AI 신약 개발 case study - Hyper Screening

이 글에서 볼 수 있는 내용

MARK4 inhibitor 신약 개발을 위한 하이퍼 스크리닝 활용 사례를 소개합니다. 초기 유효물질 발굴부터 실험 결과 확인까지의 과정을 살펴보겠습니다. Hyper Screening을 활용해 총 107개의 화합물 중 16개의 후보 물질이 도출되었고, 이후 cell viability 실험을 통해 IC₅₀ < 10μM 이하의 물질 1종을 확보했습니다.

이런 분들이 읽으면 좋습니다

신약개발을 위한 타겟과 질환은 정해졌으나 초기 유효물질 (Hit compound) 을 찾고자 하시는 분들이라면 히츠에서 제안하는 방법으로 시작해보세요.

이 글을 시작하기에 앞서 Hyper Lab이란?

Hyper Lab은 AI 기반 신약 개발 플랫폼으로, 단백질-화합물 상호작용 예측(하이퍼 바인딩), 신규 분자 설계(하이퍼 디자인), 약물 특성 예측(하이퍼 ADME/T), 대규모 분자 스크리닝(하이퍼 스크리닝)을 통해 신약 개발 과정을 혁신적으로 단축하고 효율성을 극대화합니다. 이번 글에서는 Hyper Screening을 어떻게 활용했는지에 대한 실제 사례를 소개합니다.

AI 신약 개발 case study : Target 준비 - MARK4

• MARK4 의 역할과 질병과의 연관성 정의
  • 세포 극성 조절에 관여하는 serine/threonine kinases 계열에 속해있는 MARK4 는 microtubule arrays 의 조직을 조절하는 역할을 합니다.

• • 단백질 키나아제 MARK에 의한 tau의 microtubule-binding domain의 phosphorylation은 GSK-3 및 CDK5에 의한 tau의 hyperphosphorylation을 촉진하여, tau가 filament 및 tangle로 응집되도록 합니다. 이는 microtubule network의 불안정과 붕괴를 유발하게 됩니다. 즉, MARK4 억제를 통해 암세포의 증식과 전이를 억제하고, 세포 사멸을 유도하는 signaling pathway를 기대할 수 있습니다.

• 타겟 선정 rationale
  • MARK4의 발현과 암 환자의 survival rate의 relationship
  • Elevated MARK4L associated with worse prognosis
  • First in class 접근 가능성
  • kinase 특성상 많은 정보로 인한 computational approach 가능성 높음
  • ATP competitive binding site 선정
• Indication 설정

• 타겟 단백질의 조직 분포와 질환 상관성을 분석한 결과, Glioma(Glioblastoma multiforme) 치료제 개발을 목표로 설정하였고, 이에 따라 Glioma 치료제 개발을 위한 물리화학적 필요조건을 정의합니다. 이는 하이퍼랩 ADME/T 기능을 통해 예측 및 필터링으로 검토 가능합니다.
• 치료제 특성상 Cell permeability를 고려하여 아래와 같은 물성 조건을 설정합니다.

1. logP : 3 – 5

2. tPSA : <90

3. MW :<500

4. HBD <3

5. Solubility : Moderate ~ Soluble

   참고 ) 하이퍼랩 solubility 기준은 <중성 pH에서의 log S (log [mol/L])를 예측한 후 다음 기준에 따라 표시합니다.>

   • Insoluble : log S < -6
   • Soluble : -4 < log S
   • Moderate : -6 ≤ log S ≤ -4

AI 신약 개발 case study : Hyper Lab으로 MARK4 Target 분석

1. 신약 연구를 위한 target의 정의와 질환에 대한 선정이 끝난 뒤 초기 물질을 찾고 싶은 니즈가 있다면, 아래와 같은 방법으로 하이퍼랩을 활용해 보세요.
   
   1. 하이퍼랩에 존재하는 Hyper Screening을 통해 가상 스크리닝을 진행할 수 있어요.
   2. 단백질 구조를 선택하여(PDB ID 입력) 시작합니다. (하이퍼랩 화면 캡처)

2. 문헌들을 참고하여 ATP binding site 선정합니다. 

3. ATP competitive inhibitor 목표이기에 Hinge interaction을 주요 contact residue 로 지정합니다.

• • Hinge : Ala 135 hydrogen bond interaction
  • 스크리닝 이후 hinge interaction 여부로 화합물 선별 필터링 가능합니다.

4. ref. 화합물들을 리스트업하여 하이퍼랩에 입력하고 binding score 기준을 정합니다.

5. 하이퍼 스크리닝을 수행합니다.

하이퍼랩 라이브러리 또는 자체 라이브러리를 활용하여 가상 스크리닝을 진행할 수 있습니다.

• 저희는 Diverse 라이브러리를 이용하여 백만개 화합물에 대한 가상 스크리닝을 수행하였습니다.

5. 스크리닝 결과는 24시간 이내에 도출했고, 500개의 화합물 리스트를 단백질과 화합물의 결합 에너지 순으로 export할 수 있었습니다. 이후 원하는 ADMET 물성을 기준으로 필터링하여 107개의 물질을 최종 선정해 구매를 진행하였습니다. (구매 링크 및 벤더 정보 제공)
6. 참고로, MARK 1,2,3,4 isoforms 에 대한 선택성을 고려하기 위한 작업을 수행합니다.
   • isoforms의 PDB 를 추가 입력하고 binding score 을 비교하여 스코어 값의 차이를 통해 선택성을 반영하였습니다.

AI 신약 개발 case study : Hyper screening으로 후보물질 발굴

• Enzyme activity 및 cellular activity 결과를 통해 유효한 초기 물질을 찾았습니다.
• 107개 중 16개의 화합물이 후보 물질로 도출되었고, 그중 4종은 reference 대비 동등 이상의 활성을 나타냈습니다.
• 이후 cell viability 실험을 통해 IC₅₀ < 10μM 이하의 물질 1종을 확보하였습니다.

• 앞으로의 action
  • 유효활성을 보인 물질들에 대한 신규성(물질 IP 확보 가능성)을 확인해야 합니다.
  • 초기 물질로부터 구조적인 변경을 통해 potency 를 높이고 in vitro ADEMT 값을 최적화하는 과정이 필요합니다.

AI 신약 개발 case study : Hyper Screening으로 시간과 비용 절감

• 시간 절약
  • 일반적으로는 유효 물질을 찾는데 수개월의 시간이 소요되고 수백 개의 화합물이 필요하지만, 하이퍼 스크리닝을 통해 24시간 내에 완료 합니다.

• 효율적 선별
  • 수백 개의 화합물 중에서 500개의 유망한 후보물질을 신속히 선별합니다.
• 웹 기반 접근성
  • 기존의 가상 탐색은 다른 회사와의 협업을 통해 진행되어 불필요한 작업들이 소요되는 어려움이 있습니다. 하지만 웹에서 원하는 라이브러리(자체 라이브러리 등록 가능)를 직접 선택할 수 있습니다. 간접적인 AI 연구원이 되어 결과를 확인할 수 있는 하이퍼 스크리닝이야말로 신약 개발의 새로운 패러다임을 제안해 주고 있습니다.

AI 신약 개발 case study - 다음 글에 대한 예고

• 다음 글에서는 현재 유효한 활성을 보인 물질들로부터 하이퍼 디자인을 통해 구조 변경을 진행한 내용을 말씀드리도록 하겠습니다.
• 유효 물질은 있지만 구조 최적화 과정이 필요하신 분, 화학자가 없는 그룹에서 분자를 선택하는 데 어려움이 있으신 분, 또는 구조 modification의 노하우를 배우고 싶으신 분들은 다음 글을 기대해 주세요!

AI 신약개발 플랫폼 하이퍼랩 

• 무료체험 : https://alie.kr/2qXiB7F 
• 도입겁토 : https://abit.ly/yyytsg