In silico ADME

이 글에서는 먼저 신약설계과정에서 중요시되는 PK특성 중에서 물리화학적 파라미터들(logP, 물 용해도, 분자량, 극성표면적)과 투과도, 대사작용 그리고 유사약군 예측에 관한 일반적인 경향을 소개하고 최근에 웹을 통해서 이러한 결과를 예측할 수 있는 PreADME프로그램을 소개하고자 한다.

물리화학적 파라미터

신약후보물질들은 물리화학적 파라미터로 성질을 표현할 수 있으며, 이러한 성질은 화합물의 용해도나 장흡수, 뇌투과도, 대사, 혈장단백질 흡착, 약의 체내분포등과 밀접한 관련이 있다. 그러므로 화합물의 물리화학적 파라미터를 PK특성을 유리하게 할 수 있는 범위로 조절하여 후보물질을 최적화 하는 과정은 매우 중요한 일이다. 이러한 파라미터 중 가장 대표적인 것은 octanol-water의 분배계수를 나타내는 logP이다. 이것은 화합물의 소수성 또는 친지성을 나타내며, 막투과도를 예측할 때 많이 사용된다. 이것은 친지성인 세포막으로 화합물이 투과할 때 수동적 이동(passive transport)이 주로 속도결정단계이기 때문으로 해석된다. logP를 실험이 아닌 컴퓨터로 예측하는 방법들은 ClogP, AlogP98, KlogP, KOWWIN, ACDlogP 등등 다양하게 존재하며 Mannhold의 review[4]논문에 정리되어 있다. 물 용해도(logS)도 장 흡수될 수 있는 용액속의 화합물의 양과 상관관계가 있으므로 약의 흡수과정에서 매우 중요한 변수이다. Assay과정에서 용해도가 떨어지며, 실제 hit로 나타나지 않을 뿐만 아니라 장으로부터 혈액으로 흡수능력 또한 저하되게 된다. 일반적으로 낮은 용해도를 갖는 화합물은 친지성 성질이 크고 또한 결정격자 결합에너지가 크기 때문이므로 경구 투여된 약의 흡수도 증가는 물 용해도와 친지성이 조화를 이루어야 한다. 또한 이러한 화합물의 특성은 화합물이 pH변화에 따라 이온화 가능성이 있을 경우 파라미터가 변화하므로 그 화합물의 해리상수(pKa)를 알아야 한다. 이를 이용하여 해당 흡수기관의 조건의 pH(에 따른 구조의 이온화 경향에 따라 logP와 logS를 따라 측정하게 된다. logP의 경우 pH조건을 덧붙여서 logD^{pH 또는} logS^pH로 표현하기도 한다. 이 밖에 수소결합능력도 친지성을 구성하는데 중요한 물성이며, 초기에는 ΔlogP 즉 octanol/water 분배계수와 alkane/water분배계수의 차로 표현하였지만, alkane층에서의 용해도 부족으로 인하여 널리 이용되지는 않고 있다. 컴퓨터를 이용한 예측은 실험적으로 linear solvation free energy(LSER)로 결정되는 α(수소주게 능력), β(수소받게 능력)을 변수로 atom-additive 방법으로 예측하는 ABSOLVE[5]라는 프로그램에서 예측이 가능하다.

투과도

여기서의 투과도는 약물에 대한 생체막의 투과도를 말하는 것으로 일반적으로 장 외벽 투과와 뇌-혈관장벽(blood-brain barrier:BBB) 투과도들이 이에 속한다. 현재 투과도를 측정하는 in vitro 실험으로 대표적인 것이 장흡수를 모델로 하는 Caco-2 또는 Madin-Darby canine kidney(MDCK) 단일막과 BBB를 모델화한 bovine brain microvessel endothelial cell(BBMEC)등이 있다. 이들을 in silico로 평가하는 가장 간단한 방법은 분자의 극성표면적(polar surface area:PSA)이며 Kelder[6]과 그 연구자들은 수동수송의 메커니즘을 갖는 화합물에 대해서 장흡수의 경우 일반적으로 120Ų이상, 뇌투과도의 경우 60-70Ų 이상이면 낮은 투과도를 나타냄을 밝혔다. Egan[7]은 이를 더 발전시켜 logP와 PSA를 이용한 다중회귀모델을 제안하였고, 현재 상업용으로 계산 가능한 프로그램들은 GastroPlus, QikProp, iDEA등이 있다. 하지만 아직도 능동수송(active transport)과 efflux 형태로 흡수되는 화합물들의 흡수도 예측연구는 더 많은 발전이 필요로 하는 분야이다.

대사작용

대사작용은 신약탐색과정에서 약물의 약효를 결정하는데 중요한 역할을 한다. 이러한 대사관련 연구는 여러 가지 목적이 있을 수 있는데, 분포부피(volume of distribution)와 부합되어 약물의 반감기를 알 수 있는 clearance를 예측하는 것과 대사작용에 관여하는 cytochrome P450과 같은 효소들의 작용을 이해하여 분해 되는 대사물질을 예측하는 것 등이 있겠다. 현재까지 컴퓨터를 이용한 예측 방법 중에서 QSAR (quantitative structure activity relationships)방법[8]과 protein homology modeling을 기반으로한 pharmacophore models[9]방법을 통해 clearance data를 예측하는 연구들은 신약개발과정에서 선도물질 최적화과정에 적합한 연구로 여겨지며, 축척된 DB로부터 얻어진 지식과 rule들을 중심으로 가능성 있는 대사경로를 예측해주는 MetabolExpert[10]과 META[11]등은 초기의 화합물 library를 구성할 때에 구조의 다양성 및 대사물질의 독성검색에 적합한 방법으로 여겨진다. 대사와 관련되어 구축되어 있는 화합물 DB로는 MDL사의 Metabolite와 Accelrys사의 Metabolism등이 있다. 하지만 서로 다른 경로를 통해 생성되는 수많은 대사물질을 예측하기 위해서는 더 많은 연구가 진행되어하며, 특히 대사물질의 인체독성이 매우 중요하므로 독성예측과 대사작용 연구를 접목시켜는 노력들이 현재 진행 중이다.

유사약군 예측 (Drug-likeness or Drugability prediction)

컴퓨터를 이용하여 유사약군을 예측하는 연구는 1997년 Linpinski[12]에 의해 drug DB를 4가지 물리화학적 파라미터(logP, 분자량, 수소결합 주게 및 받게의 수)로 분석하여 약의 성질을 나타내는 경계를 표현하는 연구가 시초이다. 경계에 값이 5의 배수로 표현되어 일명 ‘rule of 5’라고 일컬어지는데 이러한 생각을 좀더 확장하여 다양한 약 DB들(CMC, WDI, MDDR등)과 약이 아닌 DB(ACD)에 대해서 다른 물리화학적 파라미터로 약의 성질을 표현한 방법들이 Oprea[13]와 Ghose[14]에 의해 진행되었다. 최근에 약을 구분하기 위한 알고리즘으로 유전자알고리즘[15]과 신경망이론[16] 그리고 decision tree[17]등의 방법이 진행되었고, 이렇게 유사약군을 구분하는 방법은 HTS나 조합화학에 이용되는 화합물 library를 설계할 때 유사약군을 구분해 내는 일종의 필터로서 이용되고 있다.

PreADMET : 웹기반 ADME 예측 프로그램

분자설계기술혁신센터가 2002년에 개발한 PreADMET[18]프로그램(Fig. 2)은 웹기반 프로그램으로는 세계 최초로 ADME data를 예측하는 프로그램이며, 현재까지 개발된 부분은 크게 4가지로 구분할 수 있다. 첫 번째는 900가지의 물성 및 표현자를 계산할 수 있는 표현자 계산모듈과 두 번째는 유사약군 예측을 위한 모듈, 그리고 마지막으로 약의 흡수도를 예측할 수 있는 모듈로 구성되어 있다. 표현자 계산모듈의 경우 물리화학적 파라미터인 logP와 logS 그리고 nonpolar, polar, H-bond surface area등과 900여 가지의 표현자등을 매우 빠른 시간 내에 계산할 수 있어서(300여개의 화합물/sec) 화합물 library설계에 적합하다. 유사약군 예측의 경우는 기본적으로 Lipinski의 ‘rule of 5′[12]와 100여개의 선도물질을 분석해서 얻어진 leadlike rule[19], 그리고 기존의 drug DB(CMC[14], WDI[20], MDDR[13])의 물성 분포로부터 얻어낸 3가지의 유사약군 예측이 가능하다. ADME 예측모듈에서 흡수부분은 in vitro data인 Caco-2, MDCK, skin permeability이 가능하고, in vivo data인 human intestinal absorption의 예측이 가능하다. 분포부분은 in vivo 모델로는 blood-brain barrier 투과도와 plasma protein binding의 예측이 가능하다. 독성 예측모듈은 2005년도에 추가된 부분으로 Ames test의 3가지 strain에 대한 독성예측결과와 rodent 2years carcinogenicity결과를 classification해주고 있다. 2007년도까지는 pharmacokinetic data인 V_d(분포부피), t_1/2(반감기), Cl(소멸속도), Ux(뇨 배설비율)등과 hERG모델, 표준 유전독성 실험방법인 chromosomal abberation 및 micronucleus analysisy등의 예측 모델을 추가할 예정이며, 현재 인터넷으로 통해서 무료로 사용할 수 있다( http://preadmet.bmdrc.org ).