페니실린의 발견 이후 항생제는 감염병 치료에 혁신을 가져왔지만, 오남용이 이어지면서 여러 약물에 동시에 내성을 갖는 다제내성균(MDR)이 유전자 변이를 통해 등장해 인류 건강에 새로운 위협이 되고 있다.
이런 상황에서 국내 연구진이 내성균에 특화된 신약 후보를 신속히 발굴할 수 있는 인공지능(AI) 기반의 차세대 항생제 개발 기술을 선보여 주목받고 있다.
광주과학기술원(GIST, 총장 임기철)은 전기전자컴퓨터공학과 남호정 교수와 화학과 서지원 교수 공동연구팀이 다양한 박테리아의 유전자 정보와 항균 펩타이드 간의 활성 관계를 분석해, 균종 특이적인 펩타이드 기반 항생제 후보물질을 제안하는 AI 모델을 개발했다고 밝혔다.
이 모델은 박테리아 종별 고유 유전자 정보와 다양한 항균 펩타이드 간의 상관관계 데이터를 학습하여 감염병을 유발한 세균에 최적화된 항균 펩타이드를 선별할 수 있다. 이를 통해 균종 특이적 정밀의료는 물론, 유전자 변이를 거쳐 기존 항생제에 내성을 지닌 병원균에도 정밀하게 대응할 수 있는 맞춤형 치료제 후보 도출이 가능해졌다.
지금까지의 AI 기반 항균 펩타이드 연구는 단순히 항균 활성 여부만을 예측하거나, 표적 박테리아 종을 고려하지 않아 실제 활용에 한계가 있었다.
연구팀은 이를 극복하기 위해 대용량 펩타이드 데이터를 학습시키고, 표적 박테리아 종의 게놈 정보를 활용하는 AI 모델인 ‘램프(LLAMP·Large Language model for AMP activity prediction)’를 세계 최초로 개발했다.
‘램프’은는 특정 박테리아의 게놈 정보와 펩타이드 서열을 입력하면, 해당 박테리아 종에 대한 펩타이드의 활성지표로서 최소억제농도(MIC, Minimum Inhibitory Concentration)를 예측한다.
이 모델은는 단백질 데이터를 기반으로 사전 학습된 언어 모델에 대용량 펩타이드 데이터를 추가로 학습시켜 펩타이드 특유의 ‘언어’를 이해하도록 만든 뒤, 박테리아 게놈–펩타이드 조합을 기반으로 미세 조정(Fine-tuning)을 거쳐 완성됐다.
기존 모델보다 항균성 예측 정확도에서가 최소 4%, 최대 9% 향상되고, 활성값 예측력은 최소 3%에서 최대 40%까지 개선되는 등 모든 성능 지표에서 우수한 성능을 보였다.
연구팀은 이번 성과에 대해 AI가 단순히 기존 약물을 모방하는 데 그치지 않고, 병원균의 유전자 특성을 분석해 그에 최적화된 새로운 치료제를 설계할 수 있음을 보여준 데에 큰 의미가 있다고 평가했다.
남호정 교수는 “새로운 내성균이 등장했을 때, 그 유전자 정보를 기반으로 빠르게 항생제 후보물질을 제안할 수 있는 AI 기반 신약개발 체계를 구축한 것이 이번 연구의 핵심”이라며, “균종 특이적 펩타이드를 발굴해 내성균에 특화된 항생제를 개발할 수 있다는 점에서 기존 모델과 차별화된다”고 밝혔다.
GIST 전기전자컴퓨터공학과 남호정 교수와 화학과 서지원 교수가 지도하고 전기전자컴퓨터공학과 배대훈 석사, 화학과 김민상 박사과정생이 수행한 이번 연구는 과학기술정보통신부·한국연구재단의 중견연구자지원사업, 지역혁신 선도연구센터(RLRC), 바이오의료기술개발사업 프로그램과 보건복지부·과학기술정보통신부의 연합학습 기반 신약개발 가속화 프로젝트(K-MELLODDY)의 지원을 받았다.
연구 결과는 국제학술지 ‘브리핑스 인 바이오인포매틱스(Briefings in Bioinformatics)’에 2025년 7월 18일 온라인으로 게재됐다