컴퓨터활용신약설계 (computer-aided drug design (CADD))
쉽게 풀면
컴퓨터활용신약설계는 실제로 화합물을 하나하나 합성해 실험하기 전에, 컴퓨터로 화합물과 표적 단백질의 결합을 시뮬레이션하거나 QSAR 모델로 활성을 예측해 유망한 후보를 먼저 골라내는 접근입니다. 이를 통해 실험에 드는 시간과 비용을 크게 줄일 수 있어 현대 신약 개발에서 필수적인 도구로 자리 잡았습니다.
왜 중요한가
실험실에서 화합물을 일일이 합성하고 시험하기 전에 컴퓨터 시뮬레이션으로 후보물질의 활성이나 독성을 예측함으로써 신약 개발 초기 단계의 시간과 비용을 크게 절감할 수 있어 현대 신약 개발의 필수 도구로 다뤄집니다.
논문에서는 이렇게 쓰입니다
실제로 합성하지 않고도 컴퓨터로 수백만 가지 화합물의 결합 가능성을 계산해, 가능성이 높아 보이는 상위 후보만 골라냈다는 결과입니다.
실험실에서 일일이 물질을 합성해보기 전에, 컴퓨터 계산으로 어떤 화합물이 목표 단백질과 잘 결합할지 미리 추려냈다는 의미입니다.
조금 더 깊게 보면
컴퓨터 예측은 실제 생체 실험 결과와 항상 일치하지는 않아 보조적 도구로 활용되는 것이 일반적이며, 표적 단백질 구조를 활용하는 구조기반 약물설계와 화합물의 성질-활성 상관관계를 이용하는 정량적 구조-활성 관계 등 여러 세부 접근법을 포괄하는 상위 개념입니다. 결합 예측 방식은 표적 단백질의 3차원 구조에 화합물을 끼워 맞춰보는 구조기반 접근과, 이미 알려진 활성 화합물들의 구조-활성 데이터를 학습해 새 화합물의 활성을 통계적으로 추정하는 리간드기반 접근으로 크게 나뉜다. 최근에는 딥러닝 기반 단백질 구조 예측 기술이 결합되면서, 결정 구조가 알려지지 않은 표적에 대해서도 결합 부위를 예측할 수 있는 범위가 크게 넓어지고 있다.
주의할 점
컴퓨터로 예측된 결합력이나 활성은 어디까지나 예측치이므로, 실제 세포·동물 실험을 통한 검증 없이 결론을 내려서는 안 됩니다.
컴퓨터활용신약설계에서 산출되는 결합 점수는 서로 다른 화합물 간 상대적 순위를 매기는 데는 유용하지만, 그 점수 자체를 실제 결합력의 절대값으로 해석해서는 안 된다. 예측이 실제 실험 결과와 어긋나는 대표적인 이유로는 단백질의 유연한 구조 변화나 물 분자의 영향을 단순화해 계산하는 모델의 한계가 꼽힌다.