양자-고전 혼합 모델을 활용한 KRAS 억제제 설계
최신 연구에서는 양자-고전 혼합 생성 모델을 통해 암 치료용 KRAS 억제제를 설계하고 있습니다. 연구진은 이 모델을 사용하여 KRAS 단백질과 상호작용할 수 있는 15개의 후보 분자를 선정하고 합성했습니다. 이 중 두 개의 분자는 향후 억제제로서의 발전 가능성을 보여주고 있습니다.
- KRAS 유전자 변이는 약 30%의 고형 암에 관여하며, 특히 췌장암, 대장암, 폐암에서 높은 비율로 관찰됩니다.
- 양자 컴퓨팅은 이러한 극도로 복잡한 분자 상호작용을 분석하는 데 있어서 전통적인 컴퓨팅 모델을 훨씬 능가하는 가능성을 가지고 있습니다.
- 혼합 모델 접근 방식은 고전적 컴퓨팅의 강점과 양자 컴퓨팅의 고유한 능력을 결합하여, 특히 약물 설계의 초기 단계에서 더 많은 가능성을 열어줍니다.
약물 개발의 복잡성과 혁신의 필요성
약물 개발은 새로운 분자를 발견하고 개발하며 철저히 테스트하는 복잡하고 비용이 많이 드는 과정입니다. 이러한 과정은 보통 10년 이상 소요되며 상당한 비용이 듭니다. 따라서 약물 개발의 효율성과 혁신을 높이기 위해 고급 컴퓨팅 도구의 통합이 필수적입니다.
- 약물 개발의 평균 비용은 약 26억 달러에 이르며, 대부분은 실패하는 실험 단계에 소요됩니다.
- 성공적인 약물 개발의 확률은 단지 12%에 불과하며, 이는 수많은 후보 물질이 임상 시험에서 탈락된다는 것을 의미합니다.
- 양자 컴퓨팅을 통한 접근 방식은 이러한 과정의 효율성을 크게 개선할 수 있어, 개발 시간 단축과 비용 절감 가능성을 제공합니다.
양자 기계 학습의 약물 개발에의 응용
양자 기계 학습과 전통적인 약물 개발을 결합함으로써 산업계는 새로운 계산 전략을 모색하고 있습니다. 특히 양자 회로 Born 머신(QCBM)은 양자 효과를 활용하여 고전적 알고리즘을 능가할 수 있는 모델을 제공합니다.
- QCBM은 양자 상태의 확률적 모델링을 통해 복잡한 화학적 상호작용을 더 정밀하게 예측할 수 있습니다.
- IBM과 구글은 양자 컴퓨팅 연구를 선도하고 있으며, QCBM 같은 모델을 통해 생명과학 분야에 혁신적 변화를 일으키고 있습니다.
- 양자 기계 학습은 실험에 걸리는 시간을 줄이며, 다양한 화합물의 시뮬레이션을 동시에 수행할 수 있어 약물 발견 과정을 가속화합니다.
KRAS 단백질을 표적으로 한 혼합 모델 제안
연구팀은 KRAS 단백질을 표적으로 하는 화합물을 생성하기 위해 양자와 고전적 접근 방식을 결합한 모델을 제안했습니다. 이 모델은 약 110만 개의 데이터를 훈련 세트로 사용하여 화합물을 생성하고 유효성을 검증하는 과정을 거칩니다.
- 현재 KRAS 억제제는 존재하지만, 효과적인 표적화와 내성 문제를 극복하기 위해 새로운 접근 방식이 계속 개발되고 있습니다.
- 110만 개의 데이터는 단백질 구조, 결합 사이트 예측, 화합물 상호작용 등을 포함하여 다양하고 방대합니다.
- 이러한 데이터 활용은 머신러닝 모델의 정확도를 높이며, 더 강화된 예측을 통해 보다 적은 노력을 들여서 유망한 후보들을 식별할 수 있습니다.
새로운 분자의 생성과 검증
이 연구에서는 16쿼빗 프로세서와 LSTM 네트워크를 사용하여 새로운 분자를 생성하고, Chemistry42를 통해 검증하는 과정을 거쳤습니다. 이 과정을 통해 생성된 분자는 실험적 검증 단계를 거치며, 최종적으로 15개의 후보 화합물이 합성 및 시험되었습니다.
- 16쿼빗 프로세서는 병렬 처리 및 섬세한 양자 계산을 통해 복잡한 분자 구조를 생성할 수 있게 합니다.
- Chemistry42는 최신 AI 및 화학 엔진으로, 생성된 화합물의 화학적 특성을 예측하여 실험적 검증의 효율성을 높입니다.
- 이러한 접근은 표준 실험 절차의 수동 노력을 줄이며, 자동화된 방법이 새로운 약물 개발 과정에서 정밀도를 증가시킵니다.
QCBM-LSTM 모델의 성능 평가
연구진은 QCBM-LSTM 모델을 기존의 고전적 알고리즘과 비교하였으며, 이 모델이 높은 성공률과 도킹 점수를 기록함을 확인했습니다. 특히, 이 모델은 생성된 분자의 품질과 성공률을 향상시키는데 기여한 양자 효과를 잘 활용하였습니다.
- 도킹 점수는 예측된 분자-단백질 상호작용의 품질을 가늠하는 척도로, 높은 점수는 잠재적으로 강한 결합 효능을 의미합니다.
- QCBM-LSTM 모델은 실제 실험적 데이터를 통해 검증되었으며, 도킹 정확도가 대폭 증가하여 연구 단계에서의 시험 비용과 시간을 절약할 수 있었습니다.
- 양자 효과의 장점을 활용하여 분자의 물리적, 화학적 속성을 더 나은 정밀도로 모델링하게 합니다.
ISM061-018-2 및 ISM061-022의 생물학적 활동 평가
두 개의 가장 유망한 화합물인 ISM061-018-2와 ISM061-022는 KRAS 변종에 대한 억제 효과를 보여주었습니다. 특히, ISM061-018-2는 다양한 KRAS 변종에 대해 광범위한 활성을 나타냈으며, 1.4 μM의 높은 결합 친화성을 기록했습니다.
- 1.4 μM의 결합 친화도는 다른 잠재적 억제제에 비해 비교적 높은 수치로, 억제제로서의 가능성을 높입니다.
- 해당 화합물들은 세포 수준에서의 효능이 검증되었으며, 실험실 테스트를 통해 안정성과 유효성을 추가로 평가하고 있습니다.
- 이들의 성공은 고능력성 약물 후보를 식별해 내는 양자 컴퓨팅의 실제 응용 가능성을 잘 보여줍니다.
실험적 검증 및 향후 전망
이 연구는 양자 컴퓨팅이 약물 개발 분야에서 실질적인 응용 가능성을 지니고 있음을 보여줍니다. 향후 연구는 더 많은 쿼빗을 활용한 모델을 개발하여 생성된 분자의 품질과 다양성을 더욱 향상시킬 계획입니다.
- IBM의 최신 연구에 따르면, 수십 쿼빗의 프로세서는 현재보다 훨씬 높은 수준의 정확성을 제공합니다.
- 양자 컴퓨팅의 확장성은 더 복잡한 생화학적 시스템을 이해하고, 새로운 대상을 발견하며, 여러 질병에 적용할 가능성을 열어줍니다.
- 향후 5년 내에 양자 컴퓨팅은 약물 개발에서의 결정적인 변화를 만들어낼 것으로 예상되며, 산업 전반에 걸친 혁신을 촉진할 것입니다.
출처 : 원문 보러가기
