화합물 생성AI 기술로 신약 개발 기간 줄인다

[이데일리 강민구 기자] 국내 연구진이 생성AI를 적용해 신약 개발을 앞당길 가능성을 제시했다.

제안하는 모델을 활용한 입력 특성값의 분자 구조 변환 결과.(자료=KAIST)

한국과학기술원(KAIST)은 예종철 김재철AI대학원 교수 연구팀이 분자 데이터에 ‘다중 모달리티 학습(multi-modal learning)’ 기술을 도입해, 분자 구조와 생화학적 특성을 동시에 생성하고 예측이 가능해 다양한 화학적 과제에 광범위하게 활용가능한 인공지능 기술을 개발했다고 25일 밝혔다.

심층신경망 기술을 통한 인공지능이 발달하면서 분자와 특성값 관계를 파악하려는 시도는 꾸준히 이뤄져 왔다. 최근 비지도 학습을 통한 사전학습 기법이 떠오르면서 분자 구조 자체로부터 화합물의 성질을 예측하는 인공지능 연구들이 제시됐다. 하지만 새 화합물을 생성하면서도 기존 화합물 특성을 동시에 예측하는 기술은 개발하지 못했다.

연구팀은 화학 특성값의 집합 자체를 분자를 표현하는 데이터 형식으로 간주해 분자 구조의 표현식과 함께 둘 사이의 상관관계를 학습하는 AI학습 모델을 제안했다. 분자 표현식 학습을 위해 컴퓨터 비전 분야에서 주로 연구된 다중 모달리티 학습 기법을 도입해 두 다른 형식의 데이터를 통합하는 방식을 이용했다. 이를 통해 원하는 화합물의 성질을 만족하는 새로운 화합물의 구조를 생성하거나 주어진 화합물의 성질을 예측하는 특성이 동시에 가능한 모델을 개발했다.

제안한 모델은 50가지 이상의 동시에 주어진 특성값 입력을 따르는 분자 구조를 예측하는 등 분자의 구조와 특성 모두의 이해를 요구하는 과제를 해결했다. 두 데이터 정보 공유를 통해 화학반응 예측, 독성 예측과 같은 다양한 문제에도 기존 인공지능 기술을 뛰어넘는 성능을 보였다.

연구팀은 독성 예측, 후보물질 탐색처럼 산업계에서 필요한 과제를 비롯해 다양한 생화학 영역에 응용할 수 있으리라고 기대했다.

예종철 KAIST 교수는 “새로운 화합물의 생성과 화합물의 특성 예측 기술을 통합한 화학분야의 새로운 생성 AI기술을 개척했다”라며 “생성 AI 기술의 저변을 넓힌 것에 자부심을 갖는다”라고 말했다.

연구 결과는 국제 학술지 ‘네이처 커뮤니케이션즈(Nature Communications)’에 지난 14일자 온라인판에 게재됐다.