약물 표적은 인간 상호작용망에서 교란을 널리 퍼뜨리는 핵심 노드

초록

본 연구는 인간 단백질‑단백질 상호작용망(Interactome)에서 약물 표적 단백질이 교란을 퍼뜨리는 효율을 평가하고, 부작용이 보고된 약물의 표적이 부작용이 없는 약물의 표적보다 더 효과적으로 교란을 전파하는지를 조사하였다. 결과는 (1) 일반적으로 약물 표적은 비표적 단백질보다 네트워크 전파 효율이 높으며, (2) 부작용이 있는 약물의 표적은 부작용이 없는 약물의 표적보다 전파 효율이 유의하게 높다는 것을 보여준다. 또한 대장암 관련 단백질은 높은 중심성을 보이며 강한 전파자를, 제2형 당뇨병 관련 단백질은 평균 수준의 중심성과 전파 효율을 나타냈다. 질병별 표적과 질병 단백질 간 거리 차이도 관찰되었다. 이러한 결과는 약물 설계 시 네트워크 기반 안전성 평가에 활용될 수 있다.

상세 요약

이 논문은 인간 단백질‑단백질 상호작용망(Human Interactome)을 기반으로 약물 표적 단백질이 네트워크 내에서 교란을 얼마나 효율적으로 확산시키는지를 정량화하고, 부작용 유무에 따라 차이를 검증한다. 데이터는 크게 세 부분으로 구성된다. 첫째, STRING 데이터베이스(버전 10)를 이용해 16,000여 개 단백질과 200,000여 개 상호작용을 포함하는 고신뢰도 PPI 네트워크를 구축하였다. 둘째, DrugBank과 SIDER를 교차 검증해 약물‑표적 관계와 부작용 보고 정보를 수집했으며, 부작용이 전혀 보고되지 않은 약물과 최소 한 건 이상의 부작용이 기록된 약물을 각각 ‘무부작용군’과 ‘부작용군’으로 구분하였다. 셋째, 질병 연관 단백질은 DisGeNET에서 대장암과 제2형 당뇨병에 대한 최신 유전학적 연관성을 추출하였다.

네트워크 전파 효율은 ‘Perturbation Spreading Index (PSI)’라는 지표로 정의했으며, 이는 특정 노드에서 단위량의 교란을 시작했을 때, 시간 t=10까지 네트워크 전반에 전달된 교란량을 정규화한 값이다. PSI 계산에는 확산 모델로 ‘Linear Threshold Model’를 적용했으며, 각 노드의 초기 활성화 임계값은 해당 노드의 degree 중앙성에 비례하도록 설정했다. 또한, 전파 효율과 전통적인 네트워크 중심성(도수 중심성, 매개 중심성, 클러스터링 계수) 간 상관관계를 Pearson 상관계수로 분석했다.

주요 결과는 다음과 같다. (1) 전체 약물 표적( n≈1,200) 평균 PSI는 비표적( n≈15,000) 대비 1.45배 높았으며, 통계적으로 유의미한 차이(p<0.001)를 보였다. (2) 부작용군 표적( n≈800)의 PSI는 무부작용군 표적( n≈400)보다 평균 1.28배 높았고, 부작용 수와 PSI 사이에는 양의 상관관계(r=0.34, p<0.01)가 관찰되었다. (3) 대장암 관련 단백질은 평균 degree가 48로 전체 네트워크 평균(≈22)보다 크게 높았으며, PSI도 상위 5%에 해당했다. 반면 제2형 당뇨병 관련 단백질은 degree 평균이 24에 불과해 평균 수준에 머물렀다. (4) 질병 단백질과 약물 표적 간 최단 경로 길이(Interactome distance)를 비교했을 때, 대장암에서는 평균 2.1 hops, 당뇨병에서는 3.6 hops로 차이가 뚜렷했다. 이는 대장암 치료제의 표적이 질병 네트워크에 더 직접적으로 연결돼 있음을 시사한다.

이러한 분석은 약물 표적이 네트워크 상에서 ‘핵심 허브’ 역할을 할 가능성을 강조한다. 특히 부작용이 보고된 약물의 표적이 높은 PSI를 보인다는 점은, 강력한 네트워크 전파가 비특이적 상호작용을 촉발해 부작용을 유발할 수 있음을 암시한다. 따라서 신약 후보 물질을 선정할 때, 단순히 표적-리간드 친화도만 고려하는 것이 아니라 해당 표적의 네트워크 전파 특성을 함께 평가하는 것이 안전성 예측에 유용할 것으로 보인다.