약대 AI를 만나다 : 동국대학교 약대 이충호 교수
AI가 빠르게 성장하면서 제약 바이오 산업에서도 눈부신 혁신이 일어나고 있습니다.
생물학의 최대 난제를 해결했던 AlphaFold 1부터 시작해 최근 출시된 AlphaFold 3까지 AI의 발전은 전통적인 신약 개발을 한층 더 높은 단계로 끌어올려주고 있습니다.
AI로 인한 제약 바이오 산업 변화는 교육에도 지대한 변화를 이끌어낼 것으로 예상됩니다. 오늘 저는 약대 수업에 AI를 접목해 활용하고 있다는 재밌는 소식을 들고 왔는데요. 이번 글에서는 전통적 약대 커리큘럼에 AI 신약 개발 플랫폼 하이퍼랩을 추가한 동국대학교 이충호 교수님을 소개하고자 합니다.
약대 교수가 AI 에 주목한 이유
안녕하세요. 동국대학교 약학 대학에서 미생물과 면역학을 가르치고 있는 이충호 교수라고 합니다. 세부 전공은 항바이러스제의 개발에 관련된 연구를 진행하고 있습니다.
학생들을 대학에서 10년 이상 가르치면서 기존 교과서에 나오는 내용들에 안주해서 학생들을 가르치는 자체가 약대의 경우에도 크게 의미가 없다고 생각했습니다.
사실 요즘에 워낙 AI가 이렇게 발전을 하고 모든 생활에서 AI가 빠지면 안 되는 시대가 되어 버렸는데, 10년, 20년 전에 만들어진 커리큘럼이 그대로 돌아가고 있는 것들이 학생들한테 좀 안타까운 일이에요.
최근에 나온 AI 툴을 실제적으로 학생들한테 접목해서 가르치는 과목들이 없더라고요. 기본적으로 컴퓨터를 활용해가지고 신약 개발하는 것들에 대해서 학생들이 모르면 제약회사를 가거나, 현업에 종사하게 될때 어려움을 겪을 수 있습니다. 그래서 실용적으로 도움이 될 수 있는 교육이 대학에 필요하다는 생각을 하게 됐습니다.
약대 교육에 사용된 AI는 뭐가 다를까?
사실 약대나 의대의 커리큘럼이 워낙 고정된 측면이 많아서 새로운 것들을 듣기가 좀 쉽지 않은 측면이 많습니다. 그런데 AI 신약개발 플랫폼 하이퍼랩을 사용해 보니까 학생들이 훨씬 더 재밌어하고 훨씬 더 교육적으로도 효과적이었어요. 하이퍼랩을 보면 다른 웹 사이트 보다 기본적으로 깔끔하고 유저를 많이 생각한 인터페이스로 잘 만들어 놓으셨어요. 정말 코딩을 모르는, AI의 개념을 잘 알지 못하는 분들도 손쉽게 사용할 수 있다는 큰 장점을 발견하게 되었습니다. 그래서 제가 이런 것들을 저희 학교에 홍보했을 때, 심지어 한의대에 계신 교수님들도 오셔가지고 '이게 뭐냐?' '나는 하나도 모르는데 할 수 있냐?' 물었는데 '이건 할 수 있다'라고 말씀을 드리자 관심을 갖게 되시더라고요.
약대 교육에서 AI가 실질적으로 도움이 될까?
예를 들면 아스피린이 Cyclooxygenase inhibitor로 사용되고 있는데, 이게 왜 잘 됐는지에 대한 어떤 개념들이 교과서에는 나오지가 않거든요. 제가 교육 시간에 했던 재미있던 것들 중의 하나는 하이퍼랩 플랫폼 안에서는 가상탐색을 진행할 수 있어요. FDA 라이브러리를 가상 탐색할 수 있게 되어 있는데, 제가 알고 있는 Target Protein을 집어넣고 돌렸을 때 기존에 약물로 쓰이고 있는 Protein이 1등, 2등으로 나오는 것들이 보여지더라구요. 확실히 '얘가 1등이 될 수밖에 없기 때문에 얘가 약이 될 수밖에 없다'. 교과서에 나오는 약물들이 실제적으로도 그렇다라고 하는 것들을 생물학적으로 보여줄 수 있어서 매우 좋은 것 같아요.
약대 교육에 AI 플랫폼을 도입할 때 장점
제일 좋았던 부분부터 말씀 드리자면 Protein Target을 설정한 다음, 기존의 Ligand와 Interaction들을 시각적으로 보여주는 장치들을 잘 만들어 놓으셨더라고요. Protein, Ligand를 시각화하는 소프트웨어들이 대부분 덩치가 크고, 무거워서 돌리기 어려운 프로그램들이 많거든요. 사실 학생들이나 저만 하더라도 마우스를 가지고 직관적으로 접근하기가 매우 힘들어요.
그런데 AI 신약개발 플랫폼 하이퍼랩에서 만들어놓은 시각화 툴들은 매우 가볍게 잘 돌아갔어요. 특히 Ligand와 Protein의 Interaction을 볼 수 있는 매우 필요한 툴만을 잘 모아 놓았어요.
클릭 몇 번 만으로도 내가 원하는 Compound가 어떤 식으로 Protein에 결합하는지에 확인할 수 있었습니다. 학생들한테 교육할 때도 다른 툴보다 훨씬 더 가볍고, 그렇기 때문에 편하게 Ligand와 Protein의 Interaction을 눈으로 볼 수 있다고 말했습니다.
단순하게 어떤 Protein과 Ligand의 Binding을 최적화하는 것뿐만 신약 개발이 얼마나 어려운지도 알 수 있었어요. 신약을 개발 하시는 분은 공감하실거라 생각합니다. 신약은 단순하게 하나의 parameter를 최적화하는 과정이 아니라, 너무나도 많은 것들을 한번에 적합하게 만드는 과정들을 가지고 있는데요. 약물의 물성들도 적합화를 해야 되고, 독성과 약효, 또 여러 가지 제 형까지를 포함한 다양한 것들을 함께 최적화 하는 것이 어려운 지, 이러한 고민들을 하이퍼랩을 통해서 많은 도움을 받을 수 있을 것 같았습니다. 하이퍼랩에서 제공하는 ADME/T 기능 안에는 여러 가지 물성, 독성, Parameter들이 들어있고, 그런 것들을 고려하지 않으면 신약이 될 수 없다고 하는 것들을 배울 수 있었어요. 그렇기 때문에 AI 신약개발 플랫폼 하이퍼랩은 여러 가지 개념적으로든, 교육적으로든 매우 효과적이라고 생각하고 있습니다.
약대 교육에 AI 플랫폼을 도입할 때 주의점
AI 툴을 정말 효과적으로 이용하기 위해서는 개념을 잡는데 적어도 몇 주가 걸리는 것 같아요. 데이터 사이언스의 기본적인 개념, 머신러닝의 기본적인 개념을 공부한 다음에 툴을 사용하는게 좋다고 생각합니다. ‘이런 모델 때문에 내가 특정 데이터를 집어 넣었을 때 이러한 결과를 예측할 수 있다’라고 하는 개념을 잡기 위해서는 적어도 4-5주 이상은 공부가 필요한 것 같아요. 이후에 하이퍼랩을 이용하면 훨씬 더 개념적으로 내가 이해를 하면서 사용할 수 있는 장점이 있다고 생각해요. 이번 학기 약학대학원의 'Data Science'라고 하는 과정 안에서 마지막 1-2시간 정도를 하이퍼랩을 활용했습니다.
약대 x AI 전후 비교
기존에는 대학원생들한테 어떤 약물의 물성이 왜 중요한지, 그리고 약물의 물성과 활성, 독성 등을 보여주기 위해서 학자들이 만든 화학적 구조를 보고 그들의 경험에 의해서 이해하는 과정을 거쳤어요. 이런 것들이 경험이 많지 않은 사람들의 경우에는 매우 제한적인 일들이고, 정말 전문성을 가지고 있는 의학화학자만이 할 수 있던 일이었단 말이죠.
그런데 이번에는 학생들이 약물로 사용하는 물질 구조와 그 구조의 약물들이 Binding하는 Target Protein 구조를 하이퍼랩에 직접 집어넣었어요. 하이퍼랩에서 얻어낸 여러 가지 Binding 에너지나 물성 값 등을 통해, 이 물질이 왜 다른 물질에 비해서 좋게 나왔고, 약이 될 수밖에 없었는지에 대해서 수치적으로 볼 수 있었고 교과서에서 얻을 수 없는 실제적인 경험을 할 수 있어서 매우 재밌었어요. 약물 개발이 실질적으로 이런 식으로 이루어져야 한다고 하는 개념을 학생들한테 교육하는데 매우 좋은 툴이었어요.
약대 교수로서 AI 플랫폼을 사용하며 느낀 점
AI가 발전을 하면서 여러 가지 분야에서 AI의 도움을 받고 있습니다. 하지만 아직까지 신약 개발엔 AI가 크게 활용되지 못하는 게 사실이었는데요. AI 신약개발 플랫폼 하이퍼랩에서는 약물의 구조를 집어넣자마자 독성, 물성의 예측치, 그리고 단백질 Target과 물질들이 얼마큼 결합할지 에 대한 수치화된 결과를 쉽게 볼 수 있어서 놀랐습니다. 어디까지 활용될 수 있을지에 대해서 많은 기대를 갖게 돼 선택하게 된 것 같아요.
신약 개발 과정에서 기존의 Essential한 것만 잘 뽑아 내신 것 같아요. 사실 신약 개발이 워낙 복잡하고 워낙 머리 아픈 것들이 많거든요. 그런 것 중에 정말 깔끔하게 필요한 것들만 잘 뽑아 내신 것 같고, 기존의 약학을 모를 수 있는 분들도 잘 접근할 수 있게끔 잘 만들어 놓으신 것 같아요.
