핵심 요약
기존 신약 개발은 조직의 기술적 역량에 맞춰 치료 모달리티를 결정하는 한계가 있었다. 인시트로는 이를 해결하기 위해 저분자 화합물, 올리고뉴클레오타이드, 복잡한 바이오 의약품을 단일 플랫폼에서 설계하는 TherML™을 도입했다. 이 엔진은 가상 인간(Virtual Human™) 모델과 연동되어 질병 메커니즘에 가장 적합한 개입 방식을 예측하고 설계한다. 능동 학습(Active Learning) 시스템을 통해 실험 데이터와 AI 설계 주기를 반복하며 치료제의 효능과 개발 가능성을 동시에 최적화한다.
배경
신약 개발 프로세스 기초, ADMET(흡수, 분포, 대사, 배설, 독성) 개념, 능동 학습(Active Learning)의 기본 원리
대상 독자
신약 개발 연구원, 바이오테크 AI 엔지니어, 제약 업계 전략 기획자
의미 / 영향
TherML™은 모달리티에 국한되지 않는 통합 AI 설계를 통해 신약 개발의 효율성을 극대화한다. 이는 특정 기술에 의존하던 기존 제약사의 구조적 한계를 극복하고 데이터 중심의 정밀 의료 시대를 가속화할 것으로 보인다.
섹션별 상세
TherML™은 기존의 확률론적 스크리닝 방식에서 벗어나 예측 및 적응형 엔지니어링으로 신약 개발을 전환한다. 저분자 화합물, 올리고뉴클레오타이드, 항체 등 다양한 모달리티를 하나의 플랫폼에서 다루며, 실제 자원을 투입하기 전 인실리코(in silico) 환경에서 최적화를 수행한다. 이는 특정 기술 역량에 갇히지 않고 질병 생물학적 요구 사항에 따라 최적의 도구를 선택할 수 있게 한다.
TherML™의 중심에는 차별화된 실험 역량과 AI 기반 설계 주기가 결합된 폐쇄 루프(Closed-loop) 능동 학습 시스템이 있다. 계산적 예측이 실험 설계를 안내하여 정보 획득을 극대화하는 실험을 선택하고, 그 결과가 다시 모델을 정교화하는 선순환 구조를 갖는다. 인시트로의 자동화 연구소와 직접 통합되어 시간이 지남에 따라 예측 성능이 복리로 향상되는 특징을 보인다.
효능, 투과성, 독성 등 개별 특성을 하나씩 최적화하는 대신 표적 활성과 개발 가능성을 동시에 최적화한다. 일라이 릴리(Eli Lilly)와의 협력을 통해 수십만 개의 독점 데이터를 활용한 강력한 ADMET 모델을 구축했으며, BMS와는 ALS 치료제 개발을 진행 중이다. 최근 CombinAbleAI 인수를 통해 항체 설계 역량까지 확장하여 플랫폼의 완성도를 높였다.
실무 Takeaway
- 질병 타겟에 맞춰 모달리티를 유연하게 선택하는 'Task-first' 접근법이 신약 개발의 성공률을 높인다.
- 실험과 AI 모델이 실시간으로 데이터를 주고받는 폐쇄 루프 시스템은 예측 정확도를 기하급수적으로 향상시킨다.
- 효능뿐만 아니라 약물성(ADMET)을 초기 단계부터 동시에 최적화하여 임상 단계의 탈락률을 최소화해야 한다.
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료