KAIST, 약물 부작용 및 용해도 예측 그래프 신경망 기술 개발

[충청뉴스 이성현 기자] 국내 연구진이 분자 내 중요한 하부 구조를 탐지해 분자 관계를 예측하는 기법을 개발했다.

한국과학기술원(KAIST)은 산업및시스템공학과 박찬영 교수 연구팀이 한국화학연구원과 공동연구를 통해 물질 내의 중요한 하부 구조를 탐지해 두 물질의 상호작용에 의해 발생하는 물리적 성질 예측의 높은 정확도를 달성할 수 있는 새로운 그래프 신경망 기법을 개발했다고 18일 밝혔다.

연구팀은 분자 구조의 화학적 특성을 결정하는 데 있어서 원자뿐만 아니라 작용기와 같은 분자내 하부 구조들이 중요한 역할을 한다는 점에 착안했다. 하이드록실기라는 작용기가 물에 대한 용해도를 결정하는데 중요한 역할을 한다는 것이다.

연구팀은 분자의 특성을 결정하는데 큰 영향을 끼치는 하부 구조를 추론하는 기술을 분자내의 중요한 정보를 최대한 압축해 보존하는 ‘정보 병목 이론’과 분자 내의 어떤 하부 구조가 분자의 고유한 특성을 결정 짓는데 큰 역할을 했는지 대한 인과 관계를 추론하는 ‘인과 추론 모형’을 활용하여 개발했다.

이를 통해 분자의 고유한 특성에 가장 큰 영향을 미치는 하부 구조를 찾아내었다. 또 분자 간 관계를 추론하는 문제에서는 상대방 분자에 따라 대상 분자의 중요한 하부 구조가 달라질 수 있다는 점을 착안해 물질 간 관계를 예측하는 모델을 제안했다.

이번 연구는 기존에 비해 약물 용해도 예측에서 11%의 성능 향상, 다중약물요법 부작용 예측에서 4%의 정확도 향상을 이뤄냈다. 또 인과 추론 모형을 기반으로 한 연구는 약물 용해도 예측에서 17%의 성능 향상, 약물 부작용 예측에서 2%의 정확도 향상을 이뤄냈다.

박찬영 교수는 “제안한 기술은 화학적 지식에 기반하여 분자 간의 관계를 예측해 화학과 생명과학을 포함한 다양한 분야에서 기계학습이 새로운 물질을 발견하는데 드는 시간과 비용을 획기적으로 단축할 수 있는데 도움이 될 것”이라고 설명했다.