Google DeepMind가 에이전트 도구 Google Antigravity에 쓰는 Cheminformatics Skills를 공개하고, 신약 후보 분자의 데이터 정리부터 설계 제안까지 에이전트가 맡는 워크플로를 선보였다. 연구자는 Antigravity 앱을 내려받아 Science 플러그인을 설치하면 바로 쓸 수 있다.
기업 사용자는 앱에서 'Use Business Account'를 고르고 Google Cloud 계정으로 로그인하면 된다. Google DeepMind는 과학자 1만 명에게 Antigravity의 최고 사용량 등급을 6개월간 무료로 제공한다고 밝혔다. 온보딩은 순차적으로 진행하며 자격, 수용 능력, 선정 여부에 따라 달라지고, 신청은 이미 열려 있다.
Accelerating cheminformatics with Google AntigravityGoogle Antigravity · 동영상 재생 (YouTube)Google DeepMind에 따르면 신약 설계는 도표, 그림, 문헌에서 복잡한 데이터를 가려내고 예측 모델을 학습시킨 뒤 합성할 후보 분자를 제안하는 일이며, 한 번 반복하는 데 보통 며칠이 걸린다. 이번 시연에서는 에이전트가 실제 폐암 치료제를 소재로 수천 개 화합물을 검색하고 매치드 분자쌍 분석을 한 뒤, 합성 경로를 갖춘 새 경직화한 대환형 분자 후보를 1시간 안에 제안했다고 한다.
언어 모델과 화학 도구의 역할 분담
같은 분자도 논문에서는 IUPAC 이름, 특허에서는 마쿠시 구조, 카탈로그에서는 구조 데이터 파일(SDF)로 나타난다. 고급 화학정보학 시스템은 이런 자료를 통합하면서 여러 경로로 생기는 오류까지 다룰 수 있어야 한다고 Google DeepMind는 설명했다. 이 작업은 오류를 허용할 여지가 없다. 원자나 결합 하나만 바뀌어도 전혀 다른 화합물이 되기 때문이다.
스킬은 기반 언어 모델이 워크플로 조율, 데이터베이스 탐색, 과학적 추론을 맡고, 분자 계산은 결정론적 화학 도구가 실행하도록 역할을 나눈다. 두 가지가 바탕이다. 하나는 전 세계 기여자들이 20년 넘게 개발한 오픈소스 화학정보학 툴킷 RDKit이고, 다른 하나는 ChEMBL과 PubChem의 정제된 자료에 연결하는 커넥터다. 분야별 모범 사례가 에이전트 작업 흐름에 직접 들어 있다.
크리조티닙에서 로라티닙까지 시연
시연 주제는 분자를 단단하게 만들어 효능을 높이는 고전적 기법인 경직화다. 회전 가능한 결합이 많은 분자는 여러 3차원 형태로 흔들리는데, 표적에 결합하려면 하나의 활성 형태로 고정돼야 하고 이때 엔트로피 손실이 생겨 결합 친화도와 효능이 떨어진다. 결합을 추가해 미리 고정하면 이 비용을 앞서 치르는 셈이라 효능이 크게 오를 수 있다고 한다.
사례는 비소세포폐암 치료에 쓰는 1세대 소분자 티로신 키나제 억제제 크리조티닙과 3세대 소분자 억제제 로라티닙이다. 크리조티닙은 주요 회전 결합이 5개다. 로라티닙은 크리조티닙과 닮았으나 말단을 고리화해 유효 회전 결합이 0개로 줄었고, 그 결과 효능 등이 높아졌다.
먼저 에이전트가 이 약물과 유사체 문헌을 검색해 분자를 추출하고 보고된 데이터와 연결해 후속 분석용으로 준비한다. 이어 정제한 화합물과 데이터를 보여 주는 대화형 뷰어를 띄운다. 효능과 회전 결합 수를 축으로 대환형 여부별 색을 입힌 산점도에서는 로라티닙 같은 대환형 화합물이 회전 결합이 적고 효능이 높은 경향이 곧바로 드러났다.
다음은 매치드 분자쌍 분석이다. 한 가지 작은 변화만 다른 분자 쌍을 비교해 그 변화의 효과를 분리하는 기법으로, 에이전트가 먼저 제안했다. 고리화 여부만 다른 쌍을 비교한 결과, 고리화는 회전 결합 수를 줄이고 대체로 효능을 높였다.
에이전트는 특징 집합과 모델 구조를 달리한 효능 예측 머신러닝 모델을 다수 만들고 따로 떼어 둔 데이터로 검증했다. 스킬에는 모델 구축 지침이 들어 있다. 시간 정보가 있으면 에이전트는 오래된 화합물로 학습해 새 화합물을 예측하는 시간순 분할을 자주 쓰고, 필요하면 일반화 성능을 더 잘 추정하기 위해 골격 분할로 돌아갈 수 있다.
마지막으로 에이전트는 이렇게 얻은 결과로 개선된 대환형 분자를 설계하고, 서로 다른 화합물을 쓰는 여러 반응과 합성 경로를 제안했다. 에이전트는 AlphaFold나 분자동역학 같은 물리 기반 기법으로 추가 분석할 수 있도록 이 화합물을 준비할 수 있고, 결과는 업계 표준 화학 소프트웨어에서 불러올 수 있는 여러 형식으로 내보낼 수 있다.
한계
Google DeepMind는 데이터가 희박하고 실험실 간 분석 잡음이 있으며 측정 범위가 좁아 가장 강력한 모델도 예측 정밀도에 한계가 있다고 밝혔다. 컴퓨터가 낸 설계는 검증할 수 있는 가설이지 완성된 약이 아니며, 제안된 모든 설계는 실제로 합성해 실험으로 확인해야 한다.
출처
이 기사는 아래 자료를 바탕으로 정리했습니다. 제목을 누르면 원문이 새 창으로 열립니다.
- Agentic cheminformatics with Google Antigravity deepmind.google