바이오스펙테이터

바이오스펙테이터 이주연 기자

▲공통타깃 9개 기준 비교에서 갤럭스디자인(갤럭스)은 8개 타깃에서 결합항체 확보에 성공하며, JAM-2(나블라바이오) 5개, Chai-2(차이디스커버리) 4개 대비 가장 높은 타깃단위 성공률을 보였다.(출처=갤럭스 제공)

인공지능(AI) 신약개발 기업 갤럭스(Galux)는 자사의 AI 단백질 설계 플랫폼 ‘갤럭스디자인(GaluxDesign)’이 최근 공개된 글로벌 드노보(de novo) 항체설계 연구와의 비교에서 가장 우수한 성과를 보였다고 19일 밝혔다.

드노보 항체 설계는 기존 항체를 탐색하는 방식이 아니라, AI가 특정 단백질 타깃에 결합할 수 있는 항체를 새롭게 설계하는 기술이다.

이번 연구는 최근 발표된 주요 드노보 항체설계 연구 중 공통으로 비교가능한 9개 단백질 타깃을 기준으로 진행됐다. 비교대상에는 미국 나블라바이오(Nabla Bio)의 ‘JAM(joint atomic model)-2’, 차이디스커버리(Chai Discovery)의 ‘Chai-2’ 등이 포함됐다.

두 회사는 미국 AI 신약개발 기업으로, 최근 드노보 항체 설계 분야에서 주요 연구성과를 발표하고 있다. 갤럭스에 따르면 플레이트 스케일(plate-scale, ~10^2)의 항체 AI발굴이 가능한 회사는 나블라바이오, 차이디스커버리, 그리고 갤럭스 3곳뿐이다.

갤럭스는 나블라바이오 및 차이디스커버리가 실험했던 동일한 9가지 타깃에 대해서 똑같이 자사의 AI플랫폼을 통한 실험을 진행해 더 높은 성공률을 나타냈다고 설명했다. 구체적으로 9가지 타깃 중에서 차이디스커버리가 4가지, 나블라바이오가 5가지에 대해 항체후보를 찾았을 때 갤럭스는 8가지에 대한 항체후보를 찾았다.

갤럭스는 동일한 타깃에 대해 각 타깃당 50개의 항체 후보를 설계하고 실험적으로 확인했다. 그 결과 갤럭스디자인은 9개 타깃 중 8개에서 실제 결합이 확인된 항체 후보를 확보했다. JAM-2와 Chai-2 연구결과에 따르면 같은 타깃 기준으로 각각 5개, 4개 타깃에서 결합 항체를 확보한 것으로 공개됐다. 갤럭스는 이와 관련된 자세한 결과는 내달중에 발표할 계획이다.

갤럭스는 이번 결과가 단순히 더 많은 타깃에서 결합 항체를 확보했다는 의미를 넘어, 갤럭스디자인이 다양한 단백질 타깃에 대해 정밀하게 항체를 설계할 수 있다는 것을 보여준다고 강조했다.

이번 비교 연구는 갤럭스가 지난해 11월 발표한 정밀 항체 설계 연구의 연장선에 있다. 당시 갤럭스는 서로다른 8개 타깃부위에 대해 타깃당 50개씩의 AI 설계만으로 30% 이상의 결합 항체 성공률을 기록했다.

회사에 따르면 이는 전통적 실험방법은 물론 기존 AI 접근법과 비교해도 수천배 이상 높은 설계 효율성을 보여주는 것이라고 설명했다. 또한 이 중 다수는 신약 후보로 개발 가능한 수준의 강한 결합력을 보였다고 덧붙였다.

박태용 갤럭스 부사장은 “드노보 항체 설계 분야는 이제 가능성을 넘어, 다양한 타깃에서 원하는 결합 항체를 얼마나 안정적으로 설계할 수 있는지 확인하는 단계로 빠르게 발전하고 있다. 결합 항체가 곧바로 치료제를 의미하는 것은 아니지만, 이를 빠르고 일관되게 확보할 수 있다면 이후 신약개발 과정을 크게 앞당길 수 있다”며 “갤럭스는 이같은 변화를 주도하며, AI 기반 항체 설계가 실제 단백질 신약 개발의 핵심 기술로 자리잡을 수 있도록 이끌어가겠다”고 말했다.