이번 연구 결과는 국제 저명 학술지인 '테라노틱스(Theranostics)' 최신호에 '딥러닝을 활용한 알츠하이머 치료용 메틸글리옥살 소거제 TP-41 발굴(Deep learning identifies TP-41 for methylglyoxal scavenging in Alzheimer's treatment)'이라는 제목으로 게재됐다. 해당 학술지는 JCR 상위 10% 이내(IF 13.3, JCR 3.08%)에 해당하는 권위 있는 저널이다.
알츠하이머병은 고령화 사회에서 환자 수가 빠르게 증가하고 있는 대표적인 퇴행성 뇌질환이지만, 현재 사용 중인 치료제는 증상 완화에 그쳐 근본적 치료에는 한계가 있다. 최근 연구에 따르면 알츠하이머 환자의 뇌에서는 '메틸글리옥살(MGO, Methylglyoxal)'이라는 독성 대사물질이 비정상적으로 축적되며, 이는 아밀로이드 베타 플라크 형성과 타우 단백질 엉킴을 촉진하는 핵심 병리 요인으로 작용하는 것으로 알려져 있다.
홍성민 교수 연구팀은 이러한 한계를 극복하기 위해 데이터가 제한적인 생화학 분야에 최적화된 딥러닝 모델 '딥엠지오(DeepMGO)'를 독자적으로 개발했다. 딥엠지오는 소규모 실험 데이터에서도 과적합을 최소화하고 MGO 소거 활성을 정밀하게 예측할 수 있도록 설계된 AI 모델로, 기존 범용 인공지능 모델 대비 예측 정확도를 크게 향상시킨 것이 특징이다.
연구팀은 DeepMGO를 활용한 AI 스크리닝을 통해 기존 트립토판 계열 물질보다 혈뇌장벽(BBB) 투과율이 우수한 신규 유도체 'TP-41'을 발굴하는 데 성공했다. TP-41은 MGO를 직접 소거해 독성을 낮추는 동시에, 뇌로의 전달 효율을 높인 차세대 후보 물질로 평가된다.
이어 진행된 동물실험에서는 TP-41의 치료 효능이 명확히 입증됐다. 유전적 알츠하이머 마우스 모델(5xFAD)과 MGO로 유도된 인지저하 모델에서 TP-41을 투여한 결과, 기억력과 학습 능력이 유의미하게 회복됐으며, 아밀로이드 베타와 타우 단백질의 축적 또한 현저히 감소하는 것으로 나타났다.
이번 연구는 식품·천연물 연구 분야에 인공지능 기술을 성공적으로 융합한 대표적 사례로 평가된다. 특히 AI 기반 신약 후보 물질 발굴을 통해 막대한 시간과 비용이 소요되는 기존 치매 치료제 개발 과정을 혁신적으로 단축할 수 있는 가능성을 제시했다는 점에서 의미가 크다.
이번 성과는 고령화 사회의 대표적 난제로 꼽히는 알츠하이머병 치료에 새로운 원천기술을 제공하는 동시에, AI 기반 바이오·헬스 산업의 미래 경쟁력을 한층 강화할 것으로 기대된다.
