핵심 요약
AI 기반 신약 개발 기업 인시트로(insitro)가 자사의 ChemML™ 플랫폼 고도화와 임상 전환을 위해 업계 권위자인 스티븐 히치콕 박사와 비제이 판데 박사를 과학 자문위원으로 영입했다. 이번 영입은 인시트로가 발굴한 타겟들을 실제 치료제로 전환하기 위한 의약 화학 및 전임상 전략을 강화하는 데 목적이 있다. 특히 브리스톨 마이어스 스퀴브(BMS) 및 일라이 릴리와의 파트너십을 통해 ALS 및 대사 질환 분야에서 AI 모델의 실질적인 임상 적용 가능성을 입증하고자 한다. 인시트로는 이를 통해 계산적 예측과 실제 약물 개발 사이의 간극을 메우는 것을 목표로 한다.
배경
신약 개발 프로세스(R&D)에 대한 기본 이해, 머신러닝 기반 분자 설계 및 약리학 기초 지식
대상 독자
AI 신약 개발 관계자, 바이오테크 투자자, 제약 업계 R&D 전문가
의미 / 영향
인시트로의 이번 인사는 AI 모델이 단순히 후보 물질을 찾는 수준을 넘어, 실제 환자에게 투여 가능한 수준의 약물을 설계하는 '예측 엔지니어링' 단계로 진입했음을 시사한다. 이는 신약 개발의 실패율을 낮추고 개발 속도를 획기적으로 높이는 계기가 될 것이다.
섹션별 상세
인시트로는 다케다(Takeda)의 전 CSO인 스티븐 히치콕과 안드레센 호로비츠(a16z)의 바이오 펀드 창립자인 비제이 판데를 과학 자문위원으로 임명했다. 히치콕 박사는 30년 이상의 신약 개발 경험을 바탕으로 복잡한 약리학적 특성을 최적화하는 전략을 제공하며, 판데 박사는 생물학 및 화학 분야의 머신러닝 선구자로서 연산 전략을 지원한다. 이들은 인시트로의 ChemML 플랫폼이 계산적 예측을 넘어 실제 임상 현장의 요구사항을 충족할 수 있도록 가이드라인을 제시한다.
인시트로의 핵심 기술인 ChemML™ 플랫폼은 단순한 결합 친화도(Binding Affinity) 측정을 넘어 다중 매개변수 약리학적 프로필을 동시에 최적화하는 데 집중한다. 이는 뇌 투과성, 대사 안정성, 선택성 등 약물의 성공을 결정짓는 복잡한 요소들을 설계 초기 단계부터 제약 조건으로 설정하는 방식이다. 이러한 접근법은 기존의 시행착오 중심 R&D 방식에서 벗어나 예측 가능한 엔지니어링 기반의 신약 설계로의 전환을 의미한다.
최근 인시트로는 글로벌 제약사들과의 대규모 협력을 통해 플랫폼의 가치를 입증하고 있다. 2024년 10월 BMS와 20억 달러 규모의 ALS 타겟 발굴 협력을 확장했으며, 9월에는 일라이 릴리와 40년 치의 화학 데이터를 활용한 예측 ADMET 모델 구축 파트너십을 체결했다. 이러한 파트너십은 ChemML이 업계에서 가장 까다로운 최적화 과제를 해결하는 핵심 엔진으로 자리 잡고 있음을 보여준다.
실무 Takeaway
- AI 신약 개발에서 성공하기 위해서는 단순한 모델 성능보다 임상적 관련성(Clinical Relevance)을 초기 설계 단계부터 통합하는 것이 필수적이다.
- 데이터 생성과 모델 학습이 서로를 강화하는 '폐쇄 루프(Closed-loop)' 시스템 구축이 AI 기반 바이오 기업의 핵심 경쟁력이다.
- 전통적인 제약 R&D의 엄격함과 최신 계산 전략의 결합이 난치성 질환 치료제 개발의 돌파구가 될 수 있다.
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료