아유르베다 단일 약초의 다중 표적 메커니즘: 지식 그래프와 네트워크 약리학 통합 분석

초록

본 연구는 아유르베다 약전에서 당뇨와 비만 치료에 쓰이는 11종의 단일 약초(SHD)를 선정하고, IMPPAT 데이터베이스를 통해 188개의 약리학적 후보 phytochemical을 추출하였다. Lipinski 규칙과 생체이용률 기준으로 필터링한 후, 각 화합물의 인간 단백질 표적을 NPASS, BindingDB, ChEMBL에서 수집하였다. 질병 관련 유전자와 FDA 승인 약물 표적을 통합해 Neo4j 기반 지식 그래프를 구축하고, 경로·네트워크 분석을 통해 PTPN1, GLP1R, DPP4, PPARG 등 핵심 표적을 도출했다. 구조적으로 상이한 phytochemical 쌍이 동일 혹은 보완적인 경로를 조절함을 정량화했으며, 분자 도킹을 통해 DPP4와 PPARG에 대한 잠재적 리드 화합물을 제시하였다. 이와 같이 전통 약초와 현대 시스템 생물학을 연결하는 파이프라인을 제시한다.

상세 분석

이 논문은 전통 아유르베다 약초의 다중 표적 작용을 현대적인 데이터 과학 기법으로 규명하려는 시도다. 먼저, Ayurvedic Pharmacopoeia of India에서 당뇨와 비만에 명시적으로 사용되는 11개의 단일 약초를 선정했으며, 각 약초에 대해 IMPPAT 데이터베이스를 활용해 188개의 phytochemical을 추출하였다. 이후 Lipinski’s Rule of Five와 SwissADME 기반의 생체이용률 점수를 적용해 약물성 후보를 엄선함으로써, 실제 약물 개발 가능성이 높은 화합물만을 대상으로 분석을 진행했다.

표적 탐색 단계에서는 NPASS, BindingDB, ChEMBL 등 세 개의 대형 바이오활성 데이터베이스를 통합해 인간 단백질과의 결합 정보를 수집했으며, 데이터 정합성을 위해 ChEMBL의 비활성·불확실 데이터는 제외하였다. 질병 관련 유전자는 DisGeNET, DISEASES, CTD, GeneCards 등 다중 소스에서 고신뢰도 기준(GDA 점수 ≥0.4, Evidence Index >0.5 등)으로 추출하였다. 또한 FDA 승인 약물의 치료 표적을 DrugBank, TTD, DrugCentral 등에서 체계적으로 정리해, 임상적으로 검증된 표적군을 기준점으로 삼았다.

모든 엔티티(약초, phytochemical, 표적, 질병, FDA 약물)를 Neo4j 기반 지식 그래프로 통합함으로써, SHD‑Disease 교차 분석이 가능해졌다. 그래프 탐색 결과, PTPN1, GLP1R, DPP4와 같은 인슐린 신호 및 인크레틴 경로에 핵심적인 표적이 SHD와 질병 네트워크에서 겹치는 것을 확인했다. 네트워크 약리학적 PPI 분석에서는 PPARG가 중심 허브로 부각되었으며, 이는 지방세포 분화와 대사 조절에 중요한 역할을 함을 시사한다.

특히, 저자들은 phytochemical 간의 구조적 유사성(Tanimoto ≥0.5)와 표적 겹침을 정량화해, 구조적으로 서로 다른 화합물이 동일 경로나 보완 경로를 동시에 조절할 수 있음을 입증했다. 이는 전통 약초가 복합제 형태로 작용하는 메커니즘을 설명하는 중요한 근거가 된다. 마지막으로, DPP4와 PPARG에 대해 AutoDock Vina 기반 도킹을 수행했으며, Chitraline, Isovitexin, Pakistanine( DPP4) 및 Sulfurein, Sesamin, Pterosupin(PPARG) 등을 잠재적 리드 화합물로 제시했다. 전체 파이프라인은 데이터 수집 → 필터링 → KG 구축 → 경로·네트워크 분석 → 정량적 상보성 평가 → 도킹 순으로 흐르며, 재현 가능하고 확장 가능한 프레임워크를 제공한다.

이 연구는 전통 의학 지식을 현대 시스템 생물학과 연결하는 모델을 제시함으로써, 다중 표적 약물 개발 및 복합제 설계에 새로운 방향을 제시한다.