본 연구는 두 가지 새로운 피리다진온 유도체인 (E)‐4‐(4‐클로로벤질)‐6‐스티릴피리다진‐3(2H)‐온 (2)과 에틸 (E)‐2‐(5‐(4‐클로로벤질)‐6‐옥소‐3‐스티릴피리다진‐1(6H)‐일)아세테이트 (3)를 합성하고 특성을 규명했습니다. 이 화합물들은 FT‐IR, 1H NMR, 13C NMR, 단결정 X선 회절 분석을 통해 구조를 확인했습니다.
분자 특성은 B3LYP/6‐311++G(d,p) 수준의 DFT 계산을 사용하여 프론티어 분자 궤도 및 분자 정전기 전위 분석을 포함하여 심층적으로 조사되었습니다.
두 화합물 모두 유망한 항균 활성을 보였습니다. 특히 화합물 2는 Enterococcus faecalis 및 Escherichia coli에 대한 항균 효과를 나타냈으며, 화합물 3은 Candida albicans 및 Rhodotorula mucilaginosa에 대한 항진균 활성을 보였습니다. 분자 도킹 및 물리화학적 분석을 통해 미생물 단백질 표적과의 유리한 상호작용이 확인되었고, 이는 관찰된 생물학적 활성에 대한 구조적 통찰력을 제공했습니다.
이러한 결과는 합성된 피리다진온 유도체가 새로운 항균제 개발을 위한 유망한 골격으로서 추가 연구될 잠재력이 있음을 시사합니다.
과학적 발견은 관찰, 가설 생성, 실험, 데이터 분석의 반복적인 과정으로 이루어집니다. 인공지능이 생물학 분야에 적용되며 발전했지만, 이 모든 단계를 자동화한 시스템은 아직 없었습니다. 본 연구는 가설 생성과 데이터 분석을 완전히 자동화하는 최초의 다중 에이전트 시스템인 Robin을 소개합니다.
Robin은 문헌 검색 에이전트와 데이터 분석 에이전트를 통합하여 가설을 생성하고, 실험을 제안하며, 실험 결과를 해석하고, 업데이트된 가설을 생성함으로써 과학적 발견에 대한 반자율적인 접근 방식을 구현합니다.
이 시스템을 건성 노인성 황반변성(dAMD) 치료제 발굴에 적용한 결과, Robin은 망막 색소 상피세포의 식세포 작용 증진을 치료 전략으로 제안했습니다. 또한 리파수딜(ripasudil)과 KL001의 시험관 내 효능을 확인했습니다. 특히 리파수딜은 dAMD 치료제로 제안된 적 없는 임상용 Rho 키나아제(ROCK) 억제제입니다. Robin은 리파수딜의 작용 기전을 규명하기 위해 후속 RNA-seq 실험을 제안하고 분석하여, 지질 유출 펌프이자 새로운 표적일 수 있는 ABCA1의 상향 조절을 밝혀냈습니다.
본 보고서의 모든 가설, 실험 방향, 데이터 분석 및 데이터 그림은 Robin이 생성했습니다. Robin은 반복적인 랩인루프(lab-in-the-loop) 프레임워크 내에서 새로운 치료 후보 물질을 자율적으로 발견하고 검증한 최초의 AI 시스템으로서, AI 기반 과학적 발견의 새로운 패러다임을 제시합니다.
그래프 신경망(GNN)은 기하학적 딥러닝의 핵심 모델로서 분자 특성 예측에서 뛰어난 성능을 보여왔습니다. 한편, 콜모고로프-아놀드 네트워크(KAN)는 다층 퍼셉트론의 강력한 대안으로 부상하며 표현력, 매개변수 효율성 및 해석 가능성을 향상시켰습니다. 이 연구는 두 프레임워크의 장점을 결합하고자 합니다.
본 연구에서는 KAN 모듈을 GNN의 세 가지 기본 구성 요소인 노드 임베딩, 메시지 전달, 그리고 읽기(readout)에 통합한 콜모고로프-아놀드 GNN(KA-GNN)을 제안합니다. 또한, 함수 근사 능력을 강화하기 위해 KAN 내부에 푸리에 급수 기반의 단변수 함수를 도입하고, 그 표현력을 뒷받침하는 이론적 분석을 제공합니다.
KA-그래프 컨볼루션 네트워크와 KA-증강 그래프 어텐션 네트워크라는 두 가지 아키텍처 변형을 개발하고, 7가지 분자 벤치마크에서 평가했습니다. 실험 결과, KA-GNN은 예측 정확도와 계산 효율성 면에서 기존 GNN을 일관되게 능가하는 것으로 나타났습니다.
더 나아가, 본 모델은 화학적으로 의미 있는 하위 구조를 강조함으로써 해석 가능성을 향상시켰습니다. 이러한 발견은 KA-GNN이 분자 데이터 모델링, 신약 개발 및 그 이상의 분야에서 강력하고 일반화 가능한 프레임워크를 제공함을 입증합니다.
