핵심 요약
AI 신약 개발 기업 insitro가 CombinAbleAI를 인수하며 모든 약물 양식(Modality)을 아우르는 통합 AI 플랫폼 'TherML(Therapeutic Machine Learning)'을 공개했다. 이번 인수를 통해 insitro는 기존의 저분자 화합물과 올리고뉴클레오타이드 역량에 CombinAbleAI의 고도화된 생물학적 제제 설계 기술을 결합하게 됐다. TherML은 물리 법칙 기반 AI 모델을 활용해 약물의 효능뿐만 아니라 제조 가능성까지 동시에 최적화하여 임상 성공률을 높이는 것을 목표로 한다. 이로써 타겟 발굴부터 분자 설계, 개발 가능성 평가까지 전 과정을 데이터 기반으로 수행하는 엔드투엔드 시스템이 구축됐다.
배경
신약 개발 프로세스(타겟 발굴, 임상 시험 등)에 대한 이해, 분자 역학(Molecular Dynamics) 및 단백질 구조 기초 지식, ADMET 특성 및 약물 개발 가능성 평가 개념
대상 독자
AI 신약 개발 연구자, 바이오테크 전략 기획자, 제약 업계 데이터 과학자
의미 / 영향
이번 인수는 AI 신약 개발이 특정 약물 형태에 국한되지 않고 모든 모달리티를 통합 관리하는 방향으로 진화하고 있음을 보여준다. 물리 법칙과 머신러닝의 결합은 단순한 데이터 피팅을 넘어선 정밀한 분자 설계를 가능케 하여 제약 산업의 R&D 효율성을 크게 높일 것으로 기대된다.
섹션별 상세
insitro는 CombinAbleAI 인수를 통해 저분자 화합물, 올리고뉴클레오타이드, 항체 및 복합 생물학적 제제를 모두 다룰 수 있는 양식 불가지론적(Modality-agnostic) AI 역량을 확보했다. 이는 생물학적 통찰에 따라 최적의 약물 형태를 선택하고 정밀하게 설계할 수 있는 풀스택 플랫폼의 완성을 의미한다. 타겟 발굴부터 분자 설계, 개발 가능성 평가까지 전 과정을 데이터 기반으로 수행하여 신약 자산 생성 속도를 높인다.
새롭게 출시된 TherML 플랫폼은 10만 개 이상의 분자 역학 대리 모델로 사전 학습된 물리 법칙 기반 AI 엔진을 탑재하여 단백질 구조와 유연성을 높은 정확도로 예측한다. 이를 통해 다중 특이적 항체나 T세포 결합체와 같은 복잡한 생물학적 제제의 설계를 최적화할 수 있다. 저분자 화합물의 경우 독자적인 양적 적응형 라이브러리를 활용해 화학 공간을 정밀하게 매핑하고 고해상도 학습 데이터를 생성한다.
TherML은 약물의 효능(Potency)과 제조 가능성(Manufacturability)을 별개의 단계가 아닌 상호 의존적인 설계 기준으로 취급하여 동시에 최적화한다. 과거에는 효능을 먼저 최적화한 후 제조 가능성을 검토했으나, TherML은 초기 단계부터 ADMET(흡수, 분포, 대사, 배설, 독성) 특성을 예측하여 후기 개발 단계의 실패 위험을 줄인다. 이는 생물학적 통찰을 실제 치료제로 전환하는 방식을 근본적으로 변화시켜 임상 진입 가능성을 높인다.
플랫폼은 insitro의 자동화 실험실과 직접 연결되어 실험 데이터를 실시간으로 생성하고 이를 다시 AI 모델 학습에 활용하는 폐쇄 루프(Closed-loop) 시스템으로 운영된다. 이러한 산업화된 AI 시스템은 신약 개발 과정을 반복 가능하고 확장 가능하며 예측 가능하게 만든다. 내부 데이터와 업계 협업 데이터를 결합해 안전성 프로필 최적화 성능을 지속적으로 개선하며 각 타겟과 양식의 제약 조건에 적응한다.
실무 Takeaway
- 물리 법칙 기반 AI 모델과 대규모 분자 역학 데이터를 결합하여 단백질 구조 예측 및 복합 항체 설계의 정확도를 획기적으로 향상시켰다.
- 효능과 제조 가능성을 초기 설계 단계부터 통합 고려함으로써 신약 개발 후기 단계에서 발생하는 공정상의 결함이나 탈락 리스크를 최소화한다.
- 자동화 실험실과 AI 모델 간의 데이터 피드백 루프를 구축하여 타겟별 맞춤형 최적화와 지속적인 성능 개선이 가능한 산업화된 R&D 체계를 제시했다.
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료