격차 해소: 10x Science, AI 생성 약물 후보 물질 필터링을 위해 480만 달러 투자 유치
제약 산업은 현재 인공지능(AI)이 주도하는 르네상스를 맞이하고 있습니다. 생성형 AI(Generative AI) 모델은 이제 전례 없는 규모로 새로운 분자를 설계할 수 있게 되었으며, 실험실 발견부터 임상 시험까지의 기간을 단축할 것으로 기대됩니다. 그러나 이러한 발전은 새로운 걸림돌, 즉 '양보다 질'의 역설을 가져왔습니다. AI가 생성한 약물 후보 물질이 쏟아져 나오면서, 연구자들은 이 후보 물질 중 실제로 임상적 실행 가능성이 있는 물질을 식별해야 하는 어려운 과제에 직면해 있습니다.
Creati.ai의 보도에 따르면, 신생 바이오테크 스타트업인 10x Science는 이 문제를 정면으로 해결하기 위해 480만 달러 규모의 시드 펀딩 라운드를 공식적으로 마감했습니다. 10x Science는 AI가 예측한 분자에 대한 엄격한 평가와 스크리닝에 집중함으로써 현대 신약 개발 스택의 필수적인 계층으로 자리매김하고 있습니다.
바이오테크 분야 AI 과잉 생산의 과제
최근 몇 년 동안 생물학 분야에 딥러닝이 통합되면서 저분자 물질 개발에 접근하는 방식이 완전히 바뀌었습니다. AI 플랫폼은 인간 화학자가 요구하던 시간의 일부만으로도 수천 개의 잠재적 약물 후보 물질을 식별할 수 있습니다. 하지만 이러한 분자를 만들고 물리적 환경에서 테스트하는 과정인 전통적인 실험실 습식 실험(wet-lab validation)은 여전히 비용이 많이 들고 시간이 많이 걸립니다.
대부분의 AI 모델은 이론상 높은 결합력을 가진 화합물을 생성하는 데는 탁월하지만, 생체 내에서 이러한 화합물의 대사 안정성, 생체 이용률 및 독성 프로필을 예측하는 데는 어려움을 겪는 경우가 많습니다. 업계 관계자들이 지적하듯, 생성형 AI는 본질적으로 기존 인프라가 현실적으로 테스트할 수 있는 것보다 더 많은 후보 물질을 "쏟아내고" 있습니다. 10x Science는 이러한 후보 물질이 지나치게 비싼 개발 단계에 도달하기 전에 걸러내는 깔때기 역할을 하는 것을 목표로 합니다.
전략적 초점과 시장 가치
480만 달러의 자금 투입으로 10x Science는 첨단 시뮬레이션 기술과 머신러닝을 통합하여 후보 물질의 실행 가능성을 평가하는 독자적인 플랫폼을 확장할 수 있게 되었습니다. 그들의 접근 방식은 현재 초기 발견 단계에서 발생하는 "실패율"을 줄이는 것을 목표로 합니다.
10x Science의 주요 초점 분야
- 예측 실행 가능성: 분자가 실제로 합성될 수 있는지 평가.
- 안전성 프로파일링: 디지털 주기 초기에 잠재적인 독성학적 위험 요소를 식별.
- 기존 파이프라인과의 통합: 이미 고처리량(high-throughput) AI 발견 도구를 배포 중인 제약 회사를 위한 미들웨어 솔루션 제공.
다음 표는 10x Science와 같은 플랫폼이 촉진하는 신약 개발 워크플로의 변화를 요약한 것입니다:
| 워크플로 단계 | 전통적 접근 방식 | AI 강화 접근 방식 | 10x Science의 부가 가치 |
|---|---|---|---|
| 후보 물질 소싱 | 인력/라이브러리 스크리닝 | AI 생성 모델 | 필터링 및 우선순위 지정 |
| 실행 가능성 평가 | 수동 습식 실험 | 제한적인 디지털 예측 | 고신뢰도 예측 스크리닝 |
| 개발 비용 | 매우 높은 실패 비용 | 합성 시험 감소 | R&D 낭비 절감 |
생태계 발전
10x Science의 펀딩 라운드가 갖는 의미는 단기적인 기업 가치를 넘어섭니다. 이는 바이오테크 분야의 벤처 캐피털 환경이 변화하고 있음을 시사합니다. 투자자들은 단순히 "발견 엔진"에만 집중하는 기업에서 벗어나, 발견된 물질의 검증, 합성 및 임상 적용과 같은 다운스트림 문제를 해결하는 스타트업으로 눈길을 돌리고 있습니다.
10x Science는 범위를 좁힘으로써 제약 대기업들이 더 전략적으로 실험 자원을 배분할 수 있도록 돕습니다. 연구자들은 수천 개의 약한 후보 물질을 테스트하는 대신, 10x Science의 전문화된 평가 모델을 바탕으로 통계적 성공 확률이 가장 높은 수십 개의 물질에 집중할 수 있습니다.
제약 연구에서 AI의 미래
미래를 내다볼 때, **제약 연구**에 AI를 통합하는 것은 다계층 아키텍처로 발전할 것입니다. 우리는 신약 개발 생애 주기의 각기 다른 부분을 전문으로 하는 기업들이 등장하는 것을 보게 될 것입니다:
- 생성: 대규모 생성 모델을 사용하여 완전히 새로운 화학 엔티티를 만드는 데 집중하는 기업.
- 필터링 및 검증: 10x Science와 같이 물리 기반 및 ML 기반의 엄격한 제약 조건을 적용하여 출력물의 우선순위를 지정하는 기업.
- 합성: 필터링된 후보 물질을 대규모로 물리적으로 생산하고 테스트하는 자동화 로봇 실험실.
Creati.ai 독자들에게 전하는 핵심 내용은 명확합니다. AI 신약 개발의 병목 현상은 더 이상 새로운 약물을 상상하는 능력이 아니라, 어떤 약물이 투자할 가치가 있는지 판별하는 능력에 있다는 것입니다. 최근의 시드 펀딩 유치를 통해, 10x Science는 AI가 생성한 방대한 잠재력을 임상적 현실의 흐름으로 바꾸는 데 결정적인 한 걸음을 내디뎠습니다. 회사가 팀과 계산 능력을 확장할 준비를 함에 따라, 제약 업계는 그들의 방법론이 생명을 구하는 혁신의 장벽을 성공적으로 낮출 수 있을지 면밀히 지켜볼 것입니다.
