GIST 이현주 교수팀이 구글 딥마인드의 알파폴드3 내부 표현 정보를 활용한 AI 모델 '알파 DTA'를 개발했습니다. 이 모델은 신약 후보물질의 표적 단백질 결합 친화도를 정확하게 예측하여 신약 개발의 초기 단계 효율성을 크게 높이는 데 기여합니다.
기존 기술의 한계를 극복하고 3D 구조 예측 없이도 높은 정밀도를 달성한 것이 특징입니다. 알파 DTA는 단백질과 약물 분자 간의 미세한 물리·화학적 상호작용 특성을 딥러닝 내부 특징에 녹여내어 기존 DTA AI 예측 성능을 대폭 갱신하였습니다.
이는 막대한 시간과 비용이 소요되던 기존 방식의 단점을 보완하며, 신약 개발 과정에서 유효 물질 선별 속도를 극대화하는 장점을 가집니다.
이 연구는 알파폴드3의 내부 레이어에 담긴 상호작용 특성 벡터만으로 결합 친화도를 고정밀도로 예측하는 독창적인 접근 방식을 제시합니다.
신약 R&D 파이프라인의 효율성을 혁신적으로 끌어올릴 것으로 기대되며, 미래 의약품 개발에 중요한 전환점이 될 수 있는 핵심 기술로 주목받고 있습니다.