핵심 요약
항생제 내성균의 확산은 전 세계적인 보건 위협으로 다가오고 있으며, 기존의 신약 개발 방식으로는 이를 해결하기에 한계가 있다. MIT의 제임스 콜린스 교수는 딥러닝과 생성형 AI를 결합하여 수백만 개의 분자 후보를 탐색하고, 다제내성 임질균 및 황색포도상구균(MRSA)을 표적으로 하는 신규 화합물 NG1과 DN1을 발굴했다. 이러한 연구는 단순히 후보 물질 발견에 그치지 않고, Phare Bio와 같은 비영리 단체 및 ARPA-H와의 협력을 통해 실험실의 성과를 실제 임상 치료제로 전환하는 파이프라인 구축을 목표로 한다.
배경
딥러닝 기초 지식, 합성 생물학(Synthetic Biology) 개념, 항생제 내성 메커니즘
대상 독자
AI 기반 신약 개발 연구자, 바이오테크 관계자, 보건 정책 입안자
의미 / 영향
AI를 통한 항생제 개발은 기존의 반응적 대응에서 선제적 대응으로 패러다임을 전환한다. 이는 신약 개발 기간과 비용을 단축하여 슈퍼박테리아 위협에 대한 인류의 대응 능력을 강화할 것이다.
섹션별 상세
2020년 딥러닝을 활용해 강력한 항생제인 할리신(halicin)을 발견하며 AI의 잠재력을 입증했다. 이는 AI, 네트워크 생물학, 시스템 미생물학 전문가들의 협업 결과로, 다제내성 박테리아에 효과적인 화합물을 빠르게 식별할 수 있음을 보여주었다. 기존의 실험적 방식보다 훨씬 넓은 화학 공간을 탐색하여 새로운 항균 기전을 가진 물질을 찾아낸 사례이다.
2025년 연구에서는 유전 알고리즘(Genetic Algorithms)과 변이형 오토인코더(VAE)를 사용하여 완전히 새로운 항생제 분자를 설계했다. 수백만 개의 후보 물질 중 실험을 통해 선택적 항균 활성을 가진 7개의 화합물을 확인했으며, 특히 기존 치료제에 내성이 있는 임질균을 사멸시키는 NG1과 MRSA를 표적으로 하는 DN1이 주요 성과로 꼽힌다. 이 화합물들은 비독성이며 내성 발생률이 낮은 것으로 확인됐다.
AI의 예측 능력을 장기 칩(Organs-on-chips) 기술과 같은 첨단 실험 플랫폼과 결합하여 약물의 효능을 검증한다. 이를 통해 인간 조직과 유사한 환경에서 약물 반응을 연구함으로써 동물 실험의 한계를 보완하고 임상 성공 가능성을 높인다. 계산적 예측과 실제 실험 플랫폼의 결합은 아이디어를 검증된 치료제로 전환하는 속도를 가속화한다.
발견된 후보 물질을 실제 치료제로 발전시키기 위해 비영리 단체인 Phare Bio를 설립하고 Antibiotics-AI 프로젝트를 추진 중이다. ARPA-H로부터 지원을 받아 15개의 신규 항생제를 전임상 후보로 개발하고 있으며, 이는 학계의 연구가 산업계와 정부의 지원을 통해 환자에게 전달되는 가교 역할을 한다. 이러한 통합적 접근 방식은 항생제 개발의 패러다임을 반응적에서 선제적으로 변화시킨다.
실무 Takeaway
- 딥러닝과 생성형 AI(VAE 등)를 결합하여 기존 화학 공간을 넘어선 신규 항생제 설계가 가능하다.
- AI 예측 모델을 장기 칩(Organs-on-chips) 기술과 연동하여 전임상 단계의 정확도를 획기적으로 개선할 수 있다.
- 비영리 단체(Phare Bio)와 정부 기관(ARPA-H)의 협력 모델은 수익성이 낮은 항생제 개발의 경제적 장벽을 극복하는 대안이 된다.
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료