A Precedent-Guided Co-Scientist for Side-Effect-Aware Drug Redesign

Motivation

• Known: 기존 분자 최적화 방법들(JT-VAE, GCPN 등)은 potency, drug-likeness, ADMET과 같은 일반적 목표를 대상으로 각 최적화 사례를 독립적인 생성 문제로 다루어왔다. 최근 LLM 기반 agentic drug-discovery 시스템들은 orchestration, retrieval, tool use를 통해 화학 공간에서 목표 property profile을 탐색하는 잠재력을 보여주었다.
• Gap: 실제 약리학적 재설계는 tenofovir disoproxil fumarate에서 tenofovir alafenamide로의 전환처럼 prodrug modification, bioisosteric replacement, exposure modulation 등 해석 가능한 선례를 따르는 경우가 많지만, 기존 연구는 이러한 역사적 선례(precedent)를 구조화된 지식으로 활용하지 않고 각 사례를 독립적 생성 문제로 취급하며, 부작용의 기전(mechanism)을 사전 스크리닝하지 않은 채 구조 편집을 수행한다는 한계가 있다.
• Why: 부작용의 기전을 먼저 분류하고 재설계 가능성(redesignability)을 판단한 후에만 구조 편집을 수행하는 근거 기반·감사 가능한(auditable) 워크플로우는, 임상적으로 신뢰 가능하고 인간이 검토 가능한 AI-for-science 시스템 설계에 중요한 시사점을 제공하며 의약화학자의 실제 워크플로우와 정합성을 높인다.
• Approach: PRECEDE는 LLM orchestrator가 SIDER와 PrimeKG 같은 지식 그래프로 약물-부작용 연관성을 근거화하고, 부작용을 기전별로 분류해 재설계 가능 여부를 라우팅한 뒤, 선례 메모리(precedent memory)에서 전략을 추출하여 제약된 분자 재설계와 in silico 평가를 수행하는 human-supervised 에이전트 워크플로우를 제안한다.

Achievement

Figure 1. Overview of PRECEDE, an LLM-orchestrated workflow for evidence-grounded, precedent-guided drug redesign.

1. 정밀한 과제 정의(task definition): 부모 약물, 표적 부작용, (선택적) 치료 맥락을 입력으로 받아 근거 추적, 예측 효능-안전성 프로파일, 수정 근거, 감사 가능한 재설계 보고서를 산출하는 side-effect-aware drug redesign 과제를 공식화하였다.
2. attribution-aware routing 정책 설계: 부작용을 5개 기전 범주(target-mediated, off-target structural liability, metabolism/reactive intermediate, exposure/pharmacokinetic, insufficient evidence)로 분류하여, 재설계 가능한 범주만 구조 편집 단계로 진행시키는 게이팅 정책을 제시하였다.
3. precedent memory 및 전략 추상화(strategy abstraction) 프레임워크: 과거 재설계 사례를 부모 화합물, 안전성 문제, 구조 변형, 개선 화합물, 관찰된 결과를 포함한 구조화된 레코드로 인코딩하고, exposure modulation, liability-group replacement 등 전이 가능한 전략을 추상화하는 메커니즘을 설계하였다.
4. historical replay 평가 로드맵 제안: prodrug 사례 연구 및 matched molecular pair 문헌으로부터 30–50개 궤적(trajectory)을 구성하여, 후속 화합물(successor)을 hold-out한 상태에서 PRECEDE가 문서화된 최적화 결정을 재현할 수 있는지 검증하는 falsifiable 평가 프로토콜을 제시하였다.

How

Figure 1. Overview of PRECEDE, an LLM-orchestrated workflow for evidence-grounded, precedent-guided drug redesign.

• Evidence grounding: SIDER, PrimeKG, 문헌 검색을 통해 질의된 약물-부작용 연관성을 확증하고, 신뢰도 임계값 미달 시(예: SIDER 미확인 또는 인용 2건 미만) 검색을 확장하는 정책 적용
• Attribution-aware routing: Edwards & Aronson(2000), Aronson & Ferner(2003), Park et al.(2011)의 기전 기반 분류체계에 따라 부작용을 5개 범주로 분류하고, 재설계 가능한 (ii)–(iv) 범주만 다음 단계로 진행, (i)·(v)는 human review로 라우팅
• Precedent retrieval 및 strategy matching: 구조화된 precedent record에서 attribution 범주와 치료 맥락에 매칭되는 전략(예: exposure modulation, pharmacophore preservation, peripheral editing) 선택
• Constrained redesign: matched molecular pair transformation, template 기반 bioisosteric replacement(DeepBioisostere 등), LLM 기반 치환 제안을 결합한 hybrid generation stack 사용, 화학적 유효성 및 synthetic accessibility로 필터링
• In silico evaluation: target-specific docking, pharmacophore retention, toxicity predictor, parent-similarity 제약을 통해 후보 평가
• Decision policy 및 provenance logging: 평가 실패 시(도킹 성능 저하, 낮은 synthetic accessibility) 더 강한 제약 하에 재설계로 회귀, 모든 근거·선례·편집·점수·결정 근거를 provenance log에 기록하여 감사 가능한 재설계 보고서 출력
• human review checkpoint: 비재설계 가능/근거 부족 사례, 상충되는 precedent, 최종 후보 triage의 세 지점에서 인간 개입 유도

Originality

• 분자 생성을 독립적 최적화 문제가 아니라 역사적 선례(precedent)에 기반한 전이 가능 전략 추출 문제로 재구성한 프레임 자체가 기존 generic molecular optimization(JT-VAE, GCPN 등)과 차별화됨
• 구조 편집 이전에 부작용을 기전별로 분류하여 재설계 가능성(redesignability)을 게이팅하는 attribution-aware routing 정책은 기존 agentic drug-discovery 시스템(LIDDIA 등)에서 다루지 않은 개념
• historical replay를 통한 falsifiability 검증(성공 화합물을 hold-out하여 문서화된 최적화 결정 재현 여부 확인) 방식은 생성 모델 평가에서 드문 접근으로, 의약화학 도메인 지식과의 정합성을 정량 검증하려는 시도
• 인간 검토 체크포인트와 provenance log를 명시적으로 결합하여 "완전 자율" 대신 "auditable co-scientist"로 시스템을 포지셔닝한 거버넌스 설계

Limitation & Further Study

• 본 논문은 workshop position/proposal 성격이 강하며, 실제 실험 결과(정량적 성능, historical replay 성공률 등)는 본문에 제시되지 않고 appendix의 proof-of-concept과 단일 사례 walkthrough에만 의존하여 기술적 타당성 검증이 아직 부족함
• 5개 기전 범주로의 분류 정확도, precedent retrieval의 top-k accuracy, 후보 재설계의 실제 실험적(assay) 검증 없이 docking/toxicity predictor 등 in silico proxy에만 의존하고 있어 예측의 실제 생물학적 타당성은 불확실
• 30–50개의 소규모 historical replay 벤치마크는 다양한 부작용 유형과 치료 영역을 포괄하기에 규모가 제한적이며, 일반화 가능성 검증에 한계가 있음
• LLM 오케스트레이터의 의사결정 신뢰도(예: 잘못된 attribution 분류, hallucination된 근거 인용)에 대한 정량적 안전장치와 실패 사례 분석이 부족하여, 향후 대규모 벤치마크와 정량적 성능 지표를 포함한 후속 연구가 필요함

Evaluation

총평: 부작용 완화를 위한 약물 재설계를 선례 기반 근거 추론과 human-in-the-loop 거버넌스로 프레임화한 참신하고 실용적 가치가 큰 제안이나, 아직 정량적 실험 검증이 부족한 초기 단계의 workshop 논문으로 향후 실증 연구가 필요하다.