Tevogen Bio, Databricks와 AI로 신약 개발 연구 주기를 50일에서 24시간으로 단축

섹션별 상세

수동 습식 실험과 테라바이트급 데이터 사일로가 연구 속도를 저해하는 주요 원인이었다. Tevogen Bio는 ExacTcell 플랫폼을 통해 질환 타겟을 결정하고자 했으나 초기 검증에만 18~24개월이 소요되는 한계가 있었다. Databricks와의 파트너십을 통해 데이터 파이프라인을 자동화하고 직렬 프로세스를 병렬로 전환하여 효율성을 극대화했다. 이를 통해 연구진은 수개월이 걸리던 작업을 며칠 또는 몇 시간 단위로 처리할 수 있는 환경을 마련했다.

Unity Catalog와 메달리온 아키텍처를 도입하여 데이터 거버넌스와 접근 제어를 강화한 현대적 레이크하우스를 구축했다. 분산 컴퓨팅 기술을 활용해 2,400만 개의 단백질 데이터를 정제하여 160억 개의 데이터 포인트와 7억 개의 고유 펩타이드를 도출했다. 데이터가 Bronze에서 Silver 레이어로 이동하며 정제되는 구조는 대규모 머신러닝 모델 학습의 견고한 토대가 되었다. 이러한 아키텍처 혁신은 데이터 처리 시간을 기존 50일에서 24시간으로 98% 이상 단축하는 결과로 이어졌다.

XGBoost와 ESM 모델을 활용한 MLOps 프레임워크를 구축하여 자동 학습, 추론, 모니터링 체계를 완성했다. 개발된 PredicTcell 알파 모델은 테스트 결과 93~97%의 재현율과 38~43%의 정확도를 달성하며 면역 활성 펩타이드 예측 능력을 증명했다. 현재는 Agent Bricks와 RAG 기술을 통합하여 3,700만 건의 전문 학술 자료에서 생화학적 특성을 실시간으로 분석하는 기능을 추가하고 있다. 이는 향후 단백질 결합 친화도를 예측하는 베타 버전 모델의 성능을 더욱 높이는 핵심 요소가 될 것이다.

용어 해설

메달리온 아키텍처(Medallion Architecture): — 데이터를 Bronze(원시), Silver(정제), Gold(비즈니스 최적화)의 세 단계로 나누어 관리하는 데이터 설계 방식이다. 각 단계를 거치며 데이터 품질과 구조가 개선되어 분석 및 머신러닝 학습에 최적화된 상태가 된다. 대규모 데이터 파이프라인의 신뢰성과 효율성을 높이는 데 필수적이다.
유니티 카탈로그(Unity Catalog): — Databricks 플랫폼 내에서 데이터와 AI 자산에 대한 통합 거버넌스를 제공하는 솔루션이다. 중앙 집중식 접근 제어, 데이터 계보 추적, 보안 관리를 가능하게 하여 복잡한 데이터 환경에서도 규정 준수와 데이터 무결성을 보장한다. 기업 내 여러 팀이 안전하게 데이터를 공유하고 협업할 수 있게 돕는다.
ESM 모델(ESM Model): — 단백질 서열의 진화적 정보를 학습한 대규모 언어 모델 기반의 생물학적 예측 모델이다. 단백질의 구조, 기능, 상호작용을 수치화하여 예측하는 데 사용된다. 신약 개발 과정에서 특정 단백질과 펩타이드의 결합 가능성을 계산하는 등 생물정보학 연구의 핵심 도구로 활용된다.
재현율(Recall): — 실제 정답 중 모델이 올바르게 찾아낸 비율을 나타내는 머신러닝 성능 지표이다. 신약 개발에서는 잠재적인 치료제 후보를 놓치지 않는 것이 중요하므로 재현율이 높을수록 유효한 타겟을 발견할 가능성이 커진다. 모델의 예측이 얼마나 포괄적인지를 측정하는 척도이다.
펩타이드(Peptide): — 두 개 이상의 아미노산이 결합하여 형성된 짧은 단백질 조각이다. 생체 내에서 신호 전달이나 면역 반응 조절 등 다양한 기능을 수행한다. 특정 질병 단백질에 결합하는 펩타이드를 정확히 예측하는 것은 부작용이 적고 효과적인 표적 치료제를 개발하는 데 결정적인 역할을 한다.

기술

Databricks
Microsoft Azure
Unity Catalog
XGBoost
ESM
Agent Bricks

활용 사례

신약 타겟 발굴
단백질-펩타이드 결합 예측
학술 논문 자동 분석

언급된 리소스

문서Data intelligence reshapes industries report