랩 인쇄 제보 공유

박도영 기자 (dypark@medigatenews.com)더 건강한 사회를 위한 기사를 쓰겠습니다

이 기자의 다른 기사 보기

댓글보기(0)