한국제약바이오협회

(2022년 5월 13일 기사)

출처: http://www.dailypharm.com/Users/News/NewsView.html?ID=288078&REFERER=NP

- 12일, 인공지능 신약개발 컨퍼런스 개최
- 국내외 A.I기술 및 협업사례 발표

[데일리팜=노병철 기자] 제약바이오기업과 인공지능기업들이 AI 신약개발을 위한 협업의 속도를 높이고 있는 것으로 나타났다.

한국제약바이오협회 인공지능(AI)신약개발지원센터(이하 AI센터)가 주관하고 한국보건산업진흥원이 주최한 ‘바이오코리아 컨퍼런스-인공지능 신약개발 세션’이 지난 12일 서울 코엑스에서 개최됐다.

‘인공지능 신약개발–기술진보와 미래전망’을 주제로 김우연 AI센터장이 좌장을 맡아 진행한 이날 컨퍼런스에는 AI신약개발 관계자 100여명이 참석했으며, 열띤 발표와 활발한 질의응답이 이어졌다. 이날 컨퍼런스는 AI신약개발의 국내외 동향과 미래 전망, 그리고 신약개발 AI기업들의 기술발표로 구성됐다.

국내외 동향 및 협업사례에는 ▲해외동향 및 사례(김병찬 XtalPi 이사) ▲신약개발을 위한 인공지능의 활용: 도전과 우리의 응전(신현진 목암생명과학연구소 부소장) ▲AI신약개발전략: 현황(김혜정 HK이노엔 신약개발센터 팀장) ▲인공지능(AI)을 이용한 신약개발 연구사례(정희진 리큐온 신약연구본부 팀장)의 주제발표가 진행됐다.

AI 기술 발표는 ▲스탠다임: 워크플로우 인공지능 신약개발 전문회사(송상옥 스탠다임 연구개발최고책임자) ▲시퀀스 기반의 인공지능 신약개발 플랫폼의 가치 및 성과(배영철 디어젠 CBO) ▲물리학·양자역학 기반의 AI 신약개발 기업 팜캐드(우상욱 팜캐드 대표) ▲인공지능, 분자 시뮬레이션, 클라우드와 같은 기술을 복합적으로 이용한 신약개발 및 적용사례(임재창 히츠 최고기술책임자) ▲에임드바이오의 환자 중심 AI 신약 개발과 정밀 의료 기술 소개(허남구 에임드바이오 R&D센터 연구소장) ▲전사체 기반 AI 신약 개발(김이랑 온코크로스 대표) 순으로 진행됐다.

김우연 AI센터장은 6월 개최 예정인 AI신약개발협의체 구성과 AI신약개발 산-병-정 워크숍을 안내하고 앞으로도 제약바이오기업과 AI기업이 모여 기술을 발표하고 협업방안을 모색하는 소통의 장을 지속 마련하겠다고 밝혔다.

다음은 이날 참가들의 발표문 핵심 내용.

김병찬 XtalPi 이사: 신약개발은 DMTA(Design, Make, Test, Analyze) 주기라고 하는 접근 방식으로 선도물질을 생성할 수 있다. 그러나, 전체 화합물의 개수가 매우 많은 것에 반해 약물이 될 수 있는 화합물의 범위는 매우 적기 때문에 약물 제조 또는 합성 부분에서 많은 시간과 인력을 투자해야만 한다. XtalPi는 Design 주기에서 Xpose(Reliable Binding Pose Prediction), XFEP(Alchemical Relative Binding Free Energy) 등 인공지능 및 물리학 기반 방법을 활용하여 DMTA 주기를 가속화하고자 한다. 또한, Make 주기에서 자체 CRO 서비스를 보유하고 있으며, 축적된 CRO 데이터를 활용하여 CRO 자동화 연구를 진행 중이다.

신현진 목암생명과학연구소 부소장: 목암생명과학연구소는 인공지능 신약개발을 목표로 삼고 있는 비영리연구재단이다. 인공지능은 데이터 간의 관계를 벡터로 표현할 수 있다는 특징으로 현재 타겟 식별 및 검증, 분자 설계 및 최적화 등 신약개발 분야에서 활발하게 사용되고 있다. 그러나, 인공지능 신약개발은 신약개발 분야에 대한 전문 지식이 필요할 뿐만 아니라, 다양한 분야에 대한 소통이 필요하고, 질 높은 데이터 수집, 보안 문제 등 데이터 관련 이슈로 인해 아직 해결해야할 문제가 많은 상황이다. 목암생명과학연구소는 희귀질환 치료제 개발에 초점을 맞추고 있으며, mRNA 기반 치료 플랫폼을 구축하는 것을 목표로 하고 있다.

김혜정 HK inno.N 신약개발센터 팀장: 현재 딥러닝의 비약적인 발전에 비해 실효성 문제로 국대 제약사들의 시장 진출이 늦어진 상태이다. 그러나 인공지능 신약개발 성공사례들이 서서히 나오기 시작하면서 인공지능을 활용한 신약개발이 대두되고 있다. HK 이노엔의 PoC(Proot of Concept) 사례는 3가지로, 인공지능을 활용한 단백질 구조 기반의 Hit ID 도출(Protein Kinase 억제제), 단백질간 interrupter 기반 분자 생성, kinase 억제제의 R group 최적화 연구를 진행했다. 이러한 경험을 통해 추후 보다 스마트한 접근 전략, 인공지능 신약개발 연구환경 조성, 다양한 AI업체와의 협업 진행을 계획 중에 있다.

정희진 리큐온 신약연구본부 팀장: 신약개발에 인공지능을 활용한다 하더라도, 기존의 CADD 접근법을 무시할 수는 없다. 신약개발은 크게 리간드 기반과 구조 기반으로 나눌 수 있으며, 활용할 수 있는 데이터는 구조 데이터, Pharmacophore, 화합물 라이브러리 데이터로 나눌 수 있다. 신약개발에 있어 중요하다고 할 수 있는 부분은 Library purchase status, Synthesis potential, Patent avoidance, Chemical space, Assay로, 이 중 특허 회피 등과 관련된 Patent avoidance가 가장 중요하다고 할 수 있다. 리큐온은 2가지의 Hit 발굴 사례와 1가지의 선도물질 최적화 사례 연구를 진행했다. Hit 발굴은 3~6개월의 시간이 소요되었으며, 이 중 2개월은 라이브러리 확보에 대한 시간이다. 선도물질 최적화는 isoform에 대한 성능 향상을 도출하는 방향으로 진행되었으며, 5개월의 시간이 소요되어 72종에 대한 보고서를 생성했다.

송상옥 Standigm 연구개발최고책임자: 스탠다임은 ASK, BEST, Insight 플랫폼을 구축하여 인공지능 신약개발에 활용하고 있다. ASK는 인체 내 단백질 중 알려지지 않은 타겟을 발굴하는 목적으로 구축되었으며, 지식 그래프, PPI 네트워크, RNAseq 등 다양한 데이터들을 사용한 모델을 탑재했다. BEST는 분자 설계 및 최적화를 위한 플랫폼으로, 선도물질 도출부터 물질 배송까지 하나의 흐름으로 사람의 개입으로 인한 오류를 최소화했다. Insight는 약물재배치를 위한 플랫폼으로, 약물재배치는 신규물질발굴보다 상업적 가치가 떨어져 집중하고 있지는 않다. 스탠다임은 이러한 플랫폼을 활용하여 선도물질 도출을 7개월 내로 단축할 수 있으며, 다수의 파이프라인 구축을 통해 타겟 발굴을 포함하여 First-in-Class를 목표로 하고 있다.

배영철 디어젠 CBO: 디어젠은 타 인공지능 신약개발 업체와는 다르게 아미노산 시퀀스만을 가지고도 결과 도출이 가능하며, Binding site, Binding Affinity, IC50, EC50 등 다양한 결과를 도출 가능한 End-to-End 플랫폼을 구축하고 있다. 디어젠은 구조가 밝혀지지 않은 단백질을 타겟으로 하고 있으며 글로벌 제약사와 협력 중이다. 또한, 정제 데이터를 통한 인공지능 고도화를 위해 실제 물질을 합성할 수 있는 연구실을 갖추었다. 또한, 인공지능 성능 향상 목적 전문가 활용 학습을 위해 의약화학, 인공지능, 생물정보 등 인공지능 신약개발을 위해 다양한 전문가로 회사를 구성하고 있다. 현재까지 알츠하어머 DTI, 타겟 발굴 및 입증 사례가 있으며, 활발한 공동연구를 진행 중에 있다.

우상욱 PharmCADD 대표: 팜캐드는 인공지능 및 양자물리 기반 신약개발 회사다. 팜캐드는 인공지능 기술을 활용하여 분자 상호작용 분석, 분자 역학을 계산하는 양자역학 및 자유 에너지 계산과 같은 어려운 문제를 해결하기 위한 Pharmulator 및 PharmVAC 플랫폼을 구축했다. Pharmulator는 분자 단위에서 결합친화도를 예측한 후에 양자 계산을 통해 전자레벨에서 입증하며, 네트워크 기반으로 독성예측 모델을 생성하였다. 독성 예측 시 백만 단위의 화합물에서 4~5개의 물질을 선별할 수 있으며, 이를 바탕으로 1~10만 개의 유사 물질을 생성할 수 있다. PharmVAC은 RNA 구조 예측과 시퀀스 최적화 연구를 수행하고 있다. 이들를 활용한 대표적인 파이프라인은 COVID-19 mRNA 백신, 항암제, PROTAC이 있다.

임재창 HITS 최고기술책임자: 최근 인공지능, 분자 시뮬레이션 및 클라우드 컴퓨팅의 발전으로 신약개발의 속도가 빨라지고 있다. HITS는 약물-표적 상호작용 및 분자 설계 예측을 위한 딥러닝 모델을 개발했다. 해당 모델은 클라우드 컴퓨팅 시스템에서 실행되며, 설계된 분자의 예측 정확도 및 합성 가능성 측면에서 기존 모델에 비해 성능을 향상시켰다. HITS는 일동제약과 LG화학과 협업 연구를 진행했다. 일동제약 사례에서는 가상탐색을 통한 Hits 물질 발굴을 수행했으며, 타겟 스터디를 통해 과제를 진행했다. 총 113종의 실험을 진행하여 8개 compound를 생성했으며, 7일이 소요되었다. 해당 사례는 신규 골격으로의 가능성이 발견되어 후속 연구가 진행 중이다. LG화확과의 사례는 주어진 scaffold를 선정하여 다양한 유도체를 생성했으며, 2개의 유효물질을 15개의 유효물질로 늘리는 성과를 도출했다.

허남구 AIMEDBIO 연구소장: 에임드바이오는 다양한 기술을 활용한 항체 및 항체-약물 접합체를 통해 뇌질환의 미충족 수요를 해결하는 것을 목표로 하는 신약개발 기업이다. 현재 뇌질환 치료제가 부족한 이유로 뇌는 면역에 활성이 저하되어 있으며, BBB 투과가 어렵고, 결정적으로 동물과 인간 간의 차이로 인한 Trans study가 어렵기 때문에 한 두가지 방법론으로는 실패할 수 밖에 없는 분야다. 에임드 바이오는 삼성서울병원 부속 빅데이터를 통해 뇌종양에 대한 빅데이터를 보유하고 있으며, 이를 기반으로 하는 타겟 선별이 가능하다. 현재 발병 시 완치 및 치료가 불가한 교모세포종에 대한 데이터를 확보하고 있으며, TAM에서는 치료 효과를 확인하였다.

김이랑 온코크로스 대표: 온코크로스는 인공지능 실험실과 실제 물질을 합성할 수 있는 wet-lab을 보유하고 있으며, RAPTOR AI, ONCO-RAPTOR AI, ONCOfind AI 플랫폼을 구축하고 있다. RAPTOR AI는 환자 투여 데이터에 따라 불균형한 전사체 데이터에 대해 이를 상보적으로 맞춰주는 약물을 검색해주거나, compound를 받아서 세포에 투여한 결과를 바탕으로 약물에 적합한 적응증을 찾아준다. ONCO-RAPTOR AI는 예후 및 환자 데이터를 통해서 어떤 암에 예후가 좋은 약인지 규명한다. ONCOfind AI는 암의 전이가 발생할 때, original site를 모르는 경우, 42종의 암에 대한 1309개의 유전자를 선별하여 분석함으로써 original site를 찾아 면역화학요법의 확률을 높여준다. 온코크로스의 신약개발 성공사례로 근감소증에 대해 보유 플랫폼으로 개발된 약이 정식으로 라이센스된 사례가 있으며, 호주에서 임상 1상을 진행, 두번째 코호트로 넘어갔다.

노병철 기자 (sasiman@dailypharm.com)