세계보건기구(WHO)가 코로나19 팬데믹을 선언한 이후, 연구자들은 이 질병을 유발하는 신종 코로나바이러스인 SARS-CoV-2에 대해 방대한 지식을 축적했습니다. 그러나 막대한 노력과 투자에도 불구하고 코로나19 환자를 위한 효과적인 치료법을 찾는 것은 여전히 어려운 과제입니다. 전 세계적으로 여러 백신 후보가 임상 시험에 진입했지만, 설령 안전성과 효능이 입증되더라도 백신을 제조 및 보급하고 전 세계 인구에게 접종하기까지는 수개월 또는 수년이 걸릴 것입니다. 따라서 팬데믹이 통제되기 전까지 감염될 수많은 사람들의 피해를 줄일 수 있는 효과적인 항바이러스 치료제를 찾는 것이 시급합니다.
과학자들은 이러한 긴급한 필요를 충족하기 위해 약물 개발 과정을 가속화할 다양한 방법을 모색해 왔으며, 그중에는 다른 질환에 이미 승인된 약물 중 코로나19 치료에 효과적일 수 있는 약물을 식별하기 위한 컴퓨팅 접근 방식도 포함됩니다. 이러한 노력을 돕기 위해 CAS의 과학자 및 기술자 그룹은 정량적 구조-활성 관계(QSAR) 방법론을 사용하여 SARS-CoV-2의 우선순위 단백질 표적에 대한 머신러닝 모델로 코로나19 치료를 위한 잠재적 약물 후보를 식별하고자 했습니다. 로피나비르(Lopinavir)와 텔미사르탄(Telmisartan)을 포함하여 현재 임상적 효능을 보이기 시작한 여러 약물을 성공적으로 식별해낸 이 연구는 최근 ACS Omega에 게재되었습니다.
기존의 활용과 새로운 발견
신약을 시장에 출시하는 데 필요한 막대한 시간과 비용을 고려할 때, 기존 소분자 약물을 재창출하는 것은 특히 상황이 시급할 때 매력적인 대안입니다. 이 전략은 치료제를 더 빠르게 시장에 출시할 수 있을 뿐만 아니라, 부정적인 부작용으로 인한 후기 단계 실패 위험을 낮추는 등 기존 약물 개발 과정에 비해 여러 가지 이점을 제공합니다.
약물 재창출은 새로운 개념이 아닙니다. 그러나 지금까지의 적용은 체계적이라기보다는 기회주의적인 경우가 많았습니다. 비아그라(Viagra)나 미녹시딜(Minoxidil)과 같이 지금까지 가장 성공적인 약물 재창출 사례 중 일부는 환자들이 예상치 못한 부작용을 보고하면서 새로운 적응증이 발견된 경우였습니다. 최근에는 시그니처 매칭, 분자 도킹, 유전적 연관성, 경로 매핑 및 후향적 임상 분석과 같은 컴퓨팅 방법을 포함하여 약물 재창출에 대한 보다 체계적인 접근 방식이 도입되었습니다. 이러한 컴퓨팅 접근 방식을 통해 연구자들이 기존 소분자 치료제를 새로 식별된 약물 표적과 안정적으로 연결하여 기존 포트폴리오의 치료 가치를 극대화할 수 있기를 기대합니다.
표적에 다가가기
코로나바이러스는 인간과 다양한 동물 종에게 경증에서 중등도의 상기도 질환을 일으키는 것으로 오랫동안 알려진 대규모 바이러스 계열입니다. 동물 특이적 코로나바이러스가 인간에게 감염되어 확산되는 경우는 드물지만, 현재까지 SARS-CoV-1, MERS-CoV, 그리고 신종 SARS-CoV-2 등 세 가지 코로나바이러스가 인간에게 전파될 수 있음이 입증되었습니다. 이 세 가지 모두 박쥐에서 유래한 것으로 추정되는 베타 코로나바이러스입니다. 이러한 바이러스들의 유사성과 인간 전염으로의 진행 과정을 고려할 때, 이전의 SARS 및 MERS 연구는 SARS-CoV-2의 약물 표적을 찾는 데 좋은 출발점이 됩니다. SARS-CoV-2의 모든 단백질 중에서 3-키모트립신 유사 단백질 분해효소(3CLpro)와 RNA 의존성 RNA 중합효소(RdRp)는 SARS-CoV 및 MERS-CoV와 다른 알려진 코로나바이러스에서 확인된 단백질과 상당한 유사성을 공유한다는 점에서 QSAR 모델링을 위한 두 가지 이상적인 단백질 표적입니다.
3CLpro는 코로나바이러스가 폴리단백질 펩타이드를 개별 기능성 비구조 단백질(NSP)로 절단하는 데 필요한 단백질 분해효소입니다. 아미노산 서열과 단백질 구조를 비교했을 때, 3CLpro는 SARS-CoV-2와 다른 인간 코로나바이러스 간에 매우 잘 보존되어 있는 것으로 밝혀졌습니다. 이 단백질은 SARS-CoV-1과는 96%의 서열 동일성 중첩을, MERS-CoV와는 87%, 인간 코로나바이러스(Human-CoV)와는 90%의 동일성을 보입니다. 따라서 이전 코로나바이러스 관련 연구에서 확인된 3CLpro 억제제는 SARS-CoV-2 3CLpro에 대한 유망한 억제제이며, 관련 구조-활성 관계(SAR) 데이터는 SARS-CoV-2 3CLpro의 새로운 억제제를 찾는 머신러닝 모델을 훈련하는 데 귀중한 자료가 됩니다.
RdRp는 RNA 바이러스가 숙주 세포 내에서 바이러스 게놈을 복제하기 위해 사용하는 주요 효소입니다. SARS-CoV-2 RdRp에 대한 구조 연구 및 서열 분석 결과, 이 효소는 SARS-CoV-1 RdRp의 구조와 매우 유사하며 HCV를 포함하여 대부분의 바이러스 RdRp에서 보존되는 여러 핵심 아미노산 잔기를 포함하고 있음이 밝혀졌습니다. 다행히 다양한 바이러스 RdRp는 특히 HCV 관련 연구에서 RNA 바이러스 억제제로 널리 연구되어 왔습니다. 따라서 HCV와 같은 RNA 바이러스에 대한 기존 RdRp 억제제는 SARS-CoV-2 RdRp 억제를 위한 약물 개발에 귀중한 통찰력을 제공할 수 있습니다.
머신러닝을 통한 기존 치료제 우선순위 지정
최근 몇 년 동안 머신러닝 모델은 신약 개발을 촉진하는 데 점점 더 많이 사용되고 있습니다. 특히 QSAR은 현대 신약 개발 과정의 첫 번째 단계 중 하나인 경우가 많습니다. 간단히 말해, QSAR은 화학 물질의 분자 구조에 대한 정량적 측정을 기반으로 화학 물질의 복잡한 생물학적 또는 물리화학적 특성을 근사화하는 수학적 모델입니다. 이러한 예측 수학적 모델은 대규모 화학 구조 데이터베이스를 스크리닝하여 식별된 표적에 대해 활성을 보일 가능성이 가장 높은 잠재적 약물 후보의 우선순위를 정하는 데 사용됩니다. 이 접근 방식은 화학 물질의 활성이 그 구조와 직접적으로 관련되어 있다는 가정에 기반하며, 따라서 유사한 구조적 특징을 가진 분자는 유사한 물리적 특성 및/또는 생물학적 효과를 나타냅니다.
이 연구에서 동료들과 저는 3CLpro 및 RdRp 단백질 표적에 대한 예측력이 높은 QSAR 모델을 구축하기 위해 긴밀히 협력했습니다. 컴퓨팅 과학자와 화학자가 포함된 연구팀은 모델의 훈련 분자로 구조-생물활성 데이터가 포함된 1,000개 이상의 억제제를 선별했습니다. 우리는 가장 최신의 SARS-CoV-2 생물학적 분석 연구와 CAS 콘텐츠 컬렉션에 포함된 SARS-CoV-1, MERS-CoV 및 기타 관련 바이러스에 대한 기존 연구 데이터를 수집했습니다. 이 데이터를 사용하여 다양한 머신러닝 알고리즘을 적용해 수십 개의 QSAR 모델을 구축했으며, 그중 가장 성능이 뛰어난 모델(3CLpro 표적 모델 1개, RdRp 표적 모델 1개)을 선택했습니다.
테스트된 모든 모델과 어떤 잠재적 후보가 가장 유망한지 확인하려면 전체 저널 논문인 QSAR 머신러닝 모델 및 코로나19와 관련 바이러스 감염의 잠재적 치료제로서 바이러스 3CLpro 및 RdRp 표적 화합물 식별을 위한 응용을 읽어보십시오.
We used the two resulting QSAR models to screen a large pool of potential drug candidates including 1,087 FDA-approved drugs, nearly 50,000 substances from the CAS COVID-19 Antiviral Candidate Compounds Dataset and ~113,000 substances with pharmacological activity identified or a therapeutic role indexed by CAS in SARS-, MERS- and COVID-19-related documents published since 2003. By modeling protease inhibitor activity as a function of substance structure, we identified some of the most promising candidates among substances predicted to be active inhibitors of coronavirus 3CLpro and RdRp. Additionally, a number of the substances that our models predict will inhibit 3CLpro or RdRp in SARS-CoV-2 also have previously identified therapeutic activity against other diseases that have emerged as risk factors for more severe COVID-19 infections. For example, a candidate COVID-19 antiviral that also has known activity against heart disease, such as diltiazem hydrochloride (Cardizem), could potentially provide a dual benefit, in certain cases.
본 모델은 높은 ROC-AUC(ROC-AUC) 값과 민감도, 특이도, 정확도를 갖춘 것으로 검증되었습니다(그림 1). 본 연구 완료 이후, 본 모델이 높은 활성을 보일 것으로 예측한 일부 분자들이 실제 발표된 생물학적 검정 연구 및 임상 시험을 통해 검증되었으며, 이는 본 모델의 예측 능력을 더욱 확실하게 입증합니다.
다음 팬데믹에 대비하기
본 연구는 현재의 코로나19 위기 상황에서 활용 가능한 잠재적 치료 화합물을 식별하는 데 중점을 두었으나, 향후 수년 내에 또 다른 바이러스성 팬데믹이 발생할 가능성이 높습니다. 따라서 항바이러스제 연구에 대한 지속적인 투자와 집중을 통해 미래의 발병에 대비하는 것이 시급합니다. 다양한 유형의 바이러스(예: 코로나바이러스, 인플루엔자 바이러스, 에볼라 바이러스, 레트로바이러스)가 전염병을 유발할 수 있고, 새로운 약물이나 적응증에 대한 인체 안전성 및 유효성 검증에는 상당한 시간이 소요되므로 광범위한 항바이러스제와 백신이 가장 큰 가치를 지닐 것입니다.
본 연구에서 설명한 머신러닝 절차, 분자 도킹, 가상 스크리닝과 같은 컴퓨터 기반 신약 개발 방법의 지속적인 발전은 핵심적인 중요성을 가질 것입니다. 컴퓨터 처리 능력의 지속적인 향상과 도킹 및 구조 예측 알고리즘, 단백질 결정 구조 결정 기술의 발전은 이러한 진전을 촉진할 것입니다. 또한, 고속 대량 스크리닝, 오믹스 기술, 기존 약물의 재창출 활용은 계속해서 그 중요성이 커질 것입니다. 하지만 이러한 기술 중심의 새로운 방법들이 인간의 실험실 연구를 대체하는 것이 아니라, 효율성을 높여 상호 보완하는 역할을 할 것입니다. 인간의 데이터 큐레이션과 머신러닝 모델을 결합하여 코로나19 치료를 위한 잠재적 저분자 약물 후보를 성공적으로 식별한 본 연구가 신약 개발 분야에서 인간과 기계 간 시너지의 가치를 조명하고, 코로나19를 넘어선 항바이러스 연구 노력에 기여하기를 바랍니다.
글로벌 과학 커뮤니티의 일원으로서 CAS는 모든 자산과 역량을 활용하여 코로나19 퇴치를 지원하는 데 전념하고 있습니다. 과학적 통찰력, 오픈 액세스 데이터셋, 특별 보고서를 포함한 CAS의 추가적인 CAS COVID-19 오픈 액세스 리소스를 살펴보십시오.
