인공지능(AI) 기술을 사용하여 파킨슨병 치료제 설계 속도가 대폭 향상될 것으로 전망된다. 

케임브리지 대학의 연구팀은 AI 기술을 활용, 파킨슨병을 일으키는 주요 원인 단백질인 알파-시누클레인의 응집을 차단하는 화합물을 식별하고 확인하는 시간과 비용을 크게 줄이는 데 성공했다고 메디컬익스프레스가 전했다. 팀은 기계 학습 기술을 사용해 수백만 개의 화합물 라이브러리를 신속하게 선별, 파킨슨병 실험을 위한 5개의 화합물을 찾아냈다.

파킨슨병으로 전 세계 600만 명 이상이 고통받고 있으며, 그 수는 2040년까지 3배까지 증가할 것으로 예상된다. 현재 파킨슨병에 대한 확실한 치료법은 없다. 파킨슨병을 치료하기 위한 약물을 환자에게 실험하기 전, 약물 후보에 대한 대규모 라이브러리를 검색하고 식별하는 과정은 엄청난 시간과 비용이 소요되며 거의 성공하지 못한다.

연구팀은 기계 학습을 사용해 후보 화합물 초기 검색 속도를 10배 높이고 비용을 1000분의 1로 줄일 수 있었다고 한다. 이는 파킨슨병에 대한 가능한 치료법이 더 빨리 설계될 수 있음을 의미한다. 연구 결과는 '네이처 캐미컬 바이올로지(Nature Chemical Biology)' 저널에 실렸다.

파킨슨병은 전 세계적으로 가장 빠르게 증가하는 신경계 질환이다. 영국의 경우 생존한 사람 37명 중 1명이 파킨슨병 진단을 받는다. 파킨슨병은 운동 장애 외에도 위장관계, 신경계, 수면 패턴, 인지 기능에도 영향을 미칠 수 있으며 결과적으로 삶의 질 저하 및 심각한 장애를 유발할 수 있다.

단백질은 신체 세포에서 중요한 역할을 하지만, 파킨슨병에 걸리면 이 단백질이 잘못 변형되고 신경 세포의 죽음을 초래한다. 단백질 사슬이 잘못 접히면 알츠하이머치매 다음으로 흔한 퇴행성 치매인 루이소체치매를 일으킬 수 있다. 비정상적인 루이소체 클러스터가 형성되면, 뇌세포 내에 축적돼 뇌가 제대로 기능하지 못하게 된다.

연구팀은 보고서에서 "파킨슨병에 대한 가능한 치료법을 찾는 한 가지 방법은 질병과 밀접하게 관련된 단백질인 알파-시누클레인의 응집을 억제할 수 있는 분자를 식별하는 것"이라면서 "그러나 이는 시간이 많이 소요되는 과정이며, 추가 실험을 위한 주요 후보 분자를 식별하는 데만 몇 달 또는 몇 년이 걸릴 수 있다"고 지적했다.

파킨슨병에 대한 임상 시험이 현재 진행되고 있지만, 치료제에 대한 규제 당국의 승인은 부진하다. 파킨슨병을 일으키는 분자종을 직접 표적으로 삼지 못하기 때문이라고 한다. 분자를 직접 겨냥하지 못하는 것은 파킨슨병 연구의 핵심 장애물이다. 이는 효과적인 파킨슨병 치료법의 개발을 심각하게 방해한다.

케임브리지 연구팀은 수백만 개의 화합물이 들어 있는 화학 라이브러리를 검색해 아밀로이드 응집체에 결합하는 분자를 식별하고 증식을 차단하는 기계 학습 방법을 개발했다. 팀은 가장 강력한 응집 억제제를 선택하기 위해 소수의 최상위 화합물을 실험적으로 테스트했다. 이 실험에서 얻은 분석 정보는 기계 학습 모델에 반복적으로 재입력됐다. 몇 번을 반복한 끝에 매우 강력한 화합물이 확인됐다. 초기 선별에서 얻은 지식을 기계 학습 모델로 계속 반복 교육함으로써 더 강력한 화합물을 찾을 수 있게 된 것이다.

보고서는 "기계 학습은 약물 발견 과정에 실질적인 영향을 미쳤다. 가장 유망한 후보 물질을 식별하는 전체 과정의 속도를 끌어올리고 있다“면서 "이는 파킨슨병뿐 아니라 여러 신경계 치료제 발견에도 적용될 수 있음을 의미한다. 시간과 비용이 크게 절감되면서 많은 것이 가능해졌다”고 부연했다.