KISTI의 과학향기

AI, 신약개발 기간을 크게 줄이다
한 예로, 2012년 영국에서 설립된 AI 스타트업인 엑사이언티아(Exscientia)는 신약 후보 물질 탐색을 위한 인공지능 알고리즘을 개발해 기술 상용화를 거친 후, 2020년 초 강박장애(OCD) 치료를 위한 약물(DSP-1181) 후보 물질을 발표했다. 일본의 스미모토 제약과 협력하여 이뤄낸 이 성과는, AI 설계 물질로서 임상시험에 진입하는 데 성공한 최초의 사례였다. 엑사이언티아에 따르면, 임상시험에 이르기까지 평균적으로 5년가량 걸리던 개발 과정은 AI를 이용하면서 12개월로 단축되었다. 이후 이 회사는 신약개발 AI 플랫폼의 뛰어난 효율성을 과시하듯 2년도 지나지 않아 면역항암제(EXS-21546), 알츠하이머 치료제(DSP-0038)까지 추가로 발표하였으며, 그 결과 현재 총 세 종류의 임상 후보 물질에 대해 임상 1상을 진행하고 있다.

약물의 표적 부위인 단백질의 구조, 그리고 약물과 단백질의 상호작용을 예측하는 ‘구조기반 신약개발’ 분야에서도 AI에 거는 기대가 크다. 2020년 말, 알파고를 개발한 것으로 잘 알려진 인공지능 회사 구글 딥마인드는 단백질 구조 해독 AI인 ‘알파폴드2(AlphaFold2)’를 발표했다. 과거 X선 결정법이나 저온전자현미경법(Cryo-EM) 실험 등을 이용해 길게는 수십 년이 걸리던 일을, 컴퓨터를 이용해 단 몇 분에서 몇 시간 정도로 단축하는 혁신이 일어난 것이다.

 뒤이어 2021년에는 미국 워싱턴대의 데이비드 베이커(David Baker) 교수가 이끄는 연구팀이 ‘로제타폴드(RoseTTAFold)’를 개발하는 데 성공했다. 로제타폴드는 알파폴드2보다 더 적은 데이터로도 구조를 예측할 수 있는 효율적인 AI로 평가받아, 국제학술지 ‘사이언스’에서 ‘2021년 최고 연구성과’로 선정되기도 했다.

 

 

신약개발 AI, 6시간만에 독성물질 4만종 생성
이처럼 신약개발 AI는 다른 분야의 AI와 마찬가지로 과학자들의 손과 발이 되어 그 어느 때보다 빠르고 효율적으로 성과를 낼 수 있도록 도와주고 있다. 그러나, 새로운 기술에는 탁월한 혁신성만큼이나 늘 의도치 않은 위험성이 따르게 마련인 걸까? 선한 목적으로 개발되어 우리에게 이롭기만 할 것 같던 신약개발 AI에 대해 엄청난 부작용을 우려하는 연구 결과가 최근 발표되었다.
 

 

 

그나마 다행스러운 점은, 이처럼 수많은 잠재적인 후보 물질이 설계되더라도 이를 실제로 합성하기는 무척 어렵다는 것이다. 그 장벽이 얼마나 높은지는, 10년 남짓한 신약개발 AI의 역사상 AI로 발굴한 후보 물질이 최종 임상을 통과한 성공사례가 단 한 건도 없는 것을 보면 알 수 있다. 분명 신약개발 AI는 여러 방면에서 연구 효율성을 높였으며, 막대한 자본을 끌어모으고 있는 매력적인 도구지만 아직 보완될 점이 많은 기술이다. 그러니 신약개발 AI가 다음 도약을 이루어 내기 전, 지금은 희망을 품고 치열하게 토론을 나눌 골든타임이다.

 

 

 

글: 정유희 과학칼럼니스트/일러스트: 이명헌 작가