POSTECH 생명과학과 · 융합대학원 김상욱 교수, 생명과학과 통합과정 박민혁 씨 연구팀은 머신러닝을 이용해 임상시험 전 약물의 성공 가능성과 부작용을 예측하는 데 성공했다고 발표했다.

임상시험 전 단계까지는 동물 또는 세포주 등을 모델로 실험이 진행된다. 이러한 모델들과 사람의 체내에서 약물 표적 유전자의 역할과 발현되는 정도가 다르기 때문에, 약물의 효능이나 독성에 차이가 발생할 수 있다.

그래서 그 차이를 고려하지 않는 경우, 실험 결과와 달리 실제 환자에게 투여했을 때 치명적인 부작용을 일으킬 수 있다.

이번 연구에서 연구팀은 ‘모델과 사람에서 나타나는 약물 유전자 표현형 차이’에 주목했다.

약물 유전자 표현형은 약물 유전자가 발현되는 정도를 반영하는 지표로 서로 일치하지 않는 경우 그 효과가 다르다고 볼 수 있다.

연구팀은 지금까지 임상시험을 거친 약물 약 2,500여 개를 대상으로 유전자 표현형을 분석했다.

그 결과, 약물의 유전자 표현형이 모델과 사람에서 서로 일치하지 않는 경우 실제로 심각한 부작용을 일으키거나 위험한 물질로 분류된 경우가 많았다. 

연구팀은 이를 바탕으로 임상시험에서 약물 승인 여부를 예측하는 인공지능 기술을 개발했다.

기존 연구는 약물의 화학적 정보만을 이용했기 때문에 모델과 사람 간 유전적인 차이가 반영되지 않았다. 반면, 연구팀은 화학적 접근 방식과 유전자 중심 접근 방식을 결합함으로써 보다 정확하게 약물의 안전성과 성공 가능성을 예측할 수 있었다.

김상욱 교수는 “그동안 사람을 대상으로 한 임상시험 성공 여부를 예측하는 기술이 부족해 어려움이 많았다”며, “이번 연구를 바탕으로 약물의 승인 가능성을 예측하여 신약 개발에 필요한 시간과 비용을 줄일 수 있기를 바란다”고 전했다.

이번 연구결과는 'The Lancet’의 자매지 ‘eBioMedicine’에 게재되었다.