목차
한국화학연구원 이윤호 박사가 말하는 BIOVIA Discovery Studio & Pipeline Pilot 활용 이야기
신약개발 연구에서 후보물질을 찾는 과정은 단순히 많은 화합물을 빠르게 검토하는 일만으로 끝나지 않습니다.
어떤 화합물이 타깃 단백질과 의미 있는 상호작용을 보이는지, 데이터는 충분히 정제되어 있는지, 실험 연구자가 실제로 검증할 수 있는 후보군으로 좁혀졌는지까지 함께 고려해야 합니다.
이번 인터뷰에서는 한국화학연구원 한국화합물은행(Korea Chemical Bank, KCB)의 이윤호 박사님을 만나, BIOVIA Discovery Studio와 BIOVIA Pipeline Pilot이 대규모 화합물 데이터 관리, 가상탐색, 분자도킹, 단백질-리간드 상호작용 분석, 실무 자동화에 어떻게 활용되고 있는지 들어보았습니다.
Q1. 박사님과 연구실에 대해 소개해주세요.
안녕하세요. 제가 소속되어 있는 한국화학연구원 한국화합물은행(Korea Chemical Bank, KCB)은 화합물의 확보·관리·활용 지원과 화합물 기반 신약개발을 지원하고, 기탁자와 활용자를 중개하는 역할을 수행하고 있습니다.
저는 주로 화합물 라이브러리, 약효 데이터, 가상탐색 및 AI 기반 분석 플랫폼을 활용하여 산·학·연 연구자들이 보다 효율적으로 후보물질을 발굴할 수 있도록 지원하고 있습니다.
저희 연구실은 대규모 화합물 데이터베이스 구축, 화합물 품질관리, 라이브러리 설계, 가상탐색, 분자도킹, 분자동역학, AI 예측 모델 개발 등 다양한 계산·정보 기반 기술을 실제 실험 연구와 연계하는 데 중점을 두고 있습니다.
Q2. Discovery Studio와 Pipeline Pilot을 처음 접하게 된 계기는 무엇인가요?
처음 접하게 된 것은 학위 과정 중 Insight II 시절부터였습니다. 당시에는 연구 목적으로 사용했고, 학교에 있을 때는 Discovery Studio를 주로 CADD, 즉 컴퓨터 기반 약물설계 연구에 많이 활용했습니다.
한국화학연구원에 입사한 이후에는 플랫폼 센터의 특성상 직접 연구 수행보다는 외부 연구 지원 업무가 중요해졌습니다. 이 과정에서 Pipeline Pilot을 활용해 실무자들의 반복 업무를 자동화하는 데 유용하게 사용하게 되었습니다.
지금도 생각해보면 Pipeline Pilot이 없었다면 이 많은 지원 업무를 어떻게 처리했을지 아찔할 정도입니다.
Q3. 현재 연구에서 Discovery Studio와 Pipeline Pilot을 어떤 단계에서 어떻게 활용하고 계신가요?
Discovery Studio는 주로 파마코포어 모델링, 인덱싱된 대규모 라이브러리의 가상탐색, 분자도킹 수행, 단백질-리간드 상호작용 분석, 구조 기반 후보물질 검토 단계에서 활용하고 있습니다.
단순히 도킹 스코어만 보는 것이 아니라, 수소결합, 소수성 상호작용, π-π interaction 등 실제 결합 양상을 시각적으로 검토하는 데 유용하게 사용하고 있습니다.
Pipeline Pilot은 대규모 화합물 데이터 처리, 화학정보학 분석, 실무자 업무 처리 자동화 단계에서 활용하고 있습니다. 예를 들어 화합물 구조 표준화, salt 제거, tautomer 처리, 중복 구조 확인, scaffold 분석, 물성 계산, 구조 유사도 기반 검색, 라이브러리 분류, assay 결과 정리, SAR 분석용 데이터 전처리 등 다양한 화학정보학 기반 업무에 활용하고 있습니다.
또한 화합물 등록·분양·분석 결과 데이터를 일정한 형식으로 변환하거나, 화합물 구조 정보와 약효 데이터를 매칭하고, 조건별 필터링 결과를 보고용 표나 파일로 출력하는 등 실무자들이 반복적으로 수행하는 업무를 자동화하는 데도 기여하고 있습니다.
특히 수십만 건 이상의 화합물과 약효 데이터를 다룰 때 수작업으로 처리하기 어려운 부분을 체계적으로 관리할 수 있어, 업무 효율성뿐 아니라 데이터 품질, 재현성, 오류 방지 측면에서도 큰 도움이 됩니다.
Q4. 실제로 도킹 점수는 낮았으나 Discovery Studio의 시각적 분석을 통해 상호작용이 훌륭해 보여 선택했고, 이것이 실제 실험 유효물질 발굴로 이어졌던 반전의 사례가 있었나요?
사실 Discovery Studio 점수 자체는 상대적인 평가가 가능한 점수이지, 절대 평가 기준은 아니라고 생각합니다.
그래서 논문을 통해 주로 상호작용에 핵심이 되는 아미노산을 먼저 추리고 있습니다. 그 다음 physics base로 잘 맞는 시리즈들이 있으면 다양한 방면으로 고려해서 optimization을 수행하거나, 실제 합성을 하는 실험자분들과 이야기하며 다음 합성 목표를 논의하는 편입니다.
Q5. 오랜 사용 경험자 관점에서 볼 때, 대규모 화합물 데이터를 다루는 데이터 품질 관리 단계가 가상탐색의 최종 성공 확률에 얼마나 결정적인 영향을 미치나요?
Pipeline Pilot을 활용했을 때 SMILES 코드를 2D나 3D 구조로 변환하는 등의 기능들은 매우 강력하다고 생각합니다.
다만 화합물의 염을 제거하거나 stereo를 정리하는 등의 세세한 optimization 기능에서는 한계가 있다고 느낍니다. 그래서 저희는 C******* 이라는 프로그램을 이용하여 정제하고 있습니다.
Discovery Studio의 파워풀한 이미징 기능
Q6. 실제 연구에서 가장 자주 사용하거나 유용하다고 느낀 기능은 무엇인가요?
Discovery Studio에서는 단백질-리간드 interaction 분석과 3D 시각화 기능을 가장 자주 사용합니다. 도킹 결과를 단순히 점수로만 판단하지 않고, 결합 포켓 내에서 화합물이 어떤 잔기와 어떻게 상호작용하는지 직관적으로 확인할 수 있어 실험 연구자들과 결과를 공유할 때도 매우 유용합니다. 앞서 말씀드렸지만, 인덱싱된 화합물 라이브러리 약 70만 종을 대상으로 가상 스크리닝하는 것이 굉장히 빠르기 때문에 자주 사용하고 있습니다.
Pipeline Pilot에서는 화합물 구조 처리와 필터링 워크플로우가 가장 유용합니다. 대규모 화합물 라이브러리에서 중복 구조를 제거하고, PAINS filter, Lipinski rule, 물성값, scaffold 기준 등 다양한 조건으로 후보군을 좁히는 과정에서 반복 작업을 크게 줄일 수 있습니다. 연구자가 직접 코드를 작성하지 않아도 재현성 있는 분석 프로토콜을 쉽게 만들 수 있다는 점도 장점이라고 생각합니다.
다만 상용화 프로그램이다 보니 가격이 많이 올라 대중화되기 쉽지 않다고 생각합니다. 또 docking 알고리즘의 개발이 부족하다고 느끼고 있습니다. 최근 AI를 이용한 연구가 활발해지고 있고, 일부 솔루션에서는 docking 알고리즘 개발을 자체적으로 진행하고 있는데, Discovery Studio는 알고리즘 개발 측면에서 아쉬움이 있어 성능이 떨어지고 있는 것 같다고 느낍니다.
또한 Discovery Studio를 활용하는 커뮤니티도 예전보다 많이 줄어, 프로그램 사용자끼리 간단한 논의나 토론이 어렵다는 점도 아쉽습니다.
반면 Discovery Studio의 Visualizer는 매우 사용자 친화적입니다. 모든 논문의 그림은 Discovery Studio로만 뽑고 있습니다. 다른 프로그램의 경우 이미지를 만들 때 살짝 버벅거리는 경우가 있는데, Discovery Studio는 그런 문제 없이 이미지를 빠르게 잘 뽑아주고 있습니다.
출처 : https://www.mdpi.com/1420-3049/27/12/3825 (논문 내 이미지)
Q7. 시뮬레이션 활용 연구 성과 중 가장 마음에 드시는 논문, 과제, 특허 내용이 있으신가요? Discovery Studio를 이용한 논문도 추천 부탁드립니다.
가장 의미 있게 생각하는 부분은 한국화합물은행의 대규모 화합물 라이브러리와 구조 기반 가상탐색 기술을 연계하여 외부 연구자의 후보물질 발굴을 지원한 사례들입니다.
특정 타깃 단백질에 대해 화합물은행 보유 물질을 대상으로 가상탐색을 수행하고, 도킹 결과와 상호작용 분석을 통해 후보물질을 선별한 뒤 실제 실험 검증으로 이어지는 과정은 계산 연구가 실험 연구의 효율을 높일 수 있음을 보여주는 좋은 사례라고 생각합니다.
또한 최근에는 DEL 스크리닝, AI 예측 모델, 가상탐색을 연계하여 단순한 화합물 분양을 넘어 데이터 기반 후보물질 발굴 플랫폼으로 확장하는 과제들을 진행하고 있습니다.
이런 연구들은 단일 논문이나 특허 성과를 넘어, 화합물 자원의 활용 가치를 높이고 국내 신약개발 연구 생태계를 지원한다는 점에서 의미가 크다고 생각합니다.
Discovery Studio를 이용한 논문으로는 아래 논문을 추천드립니다.
Pipeline Pilot 활용 기능 생성 예시 이미지
Q8. 솔루션을 사용하시면서 가장 ‘유레카!’를 외쳤던 순간이나, “오, 이 기능 제법인데?” 하고 감탄하셨던 부분이 있다면 슬쩍 자랑해 주세요!
Pipeline Pilot을 활용하면서 가장 인상 깊었던 경험은 대용량 엑셀 기반 업무를 자동화한 사례입니다.
기존에는 Auto-Storage 전체 Tray의 우선순위를 분석하기 위해 약 60만 줄 이상의 데이터를 엑셀로 처리해야 했고, 정렬·필터링·통계 계산에 하루 이상 소요되었습니다.
그러나 Pipeline Pilot으로 데이터 정제, 조건별 분류, 우선순위 산출, 결과 출력까지 자동화 프로토콜을 구성한 결과, 기존 엑셀 작업으로는 1일 이상, Shell Script로도 약 4시간 걸리던 업무를 Webport 기반으로 약 5분 만에 처리할 수 있었습니다.
이 경험을 통해 Pipeline Pilot이 대용량 데이터 분석뿐 아니라 반복적인 실무 업무 자동화에도 매우 효과적인 도구임을 체감했습니다.
Q9. 앞서 말씀주신 자동화 사례가 매우 인상 깊었습니다. Pipeline Pilot 기반 워크플로우를 현업에 도입했을 때, 함께 일하는 실무자분들의 반응은 어땠나요?
당시에 반응은 너무 좋았습니다. 야근을 많이 없앨 수 있는, 말 그대로 혁신적인 업무 시스템을 만들었으니까요.
원 내에서 별도로 상을 주신 것은 아니지만, 이 시스템을 만듦으로써 내부 평가를 잘 받을 수 있었습니다. 현재도 너무 잘 사용하고 있는 기능이고, 대체할 기능이 아직 없는 것 같습니다.
지금도 이 기능이 없으면 야근을 해야 할 정도입니다.
Q10. 앞으로 시뮬레이션을 어떤 방향으로 더 활용하고 싶으신가요?
앞으로는 시뮬레이션을 단순한 후보물질 선별 도구가 아니라, 실험 데이터와 AI 예측을 연결하는 핵심 분석 플랫폼으로 활용하고 싶습니다.
예를 들어 분자도킹, 분자동역학, 약물성 예측, 독성 예측, SAR 분석, DEL 스크리닝 결과를 통합하여 후보물질의 우선순위를 보다 정밀하게 제시하는 방향입니다.
특히 단백질 구조의 유연성, induced fit, 물 분자 매개 상호작용, 결합 안정성 등 기존 도킹만으로는 설명하기 어려운 요소들을 분자동역학과 AI 모델을 통해 보완하고 싶습니다.
궁극적으로는 연구자가 타깃 정보를 입력하면 화합물은행 보유 자원 중에서 실험 검증 가능성이 높은 후보물질을 빠르게 추천할 수 있는 지능형 플랫폼으로 발전시키는 것이 목표입니다.
보너스 질문. 박사님이 생각하는 ‘더 끔찍한 상황’은 무엇인가요?
A) 일주일 동안 구동한 대규모 도킹 시뮬레이션 결과가 나오기 직전 정전되기
B) 공들여 쓴 논문 리뷰어가 “다시 실험해서 데이터 보완해오라”고 하기
둘 다 상상만 해도 상당히 끔찍한 상황입니다. 다만 굳이 하나를 고르자면 저는 B) 공들여 쓴 논문 리뷰어가 “다시 실험해서 데이터 보완해오라”고 하는 상황에 한 표를 던지겠습니다.
대규모 도킹 시뮬레이션이 정전으로 중단되는 상황도 물론 매우 당황스럽지만, 운이 좋다면 intermediate job folder나 checkpoint 파일, 임시 출력 결과 등을 통해 어느 정도 복구할 가능성이 있습니다. 최악의 경우 다시 계산을 돌려야 하겠지만, 그래도 문제의 원인과 해결 방향은 비교적 명확한 편입니다.
반면 리뷰어가 추가 실험을 요구하는 경우에는 이야기가 조금 다릅니다. 단순히 버튼을 다시 누르면 되는 문제가 아니라, 실험 설계부터 시료 준비, 조건 최적화, 반복 실험, 데이터 정리, 논리 보완까지 다시 이어져야 하기 때문입니다.
특히 “minor revision”이라고 생각했는데 사실상 새로운 실험 세트를 요구하는 코멘트를 받으면, 그 순간만큼은 정전보다 리뷰어의 한 문장이 더 무섭게 느껴질 때가 있습니다.
그래서 제 답은 B입니다. 도킹 결과는 어쩌면 폴더 안에서 살아 돌아올 수 있지만, 리뷰어의 추가 실험 요청은 연구자의 일정과 멘탈을 동시에 흔드는 훨씬 강력한 이벤트라고 생각합니다.
가상탐색과 자동화, 연구 효율을 바꾸다
이번 인터뷰를 통해 확인할 수 있었던 것은 BIOVIA Discovery Studio와 Pipeline Pilot이 연구 현장에서 서로 다른 방식으로 연구 효율을 높이고 있다는 점입니다.
Discovery Studio는 도킹 결과를 단순한 점수로만 확인하는 데 그치지 않고, 단백질-리간드 상호작용을 3D 구조와 시각적 분석을 통해 해석할 수 있도록 돕습니다. 특히 대규모 화합물 라이브러리를 대상으로 빠르게 가상 스크리닝을 수행하고, 후보물질의 가능성을 구조적 관점에서 검토할 수 있다는 점에서 실험 연구와 계산 연구를 연결하는 도구로 활용되고 있었습니다.
Pipeline Pilot은 대규모 화합물 데이터 처리와 반복 업무 자동화에서 강점을 보였습니다. 화합물 구조 처리, 필터링, 중복 제거, 물성 계산, assay 결과 정리 등 반복적으로 발생하는 데이터 업무를 자동화함으로써 연구자의 시간을 줄이고, 업무의 재현성과 일관성을 높이는 데 기여하고 있었습니다.
오랜 사용 경험을 바탕으로 한 실무적 의견도 함께 들을 수 있었으며, 이는 솔루션이 실제 연구 현장에서 어떻게 활용되고 발전해 나갈 수 있는지를 보여주는 부분이었습니다. 특히 Discovery Studio의 직관적인 Visualizer와 Pipeline Pilot의 강력한 자동화 기능은 대규모 화합물 데이터와 실험 연구 사이의 간극을 줄이는 데 실질적인 가치를 제공하고 있었습니다.
결국 신약개발과 화합물 기반 연구에서 중요한 것은 “많은 데이터 중 무엇을 먼저 검토할 것인가”입니다. Discovery Studio와 Pipeline Pilot은 그 질문에 더 빠르고 체계적으로 답할 수 있도록 돕는 연구 현장의 실질적인 파트너입니다.
더욱 자세한 BIOVIA Discovery Studio의 정보가 궁금하시다면, 아래의 연락처 또는 문의하기를 클릭해 연락 부탁드립니다.
