실험용 항체, 항바이러스 연구로 COVID-19 대응 지원 (KISTI)

미국 Lawrence Livermore 국립연구소(LLNL) 과학자들은 인공지능/기계 학습, 생물정보학, 슈퍼컴퓨팅 등을 결합하여 이 질병과 싸우기 위한 새로운 항체 및 제약 후보약물 개발을 추진함으로써 COVID-19와의 글로벌 전쟁에 기여하고 있다.

 

5개의 고성능 컴퓨팅(HPC, high performance computing) 클러스터와 백신 및 대책 개발에 관한 수 년간의 전문지식을 바탕으로, 다양한 분야의 LLNL 연구자들로 구성된 COVID-19 대응팀은 기계 학습과 함께 모델링과 시뮬레이션을 사용하여 거의 무한대의 대상에서 약 20개의 초기 항체설계를 결정해 냈다. 이는 항바이러스 성질을 가질 수 있는 수백만 개의 작은 분자를 검사하기 위한 필수 사항이다. 후보 물질을 합성하고 실험이 수행되어야 한다. 연구진은 시간이 걸릴 수 있다고 알고 있지만 그래도 진전은 이루어지고 있다.

 

이 연구소의 COVID-19 기술 대응을 조율하고 있는 Dave Rakestraw 수석과학보좌관은 "수 십 년 동안 LLNL은 어떤 형태의 생물학적 위협으로부터 미국을 보호하는데 앞장서 왔다면서 지난 6년 동안 LLNL의 컴퓨터 자원을 이용해 생물학적 위협에 대한 대응 시간을 앞당기려 노력해왔다고 밝혔다. 광범위한 컴퓨터 기능(인력과 컴퓨터 인프라)을 사용하고 대학, 제약회사, 기술회사와의 파트너십을 발전시켜 왔으며 그 노력으로 현재의 대응에 적용할 수 있는 도구를 갖추게 되었다고 덧붙였다.

 

COVID-19 발병이 시작되었을 때, LLNL의 Adam Zemla는 이 바이러스의 예측 3차원 단백질 구조를 개발하여 공개하였으며 12개 이상의 외부연구단체에서 이를 활용하게 되었다. 이후 COVID-19를 유발하는 바이러스인 사스-CoV-2의 핵심 단백질의 실제 결정 구조가 결정돼 연구팀의 예측과 밀접하게 일치했다.

 

연구진은 또한 자신의 접근방식은 매우 빠른 시기에 고품질 항체 치료제나 백신을 설계하는 것을 목표로 하고 있다면서 실험데이터와 생물정보학은 고품질 예측을 가능하게 하는 중요한 요소지만, HPC에 대한 기계학습과 분자 시뮬레이션을 통합하는 것은 엄청난 수의 가능한 항체 설계를 검색하고 평가하는데 필요한 속도와 확장성을 가능하게 하는 열쇠라고 밝혔다. 이를 통해 불과 몇 주 만에 소수의 항체 후보를 찾아낼 수 있었다.

 

LLNL 과학자들은 개인화된 의약품 개발을 위해 고성능 컴퓨팅을 적용하는데 있어 장기적인 투자와 지속적인 정부 차원의 노력이 필요하다고 인식하고 있다. LLNL은 또한 LLNL 소속 생물의학자인 Larry Dugan이 개발한 휴대용 고속 PCR 기반 분자 진단 플랫폼(바이오 ID)을 COVID-19를 신속하게 진단할 수 있는 잠재적 도구로 채택하고 있다. 전체 COVID-19 대응 노력에는 미 에너지부(DOE) 산하 17개 국립연구소 모두 참여하고 있다. LLNL의 대응팀에는 생명공학센터, 법의학센터, 바이오디펜스 지식센터(BKC), 생명과학센터 및 생명공학 부문 등이 모두 참여하고 있다.