윤휘열 교수

신약 개발 과정에서 발생하는 높은 실패율을 낮추기 위해 생리학적 약동학(PBPK) 모델과 구획 모델을 통합하는 럼핑(lumping) 기법과 반기전적 집단 약동학/약력학(population PK/PD) 모델 개발을 진행하고 있습니다. PBPK 모델과 구획 모델 간 호환성을 평가하고 두 모델 구조를 결합하는 럼핑 기법을 통해 복잡한 생리학적 파라미터를 임상에서 활용 가능한 형태로 단순화하는 방법론을 구축했습니다. 이를 기반으로 반기전적 집단 PK/PD 모델을 개발하여 임상 용량 최적화 연구를 수행하고 있으며, 시롤리무스의 소아 환자 대상 용법·용량 개발과 치매 패치(Donepezil)의 임상 용량 예측, 중금속에 대한 생리학적 약동학 모델 구축에 적용했습니다. 약물 상호작용 예측에서는 미국 FDA 권장 수식 대비 정확도를 2배 이상 개선했으며, Moxifloxacin 등 특정 약물에서 환자군별 청소율 차이를 규명했습니다. 해당 모델링 기술은 TRL 6-7 수준으로 임상 적용 단계에 근접해 있습니다.

약물-표적 단백질 상호작용 및 청소율 예측을 통한 전주기 신약개발 통합 인공지능 시스템 구축을 목표로 연구를 진행하고 있습니다. ChemBERTa 및 ProtBert 기반 자연어처리 모델을 미세조정하여 drug-target interaction과 PROTAC 효능을 예측하는 기술을 개발했으며, 인공신경망 기반 약물-표적 단백질 상호작용 모델을 활용한 청소율 예측 시스템을 등록특허로 확보했습니다. 이 기술은 신약 후보물질의 청소율 예측, 약물 저해 효과 예측, ADMET 특성 예측에 적용되고 있습니다. 단일 저해제 농도만으로 약물 저해 효과를 예측하는 분석법을 개발하여 실험 효율을 75% 이상 향상시켰으며, 해당 연구 결과는 Nature Communications에 게재되었습니다. 현재 TRL 4-5 수준으로 실험실 검증 및 초기 적용 단계에 있습니다.

신약 개발 과정에서 약물에 의한 QT 연장증후군을 평가하는 기존 약동/약력학적 모델은 활동일주기 변화와 약물 유발 QTc 변화를 구분하지 못하는 한계가 있어, 이를 해소하기 위한 예측 모델 개발을 진행하고 있습니다. hERG assay 결과와 약물의 체내 동태를 함께 고려한 QT 연장 예측 모델을 구축했으며, 오토인코더-MLP 구조 기반 예측 모델과 약물에 의한 QT 연장증후군 예측 모델을 등록특허로 확보했습니다. 이러한 기술은 신약 개발 시 부정맥 위험성 예측과 심혈관계 안전성 평가를 위한 decision tree 구축에 적용되고 있습니다. 개발한 모델은 QT 연장 예측 정확도 0.931, AUROC 0.961을 달성하여 높은 예측 성능을 입증했습니다. 해당 기술은 TRL 5-6 수준으로 임상 전 검증 단계에 있습니다.