[바이오 투자의 정석]인공지능(AI)를 이용한 신약개발

김명기 LSK인베스트먼트 대표

[김명기 LSK인베스트먼트 대표] 신약의 타겟을 찾는 전통적인 방법은 생리학적 분석을 통해 의약품의 작용점을 찾는 것이지만 많은 연구진의 시간과 노력이 필요하다.

약물의 작용점을 밝혔다면 본격적으로 후보물질을 찾아야 하는데 과거의 신약개발은 타겟 단백질의 구조와 관계없이 약물을 탐색하는 HTS(High Throughput Screening) 방법을 많이 사용하였다. HTS란 보통 백만개 이상의 대형 화합물 라이브러리로부터 다양한 생화학적 시험법을 이용하여 특정 단백질의 기능을 저해하는 최적의 물질을 찾는 자동화된 방법이지만 효과적인 평가방법을 확보하고 탐색하여 원하는 신약을 찾는 것이 점점 어려워지고 있는 것이 현실이다. 따라서 최근에는 효율적인 신약개발을 위하여 작용점을 구성하는 특정 단백질의 삼차원 구조 분석을 통해 약물을 탐색하는 방향으로 바뀌고 있다.

물론 단백질의 3차원 구조를 밝히기 위해서는 단백질의 결정화와 엑스레이를 이용한 구조 결정이 선행되어야 하며 단백질의 구조와 약물의 구조를 계산하여 단백질 기능을 저해하는 최적의 약물을 선택하게 된다.

과거에도 단백질의 구조를 기반으로 하여 컴퓨터 상에서 약물을 탐색하는 in-silico 스크리닝을 사용하기도 했지만 계산 속도와 사용할 수 있는 데이터 양의 한계로 상당부분 탐색을 수행하는 기술자의 경험과 감에 의지하여 큰 성과를 내지 못하는 경우가 많았다.

현재의 인공지능을 이용한 신약개발은 앞에서 언급한 in-silico 스크리닝의 단점을 극복하기 위해 특정 타겟 단백질의 삼차원 구조를 바탕으로 약물결합위치를 고려하여 의약품으로의 개발 가능성이 높은 선도물질을 라이브러리로부터 도출할 수가 있다. 선도물질이 의약품으로 개발될 수 있는 후보물질로서 가치 여부는 약물의 화학적, 약동력학적 특성이 중요한데 이를 고려하여 전임상 평가를 진행할 약물을 선정하는 과정을 후보물질 최적화라고 하며 후보물질 최적화 시간을 인공지능을 활용하여 감소시키는 것도 또 다른 목표라고 할 수 있다.

이미 글로벌제약사는 자신들의 실제 실험실 데이터를 AI화하기 위한 공동연구를 진행하여 개발 속도를 단축하려는 노력을 하고 있다. 국내에서 창업하는 인공지능 기반 신약개발 회사들은 엑스레이를 활용한 단백질 삼차원 구조 결정의 한계를 극복할 수 있는 인공지능을 활용한 구조예측 기반의 역량을 활용하여 선도물질을 발굴하는 노력을 기울이고 있다.

그러나 신약개발은 화학, 생물, 임상 등 다양한 학문을 기반으로 하는 산업이므로 투자 판단에 있어 가장 중요한 부분은 인공지능에 기반한 구조 예측과 선도물질발굴 뿐만 아니라 성장 가능성과 상업화 가능성이 있는 적용증의 선택과 이를 생물학적, 임상적으로 증명할 때 필요한 네트워크의 확보 등을 먼저 확인하는 것이 필요하다.

또한 단백질의 구조를 확인할 수 있는 방법은 최근 엑스레이 이외에도 방사선가속기를 활용하거나 CryoEM을 활용하는 등 다양한 방법이 개발되고 있기 때문에 구조분석과 관련된 개발진의 기초 역량을 파악하는 것도 매우 중요한 요소라고 할 수 있다.

단백질의 구조분석은 엄청난 양의 데이터를 처리해야 하는 분야 가운데 하나이고 화합물 신약개발보다 생물의약품의 개발을 위해서는 더 규모가 큰 데이터를 처리해야 하기에 현재 개발되고 있는 양자컴퓨터를 활용한 신약개발 분야도 미래에 발전이 기대되는 분야라고 할 수 있다.