생명화학공학과 이상엽, 김현욱 교수 연구팀이 약물 상호작용* 예측 방법론 ‘DeepDDI’를 딥 러닝**(Deep Learning)을 활용하여 개발했다. 이번 연구는 지난달 16일 <미국 국립과학원 회보(PNAS)> 온라인판에 게재되었다.

구체적 메커니즘 예측, 음식도 고려해
  기존의 약물 상호작용 예측 방법론은 약물-약물 상호작용에 의한 부작용의 가능성 정도만을 예측할 뿐, 두 약물 간의 구체적인 약리작용을 제시하지 못하였다. 이에 연구팀은 약물-약물 상호작용의 구체적인 약리적 메커니즘까지 예측하는 것을 목표로 설정하였고, 연구 과정에서 약물-약물 상호작용뿐만 아니라 약물-음식 상호작용까지도 예측할 수 있는 방법론을 개발하기에 이르렀다.

딥 러닝을 활용한 컴퓨터 플랫폼 기술
  연구팀은 딥 러닝 라이브러리 텐서플로(TensorFlow)와 딥 러닝 기술 DNN(Deep Neural Network)을 활용하여 DeepDDI를 개발하였고, DeepDDI에 약물에 대한 정보를 모아놓은 온라인 데이터베이스 드러그뱅크(Drug Bank)의 자료를 학습시켰다. 이렇게 탄생한 DeepDDI는 192,284개의 약물-약물 상호작용을 92.4%의 정확도로 예측하였다.

구조식 입력하면 문장으로 결과 출력
  DeepDDI는 두 약물의 화학적 구조와 이름을 입력하면, “옥시코돈(Oxycodone)을 아타자나비어(Atazanavir)와 함께 복용할 시 대사가 감소할 수 있다”와 같이 문장의 형태로 두 약물의 상호작용에 대한 정보를 출력한다. 이는 구체적인 약물 상호작용을 묘사할 수 있다는 것과 입력해야 하는 정보가 매우 단순하다는 장점을 가진다. 기존의 방법론들이 약제 표적(Drug Target)이나 게놈에 대한 정보 등 많은 정보를 필요로 한 것에 비해, DeepDDI는 매우 편리하게 정보를 얻을 수 있다.

네 가지 응용 방안에 적용할 수 있어
  연구팀은 DeepDDI를 다양한 응용 방안에 적용했다.
  먼저, 원인이 규명되지 않은 부작용을 연구하는데 DeepDDI가 도움을 줄 수 있다. 만약 두 약물 사이에 부작용이 나타난다는 문장과 두 약물 사이의 상호작용을 나타내는 문장이 출력된다면, 나중에 출력된 문장이 부작용의 원인이 되는 것으로 생각해 볼 수 있다. 이것은 약물들이 어떤 메커니즘을 통해 부작용을 일으키는지에 대한 단서로 활용될 수 있다. 또한, 부작용이 없거나 최소화할 수 있는 약물 조합을 찾는 데에도 DeepDDI가 활용될 수 있다.
  음식에 포함된 성분과 약물 사이의 상호작용 또한 DeepDDI를 통해 분석할 수 있다. 실제로 연구팀은 분석한 결과를 바탕으로, 질병과 약물, 음식, 음식에 포함된 성분을 잇는 네트워크를 구성하였다. 이 네트워크는 환자들이 자신의 질병과 복용하는 약물에 따라 식단을 조절하는데 참고될 수 있다.
  더 나아가, DeepDDI를 이용하여 음식 성분이 생체 내에서 어떤 활성을 가지는지 파악해 볼 수도 있다. 음식 성분과 약물을 입력했을 때, “약물이 음식 성분의 어떤 작용에 영향을 미친다”는 내용의 문장이 출력되면, 이를 토대로 음식 성분이 우리 몸 안에서 어떤 활성을 가지는지 짐작할 수 있다.
  이번 연구성과는 약물-약물과 약물-음식 상호작용을 정확하게 예측하여 헬스케어, 정밀의료 산업 및 제약 산업에 중요한 역할을 할 것으로 기대된다. 김 교수는 “수많은 약물뿐 아니라 음식까지도 폭넓게 분석할 수 있는 것이 DeepDDI의 강점”이라며, 상업화도 생각하고 있다고 전했다.

약물 상호작용*
한 약물의 효과가 다른 물질에 의해 변화하는 것.

딥 러닝**
선형 및 비선형 변환 기법의 조합을 통해 복잡한 데이터에서 특징을 찾아내는 기계학습 방법론.