금리 인하 국면에서 모멘텀 보유한 AI 신약 기업은?

‘매그니피센트7(Magnificent7)’이라 불리는 대형 기술주 기업은 현재 인공지능(AI) 수익 모델 창출이란 미션을 안고 있다. 그 선두에서 구글 딥마인드는 자체 개발한 AI 알파고로 제약 업계에서 약 4조 원 규모의 딜을 성사시키며 AI 비즈니스 모델을 앞서 창출하고 있다.

2016년, 구글 딥마인드(Google DeepMind)가 개발한 알파고는 이세돌과의 바둑 대결로 AI 시대의 서막을 전 세계에 각인시켰다. 이 대결에서 승리하며 AI의 가능성을 확인한 딥마인드의 데미스 허사비스 대표는 바로 다음 단계로 ‘알파폴드(AlphaFold)’라는 단백질 구조 예측 인공지능 프로그램 개발에 착수했다. 그로부터 8년이 지난 2024년 현재, 이 기술은 글로벌 대형 제약사(빅파마)로부터 4조 원 규모의 계약을 창출하며 신약 개발 시장의 패러다임을 변화시키고 있다.

AI 기술이 인간의 편의성 향상은 물론 인간의 생명을 위협하고 있는 질병을 정복할 신약 개발의 방향타 역할을 수행할 것인가. AI 신약 시장 개화 단계에서 구글을 비롯한 빅테크 기업이 제약업계에 미칠 영향과 관련 기업의 주가 향방을 한승연 NH투자증권 책임연구원을 통해 알아본다.

한승연 NH투자증권 책임연구원. 사진=김예은 기자

'AI'가 만병의 근원 ‘타겟 단백질 구조’ 밝힌다
질병은 인체 내 특정 단백질의 이상으로부터 비롯된다. 암을 비롯해 인간의 생존을 위협하는 바이러스의 단백질 구조를 규명해 신약 개발 속도를 획기적으로 높일 인공지능(AI) 기술이 등장했다. 바로 알파고 개발사 구글 딥마인드에서 개발한 AI 모델 ‘알파폴드’에 의해서다.

1980년대 에이즈(AIDS)의 창궐은 ‘20세기 흑사병'으로 불릴 만큼 인류 종말을 가져올 위협적인 질병으로 여겨졌다. 그러나, 1980년대 이후 급속하게 발전된 분자생물학과 구조생물학에 의해 바이러스의 ‘약점'인 '단백질의 구조'가 밝혀졌다.

바이러스를 구성하는 단백질의 구조에는 인체의 정상적인 세포 활동을 저해하는 특정 단백질의 기능과 작용 원리 등 바이러스의 생활사가 담겨있다. 이 타겟 단백질이 발견되자, 이를 공략하는 약물 역시 등장할 수 있게 됐다. 이후 에이즈는 생명을 위협하는 불치의 질병에서 약물로 관리가 가능한 만성질환으로 변화했다.

이처럼 바이러스를 구성하는 단백질의 작용 원리에 따라서 타겟 단백질에 결합하여, 바이러스의 기능을 억제하는 화합물을 찾는 과정이 바로 신약 물질을 찾는 과정이다.

현대 과학이 발전했음에도 아직 인간에게는 암을 비롯해 정복하지 못한 수많은 불치병이 남아있다. 그리고 그 숙제의 '첫 단추'는 질병 관련 타겟 단백질 구조의 발견에서 찾을 수 있다.

신체의 모든 세포는 단백질이라는 수십억 개의 작은 분자로 구성돼 있다. 이들은 눈이 빛을 감지하고, 신경 세포가 활성화되고, DNA의 고유한 지시를 읽을 수 있게 돕는 등 생명의 구성 요소로서 기능한다. 단백질은 아미노산의 배열로 구성된 고유한 3D 형태를 가지며, 이 구조가 작동 방식과 기능을 결정한다. 사진=구글 딥마인드

단백질이란 여러 개의 아미노산이 서열을 이루며 결합한 것이며, DNA가 짠 설계도에 따라 아미노산 서열들은 3차원의 구조를 형성한다. 날달걀과 삶은 달걀의 차이가 그러하듯 단백질은 동일한 아미노산 서열을 갖추고 있음에도 그 결합 방식과 구조적 형태에 따라 성질이 판이해진다.

10의 300승까지 존재하는 것으로 알려진 단백질 아미노산 서열 가운데 인간에 의해 현재까지 발견된 서열은 1억 개 수준이다. 그런데 이 가운데서 단백질의 구조까지 파악된 것은 20만 개 미만에 불과하다. 그만큼 단백질 구조를 파악하고 예측하는 것은 난제의 영역으로 남아있다.

이 구조를 규명하는 것에 2018년부터 AI 기술이 도입되기 시작했다. AI가 규명된 단백질의 구조를 파악해, 아미노산 정보를 학습하고 아미노산 서열을 토대로 단백질의 구조가 어떤 모습이 될지 예측하는 기술이다. 지난 2018년 '알파폴드 1'으로 시작해 2021년 등장한 ‘알파폴드 2'는 과학자들이 10년 동안 풀지 못했던 세포의 단백질 구조를 단 30분 만에 찾아냈다. 그리고 만 4년이 지난 2022년 말 기준 알파폴드에 의해 밝혀진 단백질 구조는 2억1400만 개에 이르는 것으로 발표됐다.

구글의 인공지능(AI) 기업인 구글 딥마인드는 지난 5월 생명체의 근간이 되는 거의 모든 생체 분자 구조를 예측할 수 있는 AI 모델 '알파폴드3'를 공개하고 관련 논문을 국제 학술지 '네이처'에 발표했다. 사진은 알파폴드3 서버에 비상업용으로 공개된 단백질-RNA-이온 샘플 데이터. 사진=딥마인드

빠른 속도로 진화하며 올해 5월 새롭게 등장한 '알파폴드 3'는 신약 개발 패러다임의 새 지평을 열었다. 알파폴드 3는 단백질 구조 예측에서 한 단계 더 나아가 생체 내에서 다른 단백질을 비롯해 리간드(특정 단백질에만 결합하는 신약 후보 물질)와 핵산(유전자 정보를 저장하고 전달하는 물질인 DNA와 RNA) 등 다양한 생체 분자들과의 상호 작용을 예측하기에 이르렀다. 이는 치료제 개발의 타겟이 되는 단백질의 구조 예측은 물론 단백질 구조와 치료제의 결합 구조까지 예측 가능해짐을 의미한다.

이 기술이 신약 개발 프로세스를 어떻게 혁신시키며 인간 생명 공학의 비약적 발전에 기여할지, 동시에 수익화의 숙제를 안고 있는 AI 기술 상업화에 기여할 수 있을지 짚어본다.

-글로벌 빅테크 AI 기업들의 신약 개발 알고리즘 현황과 각 사별 기술 차별점은?
"빅테크 기업들은 AI 기술을 기반으로 한 수익 창출을 위해 수년 전부터 이종 산업의 시장 침투 가능성을 모색해 왔습니다. 그 가운데 800조 원 규모를 가진 반도체 시장 대비 3배 규모에 육박하는 2150조 원 규모의 글로벌 의약품 시장은 이들이 AI의 기술 적용 가능성과 시장성을 평가할 최초의 타겟이 되었습니다.

개화 단계인 AI 신약 산업에서 M7 가운데 구글, 마이크로소프트, 엔비디아, 아마존 등 4개 회사가 AI 신약 기술 개발에 적극 참여하고 있습니다. 먼저, 단백질의 구조를 예측하는 AI모델(소프트웨어) 측면에서는 구글 딥마인드의 ‘알파폴드3’가 기술을 선도하고 있으며, 후발주자 마이크로소프트는 '에보디프(EvoDiff)'를 필두로 기술의 완성도를 높이는 단계입니다.

반면, 엔비디아는 GPU를 기반으로 슈퍼컴퓨팅 인프라를 클라우드 형태로 제공하는 'DGX 클라우드' 서비스를 통해 컴퓨팅 파워를 협력 기업에 판매하는 수익 모델을 발굴하고 있습니다. 이를 위해 신약 개발 AI모델을 클라우드를 기반으로 제공할 수 있는 AI 플랫폼인 ‘바이오니모’(BioNEMO)를 개발했죠. 현재 구글의 이전 AI 모델인 ‘알파폴드2’와 리커젼 파마슈티컬스의 AI 모델이 이 클라우드를 기반으로, 원격으로 전 세계 바이오텍과 제약사들에 제공되고 있습니다."

한승연 연구원은 AI 신약개발이 메가 트렌드가 될 것이라 전망하며 산업의 수혜주로 'AI 준비도가 높은 제약사'와 '빅테크', 그리고 '차별성 보유한 AI 신약 개발사'를 꼽았다. 사진=김예은 기자

-대부분 빅파마가 AI 알고리즘의 자체 구축을 할 것이라 예상했는데 이 과정에서 외부 알고리즘인 구글의 알파폴드3 등이 기여하는 바는?
"신약 개발 초기 과정을 단순화하면 질병을 유발하는 ‘타겟 단백질’의 서열과 구조를 판별하는 것과, 이 타겟 단백질에 붙어서 특정 단백질 무력화시키거나 저하된 기능을 끌어올리는 역할을 수행하는 ‘후보 물질(화합물 등)’을 발굴하는 것으로 나눠볼 수 있죠.

이 가운데 전자의 역할을 AI 기술로 보완해 신약후보 물질 탐색 단계에서 신약 개발 속도를 획기적으로 개선하고자 하는 것이 AI 빅테크 기업의 목표입니다.

특히 최근 발표된 ‘알파폴드3’는 신약 개발 역사의 새로운 변곡점을 보여주었다고 평가받고 있습니다. 아미노산 서열만을 입력해 타겟 단백질의 3D 구조를 예측하는 것에서 나아가 생체 내에 다양한 분자들을 함께 넣어 이들 간의 상호 작용 예측도 가능해졌기 때문입니다.

신약 개발 과정에서 타겟물질을 발굴하고 거치게 되는 임상은 신약 물질의 유효성과 안전성을 확인하는 것이 주목적입니다. 이때 안전성 측면에서 발생하는 주요한 위험은 투입한 약물이 의도하지 않는 타겟에서 상호작용을 일으켜 예상치 못한 부작용을 발생시키는 것이죠. 그런데 알파폴드 3부터는 이같이 임상 단계에 영향을 미치는 생체 내 다른 분자들 간의 상호작용 예측까지 가능케 되었음을 의미합니다.

이처럼 알파폴드 기술이 임상 이전 단계인 ‘타겟 물질의 발굴’ 뿐만 아니라 ‘임상’의 성공 확률 역시 획기적으로 개선할 가능성이 열리며 신약 개발의 패러다임을 바꿀 기술로 평가받고 있는 것입니다. (삼성증권에 따르면 지난 1년간 AI를 통해 개발한 후보 물질의 임상 1상 성공률은 87.5%로 전통적인 방법의 임상 1상 성공률 50% 대비 높은 수준이다.)

올해 1월 구글이 설립한 ‘알파폴드’ 보유사 아이소모픽이 글로벌 빅파마인 일라이릴리, 노바티스와 각각 최대 17억 달러(약 2조 2300억 원), 12억 달러(약 1조 5700억 원)로 약 4조 원 규모의 공동개발 계약을 맺게 된 것도 이러한 기술의 시장 가능성을 보여주는 지표로 주목되고 있습니다.

향후에도 AI 신약 개발 시장에서도 이를 주도하는 것은 글로벌 빅파마가 될 것이고, 빅테크 등 AI 신약 개발사들은 이 빅파마들과의 협업 관계에서 비즈니스 모델을 발굴할 것으로 예측됩니다. AI 신약 개발사들 역시 기존의 신약 개발사들과 마찬가지로 타겟 단백질을 발굴하고 화합물을 공동으로 개발하는 역할을 수행하게 됩니다. 이 과정에서 임상 1상-2상-3상에 성공할 때마다 계약된 마일스톤(단계별 기술료)을 받고, 신약이 출시되면 로열티 수익도 창출하게 됩니다.

다만, AI 신약 시장은 초기 개화 단계로 이러한 전략이 글로벌 빅테크와 빅파마 기업의 주가에 영향을 미칠 정도로 상업화 단계에 이르기까지는 장기적으로 시간이 필요할 것으로 예상됩니다."

-로슈가 AI 알고리즘 모델 개발과 LLM 모델에 선제적인 투자를 단행하고 있는데 기존 제약 시장에서 앞서가고 있는 글로벌 빅파마 대비 AI 신약 시장에서 로슈가 갖춘 경쟁력은?
"로슈는 글로벌 빅파마 가운데 AI 신약 개발 역량이 가장 높은 제약사로 평가됩니다. AI 신약 시장에서 로슈만이 독보적으로 갖춘 경쟁력은 이들이 갖춘 ‘진단 데이터’에 있습니다.

빅파마가 확보할 수 있는 다양한 데이터, 즉 임상 정보, 생체 내 유전체·오믹스(단백체, 대사체, 전사체) 데이터, 생체 신호, 의료 영상 등 가운데 AI의 고도화에 있어 가장 중요한 데이터는 진단 영역에서 확보할 수 있는 유전체·오믹스 데이터입니다.

로슈는 12개 글로벌 빅파마 가운데 진단 사업을 진행해 온 거의 유일한 회사이죠. 따라서 로슈의 자회사 제넨텍은 진단 영역에서 독보적으로 확보해 온 데이터 우위를 기반으로 최적의 AI 신약 발굴 알고리즘을 고도화함으로써 AI 신약 개발 시장을 선점하려는 성장 전략을 내세우고 있습니다."

-로슈 외에 현재 기술 우위에 비해 저가 평가되고 있는 AI 제약사는? 특히 금리 인하를 앞두고 중기 모멘텀을 기대해 볼 수 있는 기업은?
"빅테크와 빅파마 외에도 자체 AI 플랫폼을 구축해 신약 후보 물질이 될 수 있는 분자화합물 발굴을 주목적으로 하는 AI 신약 개발사가 있습니다. 대표적인 기업으로 ‘리커젼 파마슈티컬스’와 ‘슈뢰딩거’ 등이 있죠.

이 가운데 리커젼 파마슈티컬스가 대장주로 꼽힙니다. 리커젼은 AI 신약 시장의 선두에서 AI를 통해서 자체적으로 확보한 신약 후보 물질로 다수의 파이프라인을 보유하고 있습니다. 또한 이 기업이 보유한 파이프라인 중 3개의 임상 2상 데이터 결과 발표가 올해 3분기부터 내년 상반기까지 예정돼 있어 모멘텀을 보유하고 있죠."

한승연 연구원은 "로슈가 전통적으로 항암 영역의 글로벌 최고 강자였으나 최근 부진한 R&D 성과를 만회하기 위해 AI 신약개발을 통한 근본적인 R&D 혁신 경쟁력 향상 전략을 취하고 있다"며, AI신약개발 측면에서 가장 준비된 빅파마로서 향후 행보에 주목할 것을 권했다. 사진=김예은 기자

- 빅파마의 AI 자체 신약 개발 역량 강화와 빅테크 기업들의 시장 참여가 국내 바이오 R&D 산업에 미칠 장기적 영향은 어떻게 평가하는가?
"AI 신약 기술의 등장은 바이오텍들이 더 우수한 신약 물질들을 발굴할 기회이자, 새로운 AI 신약 개발사들의 등장으로 기술 수출이 줄어들 위험성을 동시에 내포하고 있습니다.

다만, 로슈 등 글로벌 제약사의 관계자들은 AI가 제약 산업 비즈니스 모델을 근본적으로 바꾸기보다는 신약 개발 과정을 개선하는 보조적 도구로 활용될 것으로 판단하고 있습니다. 특정한 표적 단백질의 구조는 신약 개발 과정에서 필요한 여러 가지 정보 중 하나일 뿐이고, 이 단백질에 약물이 강하게 결합할 수 있는 물질을 찾는 영역에서는 보다 다양한 능력이 요구되기 때문입니다. 그 때문에 로슈는 전 세계 3000여 개의 바이오텍들이 앞으로도 신약 물질 개발에서 중요한 역할을 할 것으로 전망합니다.

다만, 장기적으로는 기술 수출 과정에서 빅파마들이 AI를 기반으로 한 데이터 검증을 요구할 수 있기 때문에 국내 바이오텍들도 AI 자체 역량 확보에 대한 준비는 필요할 것으로 보입니다. 대부분의 국내 대형 제약사들은 자체적으로나 외부 협업을 통해 신약 개발에 AI를 접목하려고 시도하고 있습니다."

- AI 신약 분야에서 두드러진 국내 제약 기업의 움직임이 있다면?
"AI에 특화된 바이오텍 가운데 대표적인 국내 기업으로는 ‘루닛’을 꼽을 수 있습니다.

루닛은 현재 매출을 발생시키는 ‘영상 진단’ 영역과 미래 주요 매출 창출원으로 평가되고 있는 ‘병리진단’ 영역에서 2가지 사업 모델을 갖추고 있습니다. 현재 루닛의 성장 기대감을 높이는 분야는 후자인 병리 진단 영역입니다.

AI는 신약 개발 과정에서 타겟 단백질과 화합물의 발견뿐만 아니라, 임상 수행 과정에도 기여할 수 있습니다. 그 가능성을 보여주고 있는 것이 바로 루닛의 AI 모델인 ‘스코프’ 기술이죠.

신약의 임상 수행 과정에서 제약사는 임상 성공률을 높이기 위해 신약이 효과적으로 발현될 수 있는 임상 환자군을 추려내는 역량이 중요합니다. 임상 환자군 모집의 개선은 임상 성공 확률을 높이는 것에 일조하며, 전체 신약 개발의 성공 확률을 높이는 것에 기여하기 때문입니다.

이때, 약물 치료 효과를 모니터링하는 과정에서 특정 바이오 마커(약물의 치료 반응을 객관적으로 측정하고 평가할 수 있는 지표)를 평가할 수 있는 타겟 요소를 충분히 갖춘 환자군을 추려내는 과정에서 AI 기술이 개입됩니다.

예를 들어 유한양행의 렉라자는 EGFR 돌연변이를 가진 비소세포 폐암 환자군에 처방하는 항암제입니다. 과거에 이러한 돌연변이가 있는 환자를 추려내기 위해서는 환자의 조직을 현미경을 통해 관찰해 선별하는 과정이 필요했습니다. 반면, 루닛의 스코프 기술은 조직검사 과정을 디지털화하여 AI가 특정 바이오 마커를 가진 환자군을 발굴하는 과정에 개입해 정확도를 개선하는 역할을 수행합니다.

이 같은 글로벌 AI 진단 시장에서 기술적 우위를 확보한 기업이 바로 루닛입니다. 루닛은 스코프 기술로 임상 단계에 있는 빅파마들과 협업하며 면역항암제나 ADC(항체-약물 접합체) 개발 과정에 참여하고 있습니다. 다만, 현재는 연구 단계이므로 병리 진단 영역이 상업화에 이르러 성과를 창출하기까지는 장기적 관점이 필요합니다."

<문화경제 김예은 기자>