DeepCRE: Transforming Drug R&D via AI-Driven Cross-drug Response Evaluation

Motivation

• Known: 기존 SDL(Single-Drug Learning) 모델들(ADAE, CodeAE)은 약물별 독립적 모델을 사용하여 교차 약물 비교 불가능하며, MDL(Multi-Drug Learning) 모델들(DrugCell, Paccmann, TGSA)은 세포주 수준(cell-line level)에만 제한되어 있음
• Gap: 약물 R&D의 후기 단계(임상 전 동물/오르가노이드 실험, 환자 수준)에서 정확한 CRE 예측 모델이 부재하며, 이로 인해 유망한 약물 후보들이 임상시험에서 실패
• Why: 치료 옵션의 부족과 Eroom's Law(기술 발전에도 신약개발 효율이 감소)라는 산업적 난제를 해결하기 위해 환자 수준의 약물 반응 예측이 시급함
• Approach: 세포주와 환자의 유전자발현프로필(GEP)을 공유 공간으로 정렬하는 도메인 적응(domain adaptation) 전략과 종양 유형별 적응형 사전학습(tumor type-adaptive pretraining) 전략 도입

Achievement

13개 암 종류에서 환자 수준 CRE 성능 비교

1. 환자 수준 성능: DSN-adv 모델이 13개 종양 유형 중 12개에서 최고 성능 달성, P-SDL 대비 평균 27.49%, C-MDL 대비 21.38% 성능 향상
2. 적응증 수준 성능: 233개 소분자 약물을 13개 종양 유형(적응증)에 대해 평가하여 5배의 성능 개선 달성, DrugBank 검증 결과 거짓 음성(false negative) 제로 달성
3. 임상 검증: 대장암(CRC) 오르가노이드 실험에서 DeepCRE가 선정한 6개 약물 후보(Set A)가 8개 중 5개 오르가노이드에서 기존 승인 약물 2개(Set C) 대비 유의미하게 높은 효과성 입증

How

DeepCRE 모델의 구조와 종양 유형별 적응형 사전학습 전략

• 도메인 분리 네트워크(DSN): 공유 인코더와 개인 인코더를 통해 세포주-환자 간 도메인 갭을 최소화하면서 약물별 고유 정보 보존
• 적응형 사전학습 전략: 전체 데이터 기반의 일반적 사전학습 대신, T2 환자를 모든 세포주와 정렬하는 종양 유형 특화 사전학습으로 3.51~11.28% 추가 성능 향상
• 정렬 메트릭 활용: 상대 최대 평균 차이(relative MMD)와 쿨백-라이블러 발산(KL divergence)을 통해 사전학습 단계별 도메인 정렬 효과 정량화
• 다층 검증: DrugBank, ClinicalTrials, Repurposing Hub 등 3개 데이터베이스를 통한 단계적 약물 후보 검증 및 습식 실험(wet-lab assay) 수행

Originality

• 처음으로 환자 수준 CRE 데이터셋 구축 및 이를 기반한 후기 단계 약물 개발 평가 모델 제시
• 컴퓨터 비전에서의 DSN을 신약 개발 분야에 최초 적용하여 세포주-환자 간 도메인 적응 문제 해결
• 종양 유형별 적응형 사전학습 전략으로 일반적 전이학습의 한계를 극복하는 혁신적 접근
• SDL과 MDL 패러다임의 장점을 결합하면서 약물 인코딩과 개인화 예측을 동시에 달성
• 다양한 약물 후보군을 체계적으로 발굴하는 능력 입증 (단순 1-2개 약물 발굴이 아님)

Limitation & Further Study

• 데이터 한계: 환자 수준 데이터가 여전히 세포주 데이터에 비해 부족하며, 일부 암 종류(4개)에서는 평균 이하 성능을 보임
• 설명 가능성 부족: 모델이 특정 약물을 추천하는 생물학적 메커니즘에 대한 심층 분석 및 해석 부재
• 암 종류 편향: 13개 암 종류 중 특히 대장암 오르가노이드만 습식 검증되어 다양한 암 종류에 대한 검증 필요
• 임상 전이: 모델 예측이 실제 임상시험 결과로 어떻게 전환되는지에 대한 추적 및 분석 부족
• 후속 연구 방향:
  • 단일 세포(single-cell) 수준의 유전자발현 데이터 통합으로 도메인 정렬 정확도 향상
  • 그래프 신경망(GNN)을 활용한 약물-단백질 상호작용 네트워크 모델링
  • 다기관 임상 데이터 수집을 통한 장기 임상 검증 체계 구축

Evaluation

총평: DeepCRE는 도메인 적응 기반의 효과적인 모델로 환자 수준 약물 반응 예측에서 현저한 성능 향상을 달성했으나, 다양한 암 종류 및 대규모 임상 데이터에 대한 추가 검증과 예측 결과의 생물학적 해석 강화가 신약 개발 분야의 실제 혁신으로 이어지기 위해 필수적이다.