유도적 결합 도킹 문제에 대한 새로운 해결책: IFD-MD가 어떻게 정확하고 신속하며 신뢰할 수 있는 리간드 결합을 예측하는가

Schrödinger의 구조 예측, 구조 정제 및 신약 개발 연구팀 소속 과학자들은 최근 『The Journal of Chemical Theory and Computation』에“단백질-리간드 결합에 대한 유도 적합 도킹 문제에 대한 신뢰할 수 있고 정확한 해결책(Reliable and Accurate Solution to the Induced Fit Docking Problem for Protein-Ligand Binding)”이라는 논문을 발표했다. 저자들은Schrödinger의 IFD-MD가실험적 결정 방법보다 더 빠르고 쉽게 구조 기반 신약 개발( 약물 설계 , SBDD)에 활용할 수 있는 정확한 구조를 도출할 수 있음을 확인했다.

프라임 구조 예측 그룹(Prime Structure Prediction Group)의 제품 관리자인 에드 밀러 박사는, 새로운 리간드 스캐폴드의 결합 모드를 정확하고 신뢰할 수 있는 방식으로 규명할 수 있는 당사의 차세대 유도 적합 도킹 워크플로우에 대해 설명합니다.

이 논문의 의미를 설명해 주세요. 왜 이 논문이 그렇게 주목받는 건가요?

신약 개발 분야에서 연구자들이 관심 대상인 표적 단백질이나 그와 유사한 동종 단백질의 구조를 확보하는 것은 꽤 흔한 일입니다. 하지만 이러한 기존 구조가 있음에도 불구하고, 단 하나의 사이드 체인, 심지어 몇 개의 원자 차이만으로도 해당 구조가 특정 신약 개발 프로젝트에 있어 무용지물이 될 수 있습니다. 특정 화합물 계열에 대한 단백질-리간드 결합 양상을 정확하게 규명하는 것은, 자유 에너지 방법과 같은 엄격한 구조 기반 모델링을 통해 친화도를 정확하게 예측하기 위한 핵심적인 출발점입니다. 신약 개발 프로그램과 관련이 없는 다른 리간드 스캐폴드와 복합체를 이룬 구조들은, 새로운 스캐폴드를 설계하는 과학자들에게 한계가 됩니다.

역사적으로, 연구팀이 자체 개발한 소분자와 결합된 새로운 실험적 X선 결정 구조를 확보함으로써 이러한 과제를 극복하기 위해 상당한 시간과 비용이 투입되어 왔습니다. 이로 인해 프로젝트 일정이 길어지고 지연될 수 있습니다. 막 단백질이나 GPCR과 같은 일부 단백질의 경우, 실험적 구조를 확보하는 것이 불가능하지는 않더라도 극히 어렵습니다. 따라서 이 문제를 훨씬 짧은 시간 내에 해결할 수 있는 계산적 방법에 대한 실질적인 필요성이 제기되어 왔습니다.

이 논문은 IFD-MD라는 새로운 기술을 활용함으로써, 바로 이러한 유형의 문제에 대해 매우 고품질의 구조 모델을 생성하고 단백질-리간드 결합 모드를 신뢰성 있게 효율적으로 예측할 수 있음을 보여준다.

그러나 IFD-MD와 같은 방법이 프로젝트에 실질적인 영향을 미치려면, 사람들이 실험을 통해 도출된 결정 구조를 신뢰하는 만큼이나 계산 모델도 신뢰해야 합니다. 실험적 구조가 없는 상황에서도 이 모델을 활용해 예측을 이끌어낼 수 있다는 확신을 가져야 합니다. 이는 결코 쉬운 일이 아니지만, 흥미로운 점은 자유 에너지 계산(FEP+)을 통해 모델을 사전에 검증하고 검증함으로써 과학자들이 IFD-MD로 생성된 구조를 자신 있게 활용하여 진행 중인 프로젝트에 실질적인 기여를 할 수 있다는 것입니다. 예를 들어, IFD-MD로 생성된 구조 모델을 사용한 FEP+ 결과가 사후적으로 강한 상관관계를 보인다면, 과학자는 해당 모델을 미래의 예측에 자신 있게 활용할 수 있습니다. 실제로 본 논문에서는 두 개의 별도 내부 프로그램에서 이러한 결과가 미래 예측에 적용되었음을 보여줍니다.

Schrödinger의 IFD 소프트웨어(Induced Fit Docking)와 IFD-MD의 차이점은 무엇인가요?

10여 년 전, Schrödinger 는 자사의 Glide 도킹 프로그램과Prime단백질 모델링 프로그램을 결합하여 개발한 자동화된 유도 적합 도킹(IFD) 알고리즘을 도입했습니다. Glide/Prime IFD 방법론은 현재까지 제약 및 생명공학 산업의 신약 개발 프로젝트에서 광범위하게 활용되어 왔습니다. 그러나 샘플링의 한계로 인해 IFD가 천연형에 가까운 단백질-리간드 결합 자세를 식별하지 못하거나 정확하게 순위를 매기지 못하는 경우가 있습니다.

5년 전, Schrödinger 은 IFD의 정확성과 신뢰성을 향상시키기 위한 프로젝트를 시작했습니다. 이러한 노력의 결과로 탄생한 것이 바로 IFD-MD(Induced-Fit Docking 분자동역학)입니다. 이 방법은 무차별 대입 방식의 분자 동역학( 분자동역학 , MD) 시뮬레이션보다 계산 효율이 훨씬 뛰어나며, 적당한 수준의 클라우드 컴퓨팅 리소스를 활용하면 하룻밤 사이에 쉽게 완료할 수 있습니다. 실제로, 최근 출시된 제품 버전에서는 처리 속도 면에서 상당한 개선을 이루기도 했습니다(그림 1).

또한 훈련 세트와 테스트 사례 모두에서 매우 높은 비율(90% 이상)이 결정 구조의 주요 특징을 재현하며, 결정 구조를 출발점으로 삼았을 때 얻어진 것과 매우 유사한 분자동역학 궤적을 산출한다는 사실도 확인했습니다.

그 후, Schrödinger의 사내 신약 개발 활동 중 ‘ 코스 ’에서 조사된 5가지 독자적인 시스템에 대해 IFD-MD의 성능을 테스트하고 다음과 같은 질문을 제기했습니다:

“신약 개발 프로젝트가 시작될 당시 공개되어 있던 구조 정보만을 바탕으로, 정확한 단백질-리간드 결합 자세를 가진 독점적 구조를 예측할 수 있었을까?”

크로스 도킹 실험(즉, 원래 실험에서 결합된 소분자와는 다른 소분자를 사용하여 수행한 도킹)의 결과는 아래 차트(그림 2)에 제시되어 있습니다. 우리는 강체 수용체 도킹 방법(GlideSP), 당사가 개발한 기존 IFD 방법, 그리고 새로운 IFD-MD 방법 간의 결과를 비교했습니다.

이번 검증의 독특한 점은, 백본(backbone)의 움직임 유무나 템플릿 리간드가 표적 분자의 결합 부위를 완전히 차지하는지 여부에 따라 단백질-리간드 시스템을 배제하지 않았다는 것입니다. 실제로, 100%의 확률로 성공적인 크로스독 복합체를 생성하지 못한 유일한 시스템인 시스템 4의 경우, 상당한 백본 재구성이 필요하며, 이는 현재 이 방법의 적용 범위를 벗어납니다. 그러나 심각한 백본 운동이 존재할 가능성이 있으나 아직 알려지지 않은 경우에도, FEP+ 를 사용하여 IFD-MD 모델을 테스트하고 검증하면 이러한 한계를 완화할 수 있습니다. 무엇보다도, IFD-MD는 GlideSP 및 IFD와 비교했을 때 5개 시스템 모두에서 더 우수한 성능을 보였습니다.

IFD-MD 워크플로우에 대해 설명해 주실 수 있나요?

수년간의 개발 끝에 그림 3에 요약된 IFD-MD 워크플로가 완성되었습니다. IFD-MD는 결합 자세를 예측하기 위해 여러 가지 ‘ Schrödinger ’ 도구를 단일 솔루션으로 통합하며, CPU와 GPU가 연동된 일련의 작업으로 실행됩니다.

초기 포즈 생성은 파마코포어 도킹(Phase)을 통해 수행된 후, Prime을 사용하여 구조를 정제하고, Glide 를 통해 반복적인 과정을 거쳐 재도킹합니다. 수화 부위는 열역학적 특성(WaterMap)을 계산하여 추정되며, 결합 포켓 에서 물 분자 배치에 활용됩니다. 시스템이 짧은 시간 동안 평형 상태에 도달한 후, 메타다이나믹스(MtD) 시뮬레이션을 통해 리간드 포즈의 안정성 를 평가하고 점수를 매깁니다.

IFD-MD 방법이 무차별 대입 방식의 분자 동역학(MD) 시뮬레이션보다 계산 효율이 훨씬 더 높다고 언급하셨습니다. 이에 대해 설명해 주실 수 있나요?

유도적 결합 도킹에 대한 가장 직접적인 접근 방식은 아마도 분자 동역학(MD) 시뮬레이션을 통해 리간드가 용액에서 결합 부위로 이동하는 과정을 시뮬레이션하는 것이며, 이때 시스템 내의 모든 원자(수용체, 리간드, 용매)가 자유롭게 움직일 수 있도록 하는 것입니다. 이것이 바로 무차별 대입법(brute-force) 접근 방식입니다. D.E. Shaw Research를 비롯한 여러 연구 그룹이 이 방법이 가능함을 입증한 바 있습니다. 하지만 이 방법을 신뢰성 있게 수행하려면 매우 많은 시간과 비용이 소요되며, 다양한 시스템에 걸쳐 대규모 시뮬레이션을 수행하지 않는 한, 신뢰할 수 있는 결과를 얻기 위해 무엇이 필요하고 충분한지 정확히 파악하기 어렵습니다.

진행 중인 프로젝트에서는 고려해야 할 불확실성이 급격히 증가하기 시작합니다. 대체 토토머 상태, 입체 이성질체, 대체 리간드 계열, 그리고 그 밖의 수많은 변수들이 존재합니다. 이러한 변수들 각각에 대해 별도의 시뮬레이션이 필요하기 때문에, 무차별 대입 방식의 분자 동역학(MD) 시뮬레이션은 비용 면에서 너무 부담스러워 실용적이지 않습니다. 무차별 대입 방식의 MD 시뮬레이션으로 생성된 방대한 양의 데이터를 분석하는 데 과학자가 소요하는 귀중한 시간은 말할 것도 없습니다.

머크 KGaA(Merck KGaA) 과학자들이 최근 발표한 논문인“신약 개발 프로젝트에서 결합 자유 에너지 계산에 대한 대규모 평가(Large-Scale Assessment of Binding Free Energy Calculations in Active Drug Discovery Projects)”에서, 연구진은 표적 물질에 대한 구조 데이터 부족으로 인해 IFD-MD( FEP+)의 적용 범위가 제한될 수 있음을 발견했습니다. IFD-MD가 이러한 문제에 어떤 영향을 미칠 것이라고 보십니까?

물론입니다. 해당 논문에서 저자들은 일부 신약 발굴 프로젝트에서 유도 적합 도킹( FEP+ )의 활용을 제한하는 주된 원인이 구조 데이터의 부족이라고 밝히고 있습니다. 특히, 단백질의 구조적 변화, 기존 결정 구조에서 명확히 파악되지 않은 원자, 또는 결합에 대한 불확실성 등이 잠재적인 난제로 존재합니다. 본 논문에서 제시하는 유도 적합 도킹 알고리즘은 신약 발굴 프로젝트에서 이러한 문제들을 획기적으로 개선하기 위해 고안되었습니다.

마지막으로 하고 싶은 말씀이 있으신가요?

많은 계산 기법에는 ‘경직된 수용체 근사법’이 내재되어 있습니다. 이 근사법은 역사적으로 큰 유용성을 보여왔지만, 유도 적합(induced fit) 기법을 통해 이를 뛰어넘음으로써 새롭고 더 정확한 시뮬레이션의 영역이 열리게 되었습니다. 가까운 미래에, 우리는 IFD-MD가 신약 개발 프로젝트에 미칠 수 있는 영향의 한계를 한층 더 넓혀 나갈 것입니다.