알파폴드3 정보 결합한 신약 탐색 AI 개발

광주과학기술원(GIST) AI학과 이현주 교수 연구팀이 단백질과 약물의 결합 친화도를 정밀하게 예측하는 인공지능 모델 ‘알파 DTA(AlphaDTA)’를 개발했다. 이 기술은 구글 딥마인드의 ‘알파폴드3(AlphaFold3)’가 단백질과 약물의 3차원 결합 구조를 계산할 때 생성하는 내부 표현 정보와 구조 정보를 함께 활용해 신약 후보물질의 예측 정확도를 높였다.

알파 DTA에 단백질 서열과 약물의 화학구조를 입력하면 알파폴드3가 복합체의 3차원 구조와 단일·쌍 표현 벡터를 생성하고, 모델은 이를 종합해 결합 친화도를 산출한다. 학습 과정에 포함되지 않은 새로운 단백질·약물 조합에서도 기존 서열 기반 인공지능보다 우수한 성능을 보였고, 실험으로 확보한 구조 데이터가 없어도 기존 구조 기반 모델과 비슷한 수준의 정확도를 기록했다.

기존 인공지능 기반 신약 개발 방식은 단백질 서열만 이용하면 예측 정확도가 떨어지고, 실험으로 확인한 3차원 구조를 활용하면 학습에 필요한 데이터가 부족하다는 제약이 있었다. 연구팀은 알파폴드3의 구조 예측 과정에 담긴 내부 표현까지 분석 대상으로 확장해 두 방식의 한계를 보완했다. 이번 연구에는 정민재 GIST AI학과 석사과정생이 제1저자로 참여했으며 박세진 전기전자컴퓨터공학과 박사가 공동 연구를 수행했다.

연구팀은 실험으로 단백질과 약물의 결합 구조를 확인하지 않은 상황에서도 유망한 후보물질을 효율적으로 선별할 수 있을 것으로 판단했다. 구조 데이터가 부족한 표적 단백질의 탐색 범위를 넓혀 신약 개발 기간과 비용을 줄이고, 기존 약물을 새로운 질환 치료에 적용하는 약물 재창출 연구에도 활용할 수 있다는 설명이다. 연구 결과는 국제학술지 ‘저널 오브 케민포매틱스’ 온라인판에 2026년 7월 21일 게재됐으며, 기술이전 협의는 GIST 기술사업화센터가 맡는다.