머신러닝으로 CK2 선택성 높인 항암 후보물질 탐색
11/10/26여러 암과 관련된 단백질 효소 CK2를 더 선택적으로 억제하는 후보물질을 찾기 위해 머신러닝을 활용한 연구가 발표됐다. 연구진은 기존 후보가 비슷한 계열의 다른 효소까지 건드려 독성과 임상 실패 위험을 높일 수 있다는 문제에서 출발해, 표적 결합력과 비표적 작용을 동시에 평가하는 탐색 절차를 만들었다.
CK2는 세포의 성장과 생존 신호에 관여하는 세린·트레오닌 인산화효소다. 암 치료 표적으로 오랫동안 주목받았지만 현재 임상에서 승인된 CK2 길항제는 없다. 기존 억제제 가운데 일부는 CDK1, CDK2, CDK7, CDK9 같은 사이클린 의존성 인산화효소도 함께 억제해 용량을 제한하는 부작용과 개발 실패에 연결될 가능성이 제기됐다.
새 절차는 분자가 단백질에 어떻게 결합하는지 계산하는 도킹, CDK 관련 위험을 거르는 필터, 머신러닝 예측, 예측 오차를 추정하는 모델을 결합했다. 단순히 결합 점수가 높은 물질을 고르는 대신, CK2의 다른 조절 부위에 선택적으로 붙으면서 유사 효소에는 덜 작용할 후보를 우선순위에 올렸다.
이 방식으로 고른 후보에서는 90%의 적중률이 보고됐다. 연구진은 마이크로몰보다 낮은 농도 범위에서 CK2를 억제하는 새로운 물질도 제시했다. 계산 단계에서 실패 가능성이 큰 후보를 미리 제외하면 합성과 세포 실험에 투입되는 시간과 비용을 줄일 수 있다는 설명이다.
높은 적중률이 곧 치료제 성공을 뜻하지는 않는다. 효소 시험에서의 선택성이 세포와 동물, 사람의 체내에서도 유지되는지 확인해야 하고, 흡수와 분해, 장기 독성도 따져야 한다. 이번 연구의 가치는 특정 후보 하나보다 비표적 위험을 초기부터 학습 과정에 넣은 설계에 있다. 후속 검증이 이어지면 임상 실패 원인을 후보 발굴 단계에서 줄이는 데 활용될 수 있다.
CK2는 세포의 성장과 생존 신호에 관여하는 세린·트레오닌 인산화효소다. 암 치료 표적으로 오랫동안 주목받았지만 현재 임상에서 승인된 CK2 길항제는 없다. 기존 억제제 가운데 일부는 CDK1, CDK2, CDK7, CDK9 같은 사이클린 의존성 인산화효소도 함께 억제해 용량을 제한하는 부작용과 개발 실패에 연결될 가능성이 제기됐다.
새 절차는 분자가 단백질에 어떻게 결합하는지 계산하는 도킹, CDK 관련 위험을 거르는 필터, 머신러닝 예측, 예측 오차를 추정하는 모델을 결합했다. 단순히 결합 점수가 높은 물질을 고르는 대신, CK2의 다른 조절 부위에 선택적으로 붙으면서 유사 효소에는 덜 작용할 후보를 우선순위에 올렸다.
이 방식으로 고른 후보에서는 90%의 적중률이 보고됐다. 연구진은 마이크로몰보다 낮은 농도 범위에서 CK2를 억제하는 새로운 물질도 제시했다. 계산 단계에서 실패 가능성이 큰 후보를 미리 제외하면 합성과 세포 실험에 투입되는 시간과 비용을 줄일 수 있다는 설명이다.
높은 적중률이 곧 치료제 성공을 뜻하지는 않는다. 효소 시험에서의 선택성이 세포와 동물, 사람의 체내에서도 유지되는지 확인해야 하고, 흡수와 분해, 장기 독성도 따져야 한다. 이번 연구의 가치는 특정 후보 하나보다 비표적 위험을 초기부터 학습 과정에 넣은 설계에 있다. 후속 검증이 이어지면 임상 실패 원인을 후보 발굴 단계에서 줄이는 데 활용될 수 있다.




