핵심 내용 요약
Anthropic의 Claude 모델이 최근 큰 성과를 거두었습니다. 자연계에 존재하지 않는 새로운 단백질 결합제를 처음부터 설계해냈는데, 이는 특정 단백질에 “결합”할 수 있는 새로운 단백질을 의미합니다. 이 모델의 효율성과 정확도는 인간 전문가나 기존 AI 도구보다 훨씬 높습니다. 예를 들어, 단일 표적의 설계 시간을 몇 주에서 이틀로 단축시켰으며, 정확도도 10%-15%에서 22%-35%로 향상시켰습니다. 하지만 이것은 신약 개발의 첫 단계에 불과하며, 실제로 질병을 치료할 수 있는 약을 만들기까지는 아직 많은 과제가 남아 있습니다(신약 출시에는 평균 10-15년과 10-20억 달러가 소요됩니다). 또한 AI 제약 분야는 구글, OpenAI, Anthropic이라는 거대 기업들이 경쟁하는 전장이 되었지만, AI로 설계된 새로운 단백질에는 안전상의 위험도 존재합니다(예: 면역 거부 반응, 타겟을 벗어나는 현상, 악용 가능성 등). 창립자인 Amodei가 “5-10년 내에 대부분의 질병을 치료할 수 있다”고 한 말은 아직은 먼 미래의 과학 소설처럼 들립니다.
1. Claude는 어떻게 “새로운 단백질”을 설계했을까?
Claude는 마법을 부리는 것이 아니라, 대규모 언어 모델을 “총지휘관”으로 활용하여 다양한 과학 연구 도구들을 통합하여 자동화된 프로세스를 만들었습니다:
1. 목표 선택: 연구자들은 Claude에게 1.6만 단어 분량의 “단백질 설계 매뉴얼”을 제공하여 16개의 후보 표적 중 15개를 선정하게 했으며, 각 표적에 결합해야 할 “핵심 영역”을 정했습니다.
2. 골격 구축: 표적을 기반으로 새로운 단백질의 “주요 구조”를 생성합니다(집을 지을 때 프레임을 만드는 것과 같습니다).
3. 세부 사항 채우기: 생성된 구조를 바탕으로 구체적인 아미노산 서열을 결정합니다(프레임에 벽돌과 기와를 쌓는 것과 같습니다).
4. 최적화: 생성된 서열을 평가하여 가장 성공 가능성이 높은 후보를 선택합니다.
5. 실제 검증: Claude는 설계만 담당하며, 실제 실험은 제3자 실험실에서 진행됩니다.
간단히 말해, Claude는 복잡한 단백질 설계 과정을 단계별로 나누어 효율적으로 완수하는 전문 프로젝트 관리자와 같습니다. 새로운 과학을 “직접” 발명하는 것이 아닙니다.
2. Claude는 인간 전문가보다 어떤 점에서 뛰어나나요?
단백질 설계의 어려움은 “우주의 원자보다 많은 모래 속에서 특정 금알을 찾는 것”과 같습니다. 100개의 아미노산으로 이루어진 단백질의 가능한 서열 조합은 10^130가지에 달하지만, 안정적으로 접히고 유용한 것은 극히 일부에 불과합니다.
- 인간의 과거 수준: 기존 방법으로는 한 표적을 설계하는 데 몇 달이 걸렸으며, 정확도는 10%-15%에 불과했습니다(예: 2017년 베이커 연구소에서 2만 개의 설계를 시도했지만, 높은 친화력을 가진 결합제의 정확도는 11.6%에 불과했습니다).
- Claude의 성과: 15개의 표적 중 14개에서 성공을 거두었으며, 단일 표적의 정확도는 최대 40%에 달했습니다(예: RBX1 표적의 경우 인간의 정확도는 3.7%였지만 Claude는 40%를 기록했으며, 각 표적의 결과는 단 이틀 만에 나왔습니다).
- 돌파점: 기존에는 어려웠던 β-폴딩 구조도 성공적으로 설계했지만, 실패한 경우도 있습니다(예: MBP 표적의 경우 90개의 설계 모두 실패했습니다).
이러한 진전은 “손으로 금을 캐는 것”에서 “금속 탐지기로 금을 찾는 것”으로의 변화와 같으며, 효율성이 크게 향상되었지만 아직 “돌을 금으로 바꾸는” 수준에는 이르지 못했습니다.
3. 단백질 설계에서 실제 약까지: 아직 10년 + 10억 달러가 필요합니다
많은 사람들이 “단백질을 설계하면 바로 약이 될 것”이라고 생각하지만, 사실은 그렇지 않습니다:
- 단백질 ≠ 약: 단백질 약은 생물학적 약물의 일종에 불과합니다(예: 인슐린, PD-1 억제제 등). 새로 설계된 단백질을 약으로 만들기 위해서는 대량 생산이 가능한지, 체내에서 안정적인지, 독성이 있는지, 적절한 용량은 얼마인지 등의 문제를 해결해야 합니다.
- 신약 출시 과정: 평균 10-15년이 소요되며, 10-20억 달러가 필요합니다. 이 과정에서 임상 시험(3상)과 FDA 승인은 필수적인 단계입니다. 이러한 과정은 AI로는 해결할 수 없습니다.
- 현황: 현재까지 AI가 처음부터 설계한 단백질 약이 성공적으로 출시된 사례는 없습니다. Anthropic도 자신들은 실제 실험을 하지 않고 도구만 제공한다고 명확히 밝혔습니다.
Amodei의 야심찬 말은 “꿈”에 가깝습니다. AI는 초기 개발 단계를 가속화할 수 있지만, 후기의 어려운 과제들을 극복할 수는 없습니다.
4. AI 제약 분야: 거대 기업들의 경쟁
AI 제약은 다음 “금광”으로 여겨지며, 거대 기업들이 모두 이 분야에 진출하고 있습니다:
- 구글: 가장 깊은 기술을 보유하고 있지만(노벨상 수상 경력의 AlphaFold), 진행 속도는 느립니다(분사된 Isomorphic Labs는 아직 약을 임상에 진입시키지 못했으며, 핵심 과학자들은 Anthropic으로 이직했습니다).
- OpenAI: “전문 모델 + 협력” 전략을 사용합니다(GPT-Rosalind는 생명 과학 전용 모델로, Retro Biosciences와 협력하여 효율을 50배 향상시켰습니다).
- Anthropic: 빠른 속도로 발전하고 있으며(구글의 John Jumper를 영입하거나 회사를 인수하여 기술적 부족을 보완함), 화학적 능력을 일반 모델에 통합하여 노바티스, 일라이 등의 제약 회사와 협력하고 있습니다.
- 전문 AI 제약 회사: 영국의 Rentosertib은 3상 임상에 진입했으며, 중국의晶泰科技(Jingtai Technology)도 성과를 내고 있습니다.
5. 결론
AI는 단백질 설계 분야에서 큰 진전을 이루었지만, 실제 약을 만드는 과정에서는 아직 많은 문제들이 남아 있습니다. 거대 기업들의 협력과 지속적인 연구가 필요합니다. AI는 이 분야에서 중요한 역할을 할 수 있지만, 모든 문제를 해결할 수는 없습니다.