[신테카바이오 암정복 '미니 스타게이트'] 항암신약 개발에 필수 'AI' 3대 원천기술 확보

[편집자주]

도널드 트럼프 미국 대통령은 연초 인공지능(AI) 인프라를 구축해 암 조기 진단과 맞춤형 암 백신을 개발하는 일명 '스 타게이트' 프로젝트를 발표했다. 오픈AI, 소프트뱅크, 오라클 등이 참여해 최대 700조원을 투입하는 대규모 프로젝트 다. 이는 암 정복에 있어 AI가 필수불가결의 요소로 자리잡고 있음을 시사한다. 신테카바이오 역시 AI 기술 발전에 따 라 선제적으로 슈퍼컴퓨팅 센터를 구축하고 차별화된 LLM 기반 AI 모델로 차별화된 경쟁력을 갖춰나가고 있다. 더벨 은 신테카바이오의 AI 신약 개발 기술력과 사업성을 들여다봤다.

과거 AI 신약 개발이 막연한 기대감에 기댄 테마였다면 지금은 복잡해진 신약 개발 환경을 돌파 할 대안으로 재평가받고 있다. 항암제 개발이 항체약물접합체(ADC)나 mRNA 등 다양한 모달리티로 세분화되고 약물 구조 자체가 거대하고 복잡해지면서 기존의 실험 방식으로는 개발 속도와 정확도를 따라잡는데 물리적 한계에 봉착했기 때문이다.

더이상 '표적 발굴' 만으로는 경쟁력을 갖기 어려운 시대가 됐다. 방대한 변수 속에서 최적의 조합을 찾아내는 AI의 연산 능력은 신약 개발 성패를 가를 결정적 변수다. 신테카바이오 역시 자체 AI 플랫폼을 고도화하며 복잡해진 신약 개발 환경에서의 기회를 모색하고 있다.

◇다중타깃 등 개발 난이도 높아진 항암제, AI 필요성 증가

항암제는 과거 세포독성항암제에서 2세대 표적항암제, 3세대 면역항암제로 발전하며 암 치료의 획기적인 개선을 이뤘다. 하지만 단일 타깃에 집중했던 기존 방식은 여전히 한계로 꼽힌다. 환자 의 생존 기간을 늘리는 데에는 기여했지만 암의 복잡한 기전으로 효과를 얻는 환자가 약 30% 정 도에 불과했기 때문이다.

이 한계를 넘기 위해 기존 치료제와의 병용요법에서 다중타깃과 신규 모달리티로 개발이 확장되 고 있다. 두 개 이상 타깃을 동시에 공략하는 이중·삼중 항체는 물론 유도미사일처럼 약물을 정확히 배달하는 ADC, 질병 원인 단백질을 아예 분해해버리는 표적단백질분해(TPD) 기술 등이 대 표적이다. 더 나아가 환자 개개인의 고유한 유전체 정보를 분석해 최적의 솔루션을 제공하는 '개 인 맞춤형 암 백신' 시대도 눈앞에 다가왔다.

문제는 복잡성이다. 수천가지의 유전적 변이와 미세환경이 얽힌 암 데이터를 인간의 힘으로 분석 해 최적의 치료 조합을 찾기엔 경우의 수가 기하급수적으로 늘어났다.

환자의 종양 데이터를 해독하고 수많은 후보 물질 중 최적의 다중 타깃을 설계하는 과정은 기존 방식으로는 수개월에서 수년까지 소요된다. 인간의 힘 만으로는 한계가 뚜렷한 속도의 장벽이 존 재하는 셈이다.

이 거대한 난제를 풀 열쇠가 바로 AI다. AI는 단순한 연구 보조 수단을 넘어 신약 개발의 성패를 가를 핵심 엔진으로 자리 잡고 있다.

바이오 데이터센터와 결합한 AI는 수만 개의 후보 물질과 방대한 유전체 데이터를 초고속으로 연산해 과거 수개월이 걸리던 분석 과정을 단 며칠 단위로 단축시킨다. 현대 항암제 개발 시장에서 AI가 선택이 아닌 필수 생존전략으로 재평가받는 이유다.

◇합성신약부터 맞춤형 암백신까지, 전주기 플랫폼 구축

암 치료 시장의 구조적 변화에 대응해 신테카바이오는 3D구조 정보를 언어 모델로 변환하는 독 자적인 기술로 돌파구를 마련했다. 다양한 모달리티와 방대한 데이터를 물리적 시뮬레이션만으로는 감당하기 어렵다는 판단 하에 자체 AI 신약 플랫폼 '딥매처(DeepMatcher)'를 기반으로 합 성신약, 항체, 암 백신 등 3대 핵심 분야를 아우르는 전주기 플랫폼을 구축한 것이다.

딥매처는 단백질과 약물 간의 상호작용을 마치 언어의 문장처럼 변환해 거대언어모델(LLM)에 학습시킨 엔진이다. 이 원천 기술은 적용 대상에 따라 크게 세 가지 특화 플랫폼으로 세분화된다. △합성신약 후보물질 발굴에 최적화된 Sm-ARS △항체 신약설계 및 발굴 AI 플랫폼 Ab-ARS △3D 구조 기반 신생항원 예측 AI 플랫폼 NEO-ARS다.

Sm-ARS는 물리적 탐색의 한계를 데이터 처리 속도로 극복했다. 핵심 기술인 '언어모델 기반 버 추얼 스크리닝(LM-VS)'을 활용하면 100억개 규모의 화합물을 불과 2시간 이내에 스크리닝할 수 있다. 여기에 최근 생성형AI를 통해 검증을 마친 3bmGPT와 국내 최대 규모의 단백질 구조 및 화합물 데이터를 결합하고 후보물질의 최적 구조를 제안하는 최적화 단계까지 지원해 발굴 성공 률을 높이는 데 주력했다.

최근 시장이 급성장 중인 항체 신약 분야에서는 Ab-ARS가 투입된다. 항체 개발의 핵심은 항체가 표적(항원)을 정확하게 인식해 달라붙도록 하는 결합 부위를 얼마나 정교하게 설계하느냐에 달려 있다. Ab-ARS는 이 핵심 부위를 정밀하게 찾아내기 위해 4가지 특화된 AI 모듈을 하나로 통합했 다. 그 결과 통상 2~3년이 걸리던 최적화 과정을 단 2주 내로 단축하는 효율성을 확보했다.

200만개 이상의 변이 시퀀스 데이터베이스를 활용해 항원과 항체의 3D 결합을 정밀 예측한다. 개발 과정에서 발생할 수 있는 독성이나 불안정성을 사전에 평가하는 '개발 적합성' 지표를 제공 해 후기 임상 리스크를 줄인 것이 특징이다.

개인 맞춤형 치료 트렌드에 맞춘 암 백신 플랫폼 NEO-ARS'도 있다. 환자의 유전체 정보(NGS)를 분석해 암세포에만 특이적으로 반응하는 신생항원을 예측하는 기술이다. 단순 결합 안정성을 넘 어 실제 면역세포(T세포)가 반응할지 여부까지 시뮬레이션한다. 이렇게 선별된 타깃은 mRNA나 DNA 등 다양한 백신 플랫폼과 결합이 가능하다. 환자 개개인에게 최적화된 치료제 설계의 밑그림을 제공한다.

송재영 신테카바이오 대외협혁본부장(연구소장)은 "복잡해진 모달리티와 방대한 데이터를 실질 적으로 처리할 수 있도록 3대 플랫폼을 통해 신약 개발의 전 주기를 획기적으로가속화할 수 있는 기술적 토대를 마련한 것"이라며 "이를 바탕으로 국내 제약업계를 넘어 글로벌 시장에 도전하겠다"고 말했다 .

출처 : https://www.thebell.co.kr/free/content/ArticleView.asp?key=202512021102278440105374