AI가 발굴한 차세대 항생제 – 2024년 Cell 논문 해설

요즘 ‘AI가 약을 만든다’는 말, 과장처럼 들릴 수도 있습니다.
하지만 2024년 Cell에 실린 이 논문은 그 말이 실제로 현실이 되어가고 있음을 보여주는 강력한 증거입니다.
연구팀은 딥러닝을 이용해 전 세계 마이크로바이옴 데이터를 분석하고, 새로운 항생제 후보 물질을 무려 80만 개 이상 예측했습니다.
그리고 그중 일부를 실제로 합성하고 실험까지 진행해, 감염 치료 효과가 있음을 확인했죠.
이 글에서는 그 내용을 대학생 수준에서 이해할 수 있도록 하나하나 풀어보겠습니다.

■ 연구팀 및 소속
이 연구는 주 저자 Célio D. Santos-Júnior, 그리고 Marcelo D. T. Torres, Yiqian Duan, Luis Pedro Coelho, Peer Bork, 그리고 특히 César de la Fuente-Núñez 연구팀 주도하에 진행되었습니다.
이 중 César de la Fuente-Núñez 박사는 미국 펜실베이니아 대학교(University of Pennsylvania) Penn Engineering 소속으로, 생물정보학과 인공지능 기반 약물 발굴 분야의 권위자로 알려져 있습니다

⸻

1. 항생제가 고갈되고 있다?

항생제는 한때 ‘기적의 약’으로 불렸습니다. 하지만 지금은 항생제 내성균(superbug) 이 늘어나면서 기존 약들이 무용지물이 되고 있어요.
게다가 새로운 항생제를 개발하는 속도는 매우 느립니다. 왜냐하면:
• 새로운 화합물을 찾는 데 수년 이상이 걸리고
• 약물 독성과 안정성을 평가하려면 많은 시간과 자원이 필요하고
• 무엇보다 대부분의 후보가 실제로는 효과가 없거나 독성이 있음이 드러나기 때문입니다.

이제는 기존 방식으로는 한계에 부딪혔다는 공감대가 생겼고, 새로운 접근이 필요해졌습니다.

⸻

2. 마이크로바이옴 + 인공지능의 만남

여기서 떠오른 아이디어는 ‘마이크로바이옴 전체에서 약이 될 만한 단백질을 AI가 찾아내면 어떨까?’였습니다.

**마이크로바이옴(microbiome)**은 우리 몸속이나 자연계에 사는 미생물들의 유전체 정보입니다.
사람, 흙, 물, 식물 등 다양한 곳에서 수많은 미생물이 살아가고 있고, 이들의 유전자 안에는 항생제처럼 작용할 수 있는 작은 펩타이드(단백질 조각) 정보도 포함되어 있습니다.

하지만 이 수많은 데이터를 사람 손으로 일일이 분석하는 건 불가능하죠.
그래서 연구팀은 딥러닝을 활용했습니다.

⸻

3. 실험은 어떻게 했을까?

연구팀은 전 세계에서 수집된 87,000여 개의 개별 유전체, 6만 개 이상의 메타유전체(한 생태계 전체에서 추출한 혼합 유전자)를 AI에 입력했습니다.
그리고 항균 활성을 가질 만한 펩타이드 특성을 학습시킨 딥러닝 모델로부터,
무려 863,000개 이상의 항균 펩타이드 후보(AMP, antimicrobial peptide) 를 예측했어요.

여기서 중요한 점은, AI가 생물학적 기능까지 예측했다는 겁니다.
단순히 “모양이 예쁜 단백질”이 아니라, 실제로 세균막을 공격하거나 막을 파괴할 수 있는 가능성이 있는 펩타이드를 선별한 것이죠.

그중 100개를 골라 실제로 합성하고, 여러 병원균에 대해 실험해봤습니다.
대표적으로 E. coli, S. aureus 같은 흔한 병원균부터, 항생제 내성균까지 다양했어요.

⸻

4. 실험 결과는 어땠을까?

놀랍게도, AI가 추천한 펩타이드 중 63개는 최소 하나 이상의 병원균에 대해 항균 활성을 보였습니다.
게다가 몇몇 펩타이드는 기존 항생제보다 강력한 효과를 보이기도 했고,
쥐 모델에서의 감염 치료 실험에서도 실제로 효과가 확인되었습니다.

이 펩타이드들은 대부분 세균막을 붕괴시키는 방식으로 작용했는데,
이런 메커니즘은 세균이 내성을 갖기 어려운 방식 중 하나입니다.

이 점에서 AI가 기존의 화합물 중심의 접근보다 새롭고 강력한 후보군을 발굴할 수 있다는 가능성을 보여준 겁니다.

⸻

5. 왜 이 논문이 중요한가?

첫째, 이 논문은 AI를 이용한 신약 발굴이 가능함을 실제로 보여준 사례입니다.
예측에 그치지 않고 실험으로 확인했다는 점에서 매우 강력한 의미를 가집니다.

둘째, 공개된 데이터(AMPSphere)는 전 세계 연구자들이 활용할 수 있어 후속 연구를 빠르게 진행할 수 있게 합니다.

셋째, 앞으로 항생제뿐 아니라 항바이러스제, 항진균제, 면역조절제 등도 AI로 예측하는 흐름이 확대될 것으로 보입니다.

이 연구는 단순한 논문이 아니라, 신약개발의 새로운 방향을 제시하는 하나의 전환점이라고 볼 수 있어요.

⸻

마무리 요약
• 기존 항생제 개발 방식은 너무 느리고 비효율적임
• AI를 활용하면 수십만 개의 항균 펩타이드를 빠르게 발굴 가능
• 실제 실험에서 높은 항균 효과가 확인됨
• 신약개발의 ‘속도’와 ‘방향’을 동시에 바꿀 수 있는 연구로 평가됨

⸻

논문 정보
• 제목: Discovery of antimicrobial peptides in the global microbiome with machine learning
• 저널: Cell (2024)
• DOI: 10.1016/j.cell.2024.05.013

 

 

반응형