이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
TL;DR
제약 산업에서 AI를 활용한 신약 도구가 실제 연구팀의 신뢰를 얻으면서, 기업이 자체 신약 파이프라인을 만드는 대신 도구 자체에 비용을 지불하는 시장이 열리고 있습니다. Chai Discovery는 Structural Models를 Binding Models로 확장해 분자 결합을 평가하고, 좋은 후보를 초기부터 설계해 실험실 반복 횟수와 후보 발굴 시간을 줄이는 방향을 택했습니다. 제약사 파트너의 요청을 제품에 반영한 molecule editor는 chatbot보다 CAD·graphics design 소프트웨어에 가까운 UX를 지향하며, Lilly·Novartis·argenx 계약과 Eli Lily 프로그램 확장으로 이어졌습니다. 제공된 타임라인은 2026년에 10건의 tools deals가 체결됐다고 집계하며, BioAI의 경쟁력이 모델 성능뿐 아니라 연구 흐름에 맞는 제품과 포트폴리오 단위의 의사결정으로 이동했음을 보여줍니다.
섹션별 상세
AI를 활용한 제약 도구 시장은 오랫동안 신약 파이프라인을 직접 만들거나 특정 표적에 대한 공동개발 계약으로 기울었는데, 제약사가 범용 도구의 효과를 확인하기 전에는 여러 포트폴리오에 판매하기 어려웠기 때문입니다. 2026년 1월 JPM Pharma conference를 전후해 구조·결합 예측 도구의 품질이 실제 의약품 설계팀의 신뢰를 얻을 수준에 도달하면서 이 흐름이 바뀌었습니다. Chai Discovery가 설립 약 2년 만에 중심에 서고 기업가치 4B달러로 평가받은 배경도 도구 자체에 대한 지불 의사가 커진 시장 변화와 연결됩니다.
근거
- 2026년 1월 JPM Pharma conference를 전후해 제약사가 AI 도구에 비용을 지불하는 흐름이 커졌고, Chai Discovery가 그 중심에 섰습니다. — 기사 도입부의 JPM Pharma conference 및 Pharma의 tools deals 단락
AI 도구가 충분히 신뢰할 만해지면 더 많은 후보 물질을 더 빠르게 실험실과 동물시험으로 보낼 수 있고, 독성 선별과 약물 전달 평가도 넓힐 수 있습니다. 입력된 분자 후보를 모델로 평가하고, 결과가 좋은 후보를 실험으로 넘기는 반복 주기가 짧아지면서 임상 단계에 진입할 물질의 성공 가능성을 높이는 구조입니다. 특히 특정 분자 연쇄 반응을 정밀하게 일으키는 항체나 두 단백질에 결합하는 Bispecific Antibody처럼 기존의 시행착오만으로 개발하기 어려운 설계 문제에 새로운 선택지를 제공합니다.
근거
- AI 도구가 신약 후보를 더 많이, 더 빠르게 실험실과 동물시험으로 보내고 독성·전달 평가를 확장합니다. — Good-enough-to-trust unlocks the ability to scale discovery 단락
Chai Discovery가 겨냥하는 핵심 변화는 모델의 정확도 개선을 연구 효율 향상에 그치지 않고 과학을 engineering 문제로 바꾸는 데 있습니다. Structural Models가 분자 형태를 예측하는 수준에서 Binding Models로 확장되면서 결합 친화도를 평가하고, 실험실 작업량이 적은 좋은 분자를 초기 단계부터 설계하는 흐름이 가능해졌습니다. 후보를 생성하고 결합을 평가한 뒤 실험 결과를 다시 설계에 반영하는 hill-climbing 방식이 정착되면, 임상까지 이어지는 분자 제작 과정의 마찰을 줄이는 것이 목표가 됩니다.
근거
- Structural Models가 Binding Models로 확장되면서 결합 친화도 평가와 분자 설계가 가능해졌습니다. — 구조 모델에서 결합 모델로의 전환을 설명하는 문단
Chai Discovery는 제약사 파트너와 밀접하게 협업하며 실제 연구자가 반복적으로 요청하는 작업을 제품 설계와 연구 우선순위에 반영합니다. 그 결과 인터페이스는 chatbot보다 CAD나 graphics design 프로그램에 가까운 molecule editor 방향으로 발전하고 있으며, 사용자가 분자를 직접 조작하고 모델 결과를 다음 설계에 연결하는 작업 흐름을 지향합니다. 인터뷰에서는 이런 제품 완성도가 기술 자체와 함께 engineering 도구의 경쟁력을 결정하며, 분자를 위한 Photoshop보다 SolidWorks에 가까운 비유가 더 적절할 수 있다고 언급됩니다.
근거
- Chai Discovery는 제약사 파트너의 실제 요청을 연구와 제품에 반영하고 molecule editor를 CAD나 graphics design 프로그램처럼 구축합니다. — Neil Patil 인용문과 better UX 단락
Chai Discovery는 2026년 6월 이후 Lilly, Novartis, argenx와 세 건의 주요 계약을 발표했고 Eli Lily 프로그램의 확장도 알렸습니다. 제공된 타임라인 이미지는 2021년 12월부터 2026년 7월까지 공개된 제약·AI 계약 29건을 묶어 보여주며, 2026년에 tools deals 10건이 체결됐다는 집계를 함께 표시합니다. 이 흐름은 AI가 신약 후보를 직접 보유하는 방식뿐 아니라 제약 연구팀이 반복적으로 사용하는 도구로도 수익화되기 시작했음을 나타냅니다.
근거
- Chai Discovery는 2026년 6월 이후 Lilly, Novartis, argenx와 세 건의 주요 계약을 발표하고 Eli Lily 프로그램을 확장했습니다. — since June, Chai has announced three more major deals 단락
- 제공된 타임라인은 2021년 12월부터 2026년 7월까지 공개된 제약·AI 계약 29건과 2026년 tools deals 10건을 표시합니다. — 이미지 하단의 29 disclosed pharma × AI deals 문구와 2026년 요약 수치 출처
인터뷰의 더 넓은 논점은 모델이 개선될수록 단백질 토큰처럼 초기 표현에서 얻은 정보가 후속 설계 작업에 더 큰 가치를 전달한다는 점입니다. Pharma, VC, 연구 조직의 의사결정을 각각의 개별 성공보다 여러 후보와 프로그램에 자원을 배분하는 portfolio optimization 문제로 바라보며, 더 나은 기술은 전체 포트폴리오의 후보 선택과 실험 순서를 바꿉니다. 따라서 시장의 승부처는 모델 성능 하나가 아니라 단순한 UX, 파트너에게서 얻은 연구 데이터, 설계부터 실험까지 이어지는 반복 구조를 함께 갖추는 데 있습니다.
용어 해설
- 결합 친화도(Binding Affinity)
- — 분자와 단백질이 얼마나 강하게 결합하는지를 나타내는 값입니다. 구조 예측 모델이 분자의 형태를 계산하는 데 그쳤다면, Binding Affinity 모델은 특정 분자 쌍의 결합 정도를 평가해 후보 물질 설계와 선별에 직접 활용됩니다.
- 바이오벅스(Biobucks)
- — 신약의 임상·허가 단계별 성과에 따라 지급되는 조건부 계약 금액입니다. 전체 발표액 가운데 보통 2~5%만 선급금으로 지급되고, 나머지는 약물이 각 목표를 통과할 때 지급되므로 headline 금액과 실제 초기 수령액 사이에 큰 차이가 생깁니다.
- 이중특이성 항체(Bispecific Antibody)
- — 서로 다른 두 단백질에 동시에 결합하도록 설계한 항체입니다. 두 표적을 정밀하게 연결해야 하므로 실험실 기반의 반복 시행착오만으로는 개발이 어렵지만, AI 기반 설계 도구가 후보 생성과 평가를 빠르게 만드는 영역으로 거론됩니다.
- 단백질 토큰(Protein Tokens)
- — 단백질 서열이나 구조 정보를 AI 모델이 처리할 수 있도록 나눈 표현 단위입니다. 이 토큰에서 얻은 정보가 신약 설계와 결합 예측 같은 후속 작업으로 전달되기 때문에 downstream value가 높다는 논점이 인터뷰의 주요 주제로 등장합니다.
- 구조 모델(Structural Models)
- — 단백질이나 분자의 3차원 구조를 예측하는 AI 모델입니다. 기사에서는 이 모델이 결합 가능성까지 평가하는 Binding Models로 확장되면서, 단순한 구조 파악을 넘어 후보 물질 설계에 쓰이는 단계로 이동했다고 설명합니다.
기술
- Chai Discovery
- Structural Models
- Binding Models
- molecule editor
- CAD
- SolidWorks
- Photoshop
활용 사례
- 신약 후보 물질 설계
- 단백질·분자 결합 평가
- 독성 선별
- 약물 전달 평가
- Bispecific Antibody 설계
- 제약 연구팀용 분자 설계 소프트웨어
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 08. 12.수집 2026. 08. 12.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.
