Current Issue

ECHA와 EPA 데이터베이스(ECHA, 2023; EPA, 2024)를 활용하여 유해성 정보가 부족해 예측으로 유해성 확인이 필요한 화합물 목록을 확보하였다. 이 목록에서 무기화합물과 혼합물은 제외했는데, 이는 QSAR 모델이 단일 유기 화합물을 대상으로 개발되었기 때문이다(Cherkasov et al., 2014). 또한 QSAR 모델을 사용하려면 구조 정보를 SMILES 또는 MOL 파일 형태로 확보해야 하므로, 구조 식별이 불가능한 화합물도 목록에서 제외하였다. 그 결과, 유기화합물이면서 구조 정보가 명확한 418종의 화합물 목록을 구축하였다. 해당 리스트를 농약 원제 구조와 비교한 결과, 농약 2종(Novaluron, Docusate)이 포함되어 있는 것으로 확인되었다.

VEGA는 IRFMN(Instituto di Ricerche Farmacologie Mario Negri)연구소에서 개발한 QSAR 프로그램이다(IRFMN, 2024). 본 연구에서는 VEGA 1.2.4 버전을 이용해서 예측을 수행했다. 화학물질의 등록에 요구되는 실험 값 중에서 VEGA 1.2.4를 통해 예측할 수 있는 종말점은 총 30개가 있었다. 30개의 종말점을 예측할 수 있는 모델들은 전체 72개로 확인되었다(Table 1).

VEGA에서는 적용범위를 4가지로 분류하고 있다: EXPERIMENT(훈련데이터에 이미 실험값 있음), GOOD(적용범위에 들어올 가능성이 높음), MODERATE(적용범위 내에 있는지 확실하지 않음), LOW(적용범위에 들어오지 않음). 4가지 중에서 EXPERIMENT, GOOD인 경우에만 믿을 수 있는 값을 제시하고 있다고 판단하여 H 코드 도출에 활용하였다.

QSAR 모델의 예측 결과는 실험을 통해 얻은 결과에 비해 정확도가 낮다는 점을 감안해서 신뢰도가 높은 경우만을 선별하여 H코드 산출을 진행하였다. 분자 구조로부터 예측값을 얻었더라도, 해당 화합물이 모델의 적용범위 밖에 있는것으로 확인되면, 해당 예측 값을 H코드 산출에 사용하지 않았다. 예측을 통해 얻은 H 코드는 PubChem 데이터베이스에서 확인된 H 코드와 비교함으로써 결과의 정확성을 검증했다. 인체 유해성과 환경 유해성 각각에 대해 H 코드를 도출하기 위한 알고리즘을 정의했는데 인체유해성(Fig. 1)과 환경유해성(Fig. 2)에 대한 H 코드 분류 기준이 각각 상이하기 때문에, 두 영역에 대해 알고리즘을 별도로 정리했다.

Fig. 1. 
Algorithm to derive human hazard H code. Only four H codes can be reliably obtained from QSAR predictions such as skin sensitization (H317), mutagenicity (H341), carcinogenicity (H351), and developmental toxicity (H361).

Fig. 2. 
Algorithm to derive environmental hazard H code. In total, five H codes were can be obtained from QSAR predictions such as H400, H410, H411, H412, and H413.

QSAR 모델로 예측을 수행했을 때, 입력한 구조가 모델의 적용범위에 들어오면 예측 결과를 신뢰할 수 있다. OECD QSAR validation guideline에서는 QSAR 모델 개발 시 지켜야할 5가지 원칙을 제시하고 있는데, 3번째 원칙이 적용범위 분석에 대한 내용이다(OECD, 2014). QSAR 모델은 훈련데이터의 구조 패턴과 활성 값 간의 연관 관계를 학습하게 된다. 그래서 QSAR 모델의 예측은 훈련데이터와 비슷한 경우 신뢰도가 높다. 모델의 적용범위는 훈련데이터의 구조 공간(chemical space)과 밀접한 연관이 있기 때문에 훈련데이터의 분포를 바탕으로 적용범위 분석을 하게 된다. QSAR 예측 모델의 규제 활용을 위해 발간된 가이드문서인 QSAR assessment framework에서도 적용범위의 중요성을 강조하고 있다(OECD, 2023). 신뢰할 수 있는 예측 값인지 분석하기 위해서는 입력한 분자구조가 모델의 적용범위에 포함되는지가 중요하기 때문이다. 적용범위를 벗어나는 예측 결과는 신뢰할 수 없기 때문에 적용범위 내에 들어오는 예측 결과를 기반으로 H 코드를 도출하였다. 유해성 정보가 없는 물질들은 대부분의 예측값에서 적용 범위 밖에 있는 것으로 확인되었다. VEGA는 적용 범위 분석 시 다음 기준을 활용하여 평가한다. 1) 입력 물질과 훈련 데이터 간의 구조적 유사성. 2) 유사 물질의 예측 정확도. 3) 유사 물질의 실험값과 입력 물질의 예측값 간의 일치도. 4) 입력 물질의 구조 패턴이 훈련 데이터에 존재하는지 여부. 5) 훈련 데이터의 기술자(descriptor) 값 범위 내에 입력 물질의 기술자 값이 포함되는지. 이 다섯 가지 기준은 결국 구조적 유사성을 다양한 방식으로 확인하는 과정이라 할 수 있다. 따라서 적용 범위 밖에 있다는 것은 입력된 물질의 구조가 모델 훈련에 사용된 물질의 구조와 유사하지 않음을 의미한다. 유해성 정보가 없는 물질들은 단순히 실험값이 없을 뿐만 아니라, 분자 구조의 분포도 달라 예측이 어려운 것으로 확인되었다. QSAR 모델은 실험 정보가 없는 물질의 실험값을 예측하는 용도로 사용된다(Fig. 3). 이때 모델 학습에 사용된 물질과 구조적 유사성이 높은 경우에만 예측 정확도가 보장된다. 즉 새로운 구조 예측은 가능하지만, 훈련 데이터와 지나치게 상이한 구조를 입력하는 경우에는 예측 값이 틀릴 가능성이 크게 높아진다. 그렇기 때문에 QSAR 모델을 활용하기 전에는 적용범위 분석이 필수적으로 요구된다. QSAR 모델에서 얻은 예측 값이 큰 오차를 가질 경우 모델에 입력한 분자구조가 모델의 적용범위 밖에 있기 때문에 오차가 발생할 가능성이 높다. 그래서 예측한 값이 얼마나 큰 오차를 갖는지 확인하기 전에 입력한 물질이 적용 범위 내에 들어오는지를 사전에 분석을 해야 QSAR 모델의 정확도를 올바르게 평가할 수 있다.

Fig. 3. 
Applicability domain analysis results on the collected molecules. Toxicity information of the compounds in the dataset was not available in public database. These molecules were also absent in the QSAR model training dataset; therefore, most of the molecules were out of the applicability domain.

GHS 분류에서는 건강 유해성과 환경 유해성의 심각성에 따라 H코드를 부여하게 된다. 건강 유해성에서 분류하는 종말점은 급성독성, 피부 부식성/자극성, 심한 눈 손상/눈 자극성, 호흡기 또는 피부 과민성, 생식세포 변이원성, 발암성, 생식독성, 특정 표적장기 독성-1회 노출, 특정 표적장기 독성-반복 노출, 흡인 유해성이다. 환경 유해성은 수생환경유해성에 따라 급성1, 만성1, 2, 3, 4로 나뉜다. 급성과 만성을 나눌 때는 어류, 갑각류, 조류 혹은 기타 수생식물에 대한 실험값 중 하나를 이용해서 유해성을 분류하게 된다. GHS 분류는 실험값을 기준으로 하게 되어 있다. 일반적으로 예측값으로부터 H코드를 도출하지는 않는다. 하지만 이번 연구에서는 QSAR 예측값으로부터 얻어낸 H코드가 활용 가치가 있는지 검증을 하는 차원에서 예측 결과로부터 H코드를 도출하였다. H 코드를 도출하는 기준이 사람에 대한 데이터를 요구하거나 동물 시험에서 관찰되는 증상을 바탕으로 결정되는 경우에는 QSAR 모델을 통해 H 코드를 도출하는 것이 불가능했다. 이에 따라 먼저 QSAR 모델의 종말점이 갖는 의미를 분석(Table 1) 하고 예측된 종말점으로부터 확보할 수 있는 H 코드를 정리하는 과정을 수행하였다(Table 2). 이렇게 도출된 제한적인 H 코드 중에서도, QSAR 예측 결과가 적용 범위 내에 포함되는 경우만을 선별하여 H 코드를 선별함으로써, 상당히 보수적인 접근 방식을 적용하였다. 농약 2종에 대한 예측 결과로부터 H 코드를 확인한 결과, Novaluron에서는 PubChem 데이터베이스에 등록된 H 코드와 동일한 결과가 예측되었다. 반면, Docusate의 경우는 QSAR예측값에서 H코드가 도출되었지만, PubChem데이터베이스에서는 해당 독성에 대한 근거가 없는 것으로 확인되었다(Fig. 4).

Fig. 4. 
H code prediction results on two pesticides. In case of Novaluron, available H codes from PubChem were matched with the predicted H codes. On the contrary, predicted H codes for Docusate cannot be evaluated due to absence of evidence on human hazard according to PubChem.

QSAR 모델은 크게 회귀 모델과 분류 모델로 구분된다. 회귀 모델은 실험을 통해 측정된 값을 정량적으로 예측하는 모델이다. 회귀 모델의 예시로는 LD50을 예측하는 모델이 있다. 분자 구조를 입력하면 그 물질의 LD50 값(mg/kg/day)을 예측해준다. 반면에 분류 모델은 실험 결과를 정성적으로 나누는 방법이다. 분류 모델에 분자 구조를 입력하면 ‘독성 있음(positive)’ 혹은 ‘독성 없음(negative)’으로 결과값이 출력된다. H코드를 부여하는 작업 자체는 분류 모델의 영역으로 볼 수 있다. 본 연구에서는 H 코드의 근거가 되는 실험값을 QSAR 모델로 예측한 후, 해당 예측값을 바탕으로 H코드를 도출하였다. 즉, 최종적으로 확인된 H코드는 모델에서 직접 산출된 결과값이 아니라, 예측값을 기반으로 분류 기준에 따라 도출된 것이다. H코드를 예측하는 작업은 회귀 모델에서 얻은 예측값을 활용하는 방식보다는, 분류 모델을 통해 직접 H 코드의 유무를 판단하는 접근이 더 높은 정확도를 제공할 가능성이 높아 보인다.