목차
말라리아는 여전히 전 세계적으로 수억 명의 감염자를 발생시키는 대표적인 감염 질환입니다. 특히 기존 치료제에 대한 약물 내성(drug resistance) 문제는 점점 심각해지고 있으며, 새로운 기전과 구조를 가진 항말라리아 신약 개발이 절실한 상황입니다. 최근 연구에 따르면 말라리아 감염은 높은 수준을 유지하고 있으며, 기존 약물에 대한 내성 확산이 주요 원인으로 지목되고 있습니다. (Adhikari et al., 2022)
이러한 배경 속에서 제약 · 바이오 연구자들은 단순한 합성 중심 접근을 넘어, 계산화학 기반의 In-silico 신약 설계 전략을 적극적으로 도입하고 있습니다.
Pf-DHFR 타겟 기반 항말라리아 신약 개발의 방향성
항말라리아 신약 개발에서 중요한 타겟 중 하나는 Pf-DHFR(Plasmodium falciparum dihydrofolate reductase) 효소입니다. 이 효소는 DNA 합성에 필수적인 역할을 수행하는 핵심 타겟입니다. 따라서 Pf-DHFR 억제제(inhibitor)를 설계하면 기생충의 증식을 효과적으로 차단할 수 있습니다.
하지만 기존 치료제는 돌연변이로 인해 효능이 감소하고 있으며, 특히 클로로퀸 내성 말라리아는 치료 전략의 근본적인 변화를 요구하고 있습니다. 이러한 상황에서 구조 기반 신약 설계(Structure-Based Drug Design, SBDD)가 중요한 해결책으로 떠오르고 있습니다.
hybrid scaffold 전략과 pharmacophore 설계
이러한 문제를 해결하기 위해 연구에서는 1,3,5-triazine과 PABA 유사체를 결합한 hybrid scaffold 전략을 적용하였습니다. 이는 서로 다른 두 개의 pharmacophore를 결합하여 결합 친화도와 선택성을 동시에 향상시키는 접근법입니다.
이 전략을 기반으로 총 120개의 화합물 라이브러리가 설계되었으며, 다양한 치환기를 통해 구조적 다양성(chemical diversity)을 확보하였습니다. 즉, 단순히 하나의 후보를 찾는 것이 아니라 가능성이 높은 화학 공간을 체계적으로 탐색한 것입니다.
In-silico 가상 스크리닝: 후보 물질의 정교한 선별
이렇게 설계된 화합물은 바로 실험으로 넘어가지 않습니다. 대신 In-silico 기반의 단계적 필터링(In-silico virtual screening)을 통해 효율적으로 후보를 줄여 나갑니다.
먼저 Linpinski Rule을 통해 약물 유사성을 평가하고, TOPKAT을 활용해 독성 가능성을 예측합니다. 이후 Molecular Docking을 통해 Pf-DHFR와의 결합 친화도를 분석합니다.
✔️ Lipinski Rule (약물 유사성 평가)
✔️ TOPKAT (독성 예측)
✔️ Molecular Docking (CDOCKER)
이러한 과정을 통해 120개의 화합물은 15개로, 이후 10개 후보로 압축되었으며, 최종적으로 Df3라는 단일 후보가 도출되었습니다. 이 과정은 신약 개발에서 실험 비용과 시간을 획기적으로 줄일 수 있는 핵심 전략입니다. (Adhikari et al., 2022)
Case Study: Df3는 어떻게 발견되었는가?
이제 실제 사례를 통해 위의 과정이 어떻게 적용되었는지 살펴보겠습니다.
연구에서는 Pf-DHFR 단백질(1J3I, 1J3K)을 타겟으로 분자 도킹을 수행하였으며, 다양한 화합물이 활성 부위와 상호작용하는 방식이 분석되었습니다. 특히 Df3는 다음과 같은 특징을 보였습니다.
✔️ Arg122, Ser111 등 핵심 잔기와의 수소 결합 형성
✔️ π-π interaction 및 hydrophobic interaction 확보
✔️ 기존 reference ligand(WRA609) 대비 유사하거나 더 강한 결합 패턴
이후 MD 시뮬레이션을 통해 구조 안정성을 검증한 결과, Df3는 RMSD, RMSF, ROG 분석에서 안정적인 거동을 보였습니다. 마지막으로 MM/PBSA 계산을 통해 결합 자유 에너지를 정량적으로 평가하였으며, 이는 도킹 결과를 더욱 신뢰성 있게 보완하는 역할을 했습니다.
결과적으로 Df3는 in-vitro 실험에서도 우수한 항말라리아 활성을 보이며(IC50 ≈ 9.54 μg/mL), 실제 신약 후보로서의 가능성을 입증했습니다. (Adhikari et al., 2022)
Discovery Studio: 전체 워크플로우를 연결하는 핵심 도구
이러한 일련의 과정은 개별 툴이 아닌 통합된 플랫폼을 통해 더욱 효율적으로 수행됩니다. 대표적인 예가 BIOVIA Discovery Studio입니다.
BIOVIA Discovery Studio는 Docking, 독성 예측, MD 시뮬레이션, MM/PBSA 계산까지 하나의 환경에서 수행할 수 있도록 지원합니다. 즉, 화합물 설계부터 최종 후보 검증까지 이어지는 전체 신약 개발 워크플로우를 하나의 플랫폼에서 통합적으로 관리할 수 있는 계산 화학 기반 신약 개발 플랫폼입니다.
이러한 점에서 Discovery Studio는 단순한 분석 도구를 넘어, 신약 개발의 생산성과 성공률을 동시에 향상시키는 핵심 인프라라고 할 수 있습니다.
[Discovery Studio 핵심 기능]
✔️ Molecular Docking (CDOCKER)
✔️ Pharmacophore Modeling
✔️ ADMET / TOPKAT 분석
✔️ Molecular Dynamics SimulationV MM/PBSA Binding Energy Calculation
MM/PBSA: 왜 도킹 이후 반드시 필요한가?
Docking은 빠르고 효율적인 방법이지만 결합 에너지를 정밀하게 평가하는 데에는 한계가 있습니다. 따라서 보다 정확한 분석을 위해 MM/PBSA가 활용됩니다.
MM/PBSA (Molecular Mechanics/Poisson-Boltzmann Surface Area)는 MD 시뮬레이션 기반으로 단백질-리간드 간 결합 자유에너지(binding free energy, ΔGbind)를 계산하는 방법으로, 정확도와 계산 비용 사이에서 균형을 제공하는 대표적인 방법입니다. (Genheden & Ryde, 2015)
특히, 가상 스크리닝 이후 후보 물질의 우선순위를 결정하는 단계에서 매우 중요한 역할을 수행합니다.
✔️ Docking보다 높은 정확도
✔️ FEP보다 낮은 계산 비용
✔️ MD 기반 정밀 분석 가능
결론: 계산화학 기반 신약 개발의 실질적 가치
이번 사례는 In-silico기반 접근이 단순한 보조 도구가 아니라, 실제 신약 후보 발굴의 핵심 전략으로 활용될 수 있음을 보여줍니다. 특히 Df3 사례는 다음과 같은 메시지를 전달합니다.
✔️ 구조 기반 설계는 내성 문제 해결에 효과적이다.
✔️ 가상 스크리닝은 연구 효율을 극대화한다.
✔️ MM/PBSA는 후보 검증의 신뢰도를 높인다.
✔️ Discovery Studio는 전체 과정을 통합한다.
앞으로 제약 · 바이오 연구에서는 이러한 계산 기반 접근이 더욱 중요해질 것입니다. 특히 Discovery Studio와 같은 통합 플랫폼은 제약/바이오 연구에서 필수적인 도구로 자리잡고 있습니다.
자주 묻는 질문 (Q&A)
Q1. MM/PBSA는 언제 사용하는 것이 좋나요?
도킹 이후 후보 물질을 정밀하게 평가할 때 가장 효과적입니다.
Q2. Discovery Studio는 어떤 장점이 있나요?
도킹부터 MD, 에너지 계산까지 통합적으로 수행할 수 있습니다.
Q3. In-silico 결과만으로 신약 개발이 가능한가요?
아닙니다. 반드시 실험 검증이 필요합니다.
Q4. Pf-DHFR 외에도 적용 가능한가요?
네, 다양한 단백질 타겟에 적용 가능합니다.
Q5. 가상 스크리닝은 왜 중요한가요?
초기 후보를 빠르게 줄여 연구 효율을 높이기 때문입니다.
BIOVIA Discovery Studio 프로그램 및 사용법이 궁금하시다면 언제든 인실리코로 연락 주세요!
아래의 블로그 구독과Youtube 구독 버튼을 눌러주시면 더 많은 영상을 확인하실 수 있습니다. 감사합니다 :)
