금회는 생명공학정책연구센티 BioINpro에 게재된 연세대 정재호 교수님의 “양자 컴퓨팅 기반 신약개발 개요 및 연구 동향”을 전송드립니다. 

신약 하나를 개발하기 위해 평균 17년의 개발 기간과 약 4~5조 원의 비용이 소요되지만, 성공 확률은 1만 개 후보물질 중 3개에 불과합니다. 지난 10여 년간 인공지능(AI) 기반 기술이 신약개발의 주요 혁신 수단으로 자리 잡으면서, 단백질 구조 예측, 분자 생성 모델, 가상 스크리닝 및 물성 예측 분야에서 혁신을 가져왔지만, 고전적 컴퓨팅의 계산 원리는 AI가 생물학적 및 화학적 시스템의 양자역학적 본질을 정확하게 모델링하는데 명백한 한계를 초래하고 있습니다.

양자컴퓨팅은 신약개발 핵심인 약물 분자 설계 문제의 양자적 본질에 직접 접근할 수 있는 새로운 컴퓨팅 패러다임으로 주목받고 있습니다

양자컴퓨터를 이용한 신약개발의 최근 연구 동향을 요약하면 다음과 같습니다. 

① Quantum Walk 기반 생물학적 네트워크 분석

 ▶ 신약개발 과정에서 가장 중요한 첫 단계는 질병의 기전을 규명하고 핵심적인 치료 표적을 발굴하는 것임

 ▶ 고전적 랜덤워크와 같은 확률적 네트워크 탐색 방법은 네트워크의 얕은 영역에 국한되어 탐색하는 경향이 강하고, 심층부에 위치한 중요한 조절인자를 충분히 포착하지 못한다는 한계가 있음

 ▶ 이에 대한 대안으로 주목받는 것이 양자워크 알고리즘으로, 양자워크는 양자역학의 중첩과 간섭 원리를 활용하여, 네트워크 위의 여러 경로를 동시에 중첩적으로 탐색함.

 ▶그 결과 특정 경로는 간섭 효과에 의해 강화되고, 다른 경로는 억제됨으로써 네트워크 깊은 영역까지 탐색을 확장하면서도, 정보 손실을 줄이고 보다 정밀하게 노드 간의 전역적 상관관계를 포착할 수 있게 함 

② Quantum Circuit Born Machine (QCBM) 기반 분자 생성

 ▶ 다음으로 신약개발의 중요한 과제는 새로운 화합물을 어떻게 설계하고 발굴할 것인가에 있음 

 ▶ 가상 스크리닝 기법과 최근에는 생성형 인공지능의 도입으로 분자 설계 속도와 효율성이 크게 개선되었지만, 생성형 AI 모델은 학습된 데이터와 유사한 화학공간 내에서 분자를 생성하는 경향이 강하여, 새로운 구조적 다양성을 확보하기 어렵고, 학습데이터의 편향에    의해 합성 불가능하거나 약물성이 낮은 분자를 생성하는 문제가 발생하기도 함

 ▶ 이러한 배경 속에서 주목받는 기술이 바로 QCBM 기반의 분자 생성으로 양자 회로를 이용해 고차원 확률분포를 학습하고 새로운 샘플을 생성하는 양자 생성 모델임

 ▶ QCBM은 양자역학적 특성인 중첩과 얽힘을 활용하여 고전적 모델이 탐색하지 못한 화학공간까지 접근할 수 있고, 특히 양자 상태 공간을 활용한 확률분포 샘플링이 가능하여 복잡한 분자구조의 탐색 효율성과 다양성 확보에서 강점을 가짐

③ Quantum Machine Learning (QML) 기반 예측 모델

 ▶ 분자설계와 더불어 핵심적인 과제는 설계된 화합물이 실제로 약효를 나타낼 수 있는지를 평가하는 것으로 이를 위해서는 후보물질의 표적단백질에 대한 결합친화도, 약물 동태학, 독성 및 안전성, 약물-약물 상호작용 등을 정밀하게 예측하는 모델이 필요함

 ▶ 전통적으로는 QSAR/PR분석, 머신러닝 예측모델, 딥러닝 기반 예측기가 활용되어 왔지만, 고전적 접근법은 대량의 학습 데이터가 확보된 경우에만 높은 성능을 보이며, 희귀질환, 희귀 독성 데이터와 같이 데이터셋이 제한적일 때 성능이 급격히 저하되는 문제가 있음

 ▶ QML은 고전적 머신러닝과 달리 양자 회로의 변분적 구조를 활용해 학습을 수행함으로써 데이터는 각 원자·결합 정보를 양자 상태로 인코딩되고, 중첩과 얽힘을 활용하여 고차원 특징 공간을 효율적으로 탐색할 수 있음.

 ▶ 이 과정에서 양자회로는 복잡한 확률분포를 정확하게 학습할 수 있어, 기존모델이 포착하지 못한 구조–물성 간의 비선형 관계를 반영할 수 있음. 또 QML은 데이터 희소성 상황에서의 학습능력으로 얽힘을 통해 제한된 데이터에서도  풍부한 표현력을 확보할 수 있음

④ Quantum Simulation(양자시뮬레이션)을 통한 분자동력학 및 전자구조 계산

 ▶ 신약개발의 핵심은 특정 후보물질이 표적단백질에 결합하여 실제로 생리학적 효과를 발휘할 수 있는지를 정밀하게 이해하는 것으로 이를 위해 단백질–리간드 상호작용의 에너지, 분자의 전자구조 변화, 반응 경로와 같은 물리화학적 특성을 계산하는 것이 필수적임

 ▶ 이러한 계산은 고전적 컴퓨터 환경에서 막대한 연산량을 요구하고, 고전적 분자동력학 시뮬레이션이나 양자화학적 근사법은 복잡한 생체분자나 대규모 시스템에 대해 정확도와 계산효율성 사이에서 불가피한 타협을 해왔음

 ▶ 이 한계 극복을 위해 양자시뮬레이션이 부상하고 있고,  분자시스템 자체가 양자역학적 원리로 작동한다는 점에 착안하여 이를 모사하기 위해 양자컴퓨터를 활용하는 방법이며, VQE와 QAOA 등이 대표적임

 ▶ VQE는 분자 전자구조의 바닥상태 에너지를 계산하여 단백질–리간드 결합 자유에너지를 정밀하게 추정할 수 있고, QAOA는 분자도킹을 최적화 문제로 변환하여, 리간드가 단백질 결합부위에 안정적으로 위치하는 최적 상태를 탐색할 수 있어, 전자구조 계산의 

   정밀도를 향상시킴으로써, 약물–표적 결합 친화도를 고전적 근사법보다 정확하게 산출할 수 있게 함

업무에 도움이 되시기 바랍니다.

게시자 주 ::  원문 자료가 필요하신 분은   kimpj1@naver.com  김필주기술사 에게 연락주시면 보내드리겠습니다.