약물 부작용 발생을 좀더 정확하게 예측할 수 있는 방법이 개발됐다.
KAIST 산업및시스템공학과 박찬영 교수 연구팀은 한국화학연구원과 공동으로 약물의 효과와 용해도를 예측할 수 있는 새로운 그래프 신경망(graph neural network) 기법을 개발했다고 기계학습 분야 국제학술지(International Conference on Machine Learning, ICML)에 발표했다.
그래프 신경망은 화학, 생명과학 등 다양한 기초과학 분야의 문제 해결에 활용되고 있다. 이번에 개발된 신경망은 두 물질의 상호작용에 의해 발생하는 물리적 성질을 정확하게 예측할 수 있다.
연구팀은 새 신경망 개발을 위해 '정보 병목 이론'과 '인과 추론 모형'을 활용했다. 전자의 경우 분자 내 중요 정보를 최대한 압축해 보존하는 이론이다. 후자는 분자 내의 어떤 하부 구조가 분자의 고유한 특성을 결정 짓는데 큰 역할을 했는지 인과 관계를 추론한다.
연구팀에 따르면 정보 병목 현상을 기반으로 한 연구에서는 약물 용해도 예측도가 기존 연구에 비해 11%, 다중약물요법 부작용 예측에서 4% 높아졌다. 또한 인과 추론 모형을 기반으로 한 연구에서는 각각 17%와 2% 향상됐다.
박 교수는 "화학적 지식에 기반해 분자 간의 관계를 예측하는 이번 기술은 화학과 생명과학을 포함한 다양한 분야에서 기계학습이 새 물질의 발견에 드는 시간과 비용을 획기적으로 단축시키는 데 도움될 것"이라고 밝혔다.