갤럭스, 서울대와 신약 개발 면역원성 예측 모델 'T-SCAPE' 개발

갤럭스가 서울대 연구팀과 함께 신약 후보 물질의 T세포 면역원성을 예측하는 인공지능(AI) 모델 'T-SCAPE'(T-cell Immunogenicity Scoring via Cross-domain Aided Predictive Engine)'을 개발했다. 면역원성은 단백질 기반 치료제 개발에서 중대한 리스크로 고려되는 요소 중 하나다. 약효의 약화나 치료제에 대한 강한 면역 반응으로 이어질 수 있기 때문이다. 하지만 관련 데이터의 부족과 면역 기전이 복잡해 이를 정량적으로 예측하는 것은 숙제로 남아 있다. 'T-SCAPE'는 면역원성에 대한 정보가 제한된 만큼 여러 면역학적 관련 데이터를 통합 학습하도록 설계됐다. 연구진은 사람과 동물의 펩타이드 서열을 비롯해 MHC 결합 정보, T세포 수용체(TCR) 상호작용, T세포 활성화 실험 데이터 등 여러 생물학적 데이터를 연결해, 단일 데이터 기반 모델이 파악하기 어려운 복합적인 패턴까지 반영토록 설계했다. 모델 검증 결과에서 'T-SCAPE'는 '펩타이드-MHC 복합체 (pMHC)'의 면역원성 예측을 위한 주요 벤치마크 평가에서 기존 모델들을 뛰어넘은 정확도를 보였다. 실제 치료용 항체의 '항의약품항체 (ADA)' 발생 가능성도 높은 정확도로 예측해 냈다. 공동연구팀은 앞으로 폭넓은 면역원성 평가를 위한 참고 지표로 활용될 것으로 기대했다. 연구를 공동 총괄한 갤럭스 노진성 박사는 “면역원성 직접 데이터가 부족해 AI에 생물학적 원리를 먼저 학습시키는 '사전학습(Pre-training)' 전략을 적용했다”라며 “서로 다른 데이터 간의 차이를 줄이고 공통 규칙을 찾는 딥러닝 방법론인 '적대적 도메인 적응(Adversarial domain adaptation)' 기술을 적용해 예측 성능을 높였다”라고 설명했다. 석차옥 대표는 “이번 연구를 통해 우리의 AI 기반 정밀 단백질 설계 역량에 치료제에 대한 면역 반응을 사전에 검토할 수 있는 기준점이 마련됐다”라며 “신약후보물질 확보 과정에서의 불확실성과 시행착오를 줄이고, 신약 개발 과정의 효율성을 높일 수 있도록 기술을 발전시키겠다”라고 밝혔다. 한편, 연구 결과는 국제 학술지 '사이언스 어드밴시스(Science Advances)' 최신호에 게재됐다.