"차세대 치료제 후보물질 ‘펩타이드’... 독성 예측 정확도 높인 모델 개발" [제17회 서울국제신약포럼]

강연 발라찬드란 마나발란 성균관대 부교수

"기존 예측모델의 정확도 한계를 극복하기 위해 자연어처리(NLP) 기반 임베딩과 전통적인 분자 서열 지표를 결합한 하이브리드 프레임워크 'HyPepTox-Fuse'를 개발했습니다."

발라찬드란 마나발란 성균관대학교 생명공학대학 부교수는 18일 서울 여의도 콘래드호텔에서 열린 제17회 서울국제신약포럼에서 '펩타이드 독성 예측 연구' 발표를 통해 이같이 말했다.

펩타이드는 2~50개의 아미노산이 연결된 짧은 서열로 단백질보다 작고 합성이 용이해 차세대 치료제 후보물질로 주목받고 있다. 당뇨병, 암, 심혈관질환 등 다양한 질환 치료에 활용 가능성이 커 실제로 시장에 나온 펩타이드 기반 치료제는 80개를 넘는다.

그러나 높은 치료 효능에도 불구하고 일부 펩타이드는 독성 문제로 임상 단계에서 실패한다. 마나발란 부교수는 "펩타이드는 생물학적 특이성과 선택성이 뛰어나 전통 약물보다 안전성이 높다"며 "다만 독성을 사전에 예측하지 못하면 신약 개발의 발목을 잡을 수 있다"고 지적했다. 특히 기존의 실험실 기반 분석은 시간과 비용이 많이 들고 유사 펩타이드를 찾는 방식은 데이터가 부족하거나 기준이 모호하다는 단점이 있었다. 이를 보완하기 위해 개발된 것이 바로 HyPepTox-Fuse 모델이다.

마나발란 부교수는 "이 모델은 최신 단백질언어모델(PLM) 기반 임베딩과 다양한 서열 지표를 통합해 펩타이드 독성 여부를 예측한다"며 "특히 멀티헤드 어텐션과 트랜스포머 구조를 활용해 서로 다른 특징 간의 관계를 정밀하게 학습하도록 설계됐다"고 설명했다.

그는 "이를 통해 신약 개발 초기 단계에서 독성 가능성이 있는 펩타이드를 사전에 걸러낼 수 있다"며 "시간과 비용을 크게 절감할 수 있어 실제 임상 적용 가능성도 높다"고 덧붙였다.

특별취재팀 강중모 팀장 강경래 서지윤 신지민 기자