섹션별 상세
Absci는 생성형 AI를 활용하여 항체의 핵심 부위인 CDR-H3 루프를 포함한 전체 가변 영역을 설계하는 기술을 개발했다. CDR-H3는 항체의 다양성과 결합력을 결정하는 가장 중요한 부위이지만 구조적 복잡성으로 인해 설계가 매우 어렵다.
이 시스템은 Zero-shot 방식을 채택하여, AI가 이전에 본 적 없는 새로운 질병 표적에 대해서도 유효한 항체 후보 물질을 생성할 수 있다. 이는 특정 표적에 대한 방대한 실험 데이터 없이도 설계를 시작할 수 있음을 의미한다.
설계된 항체는 실험실에서 실제 결합력과 생물학적 활성이 검증되었으며, 기존 방식보다 훨씬 높은 성공률을 보였다. AI 모델은 수십억 개의 단백질 서열과 구조 데이터를 학습하여 단백질의 물리적, 화학적 특성을 이해한다.
이 기술의 도입으로 항체 발견 및 최적화 단계가 통합되어 전체 신약 개발 타임라인이 획기적으로 단축된다. 전통적인 방식이 수년이 걸렸다면, Absci의 플랫폼은 수주 내에 최적화된 리드 항체를 도출할 수 있다.
기술
- Generative AI
- Deep Learning
- Absci Platform
활용 사례
- De novo antibody design
- Lead optimization
- Target discovery
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 01. 15.수집 2026. 02. 21.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.