[학술] 2021년 현대약품 국제 펩타이드 화장품 심포지엄

코스메슈티컬 펩타이드의 진화(3) / 박 청 (대전대학교 생명과학과)

인공지능(AI)에 의한 무한 기술경쟁 시대에 돌입

화장품시장에서 주역으로 부상한 코스메슈티컬은 화장품과 의약품의 중간 개념인   ‘기능성 화장품’으로, 고령화와 환경오염에 따른 안티폴루션으로 수요증가에 탄력을  받았으며 제약바이오 기업에서도 코스메슈티컬 사업을 확장하고 있고 뿐만 아니라 병·의원 전문의가 만들었다는 전문적인 이미지에 힘입어 피부과 기반의 코스메슈티컬,  그리고 최근에는 마이크로바이옴 함유 화장품같이 코스메슈티컬은 다양하게 진화중이다. 

2011년부터 2018년까지 조사된 시장조사에서 항노화 펩타이드가 사용된 화장품이 25%에 달하였고 다종의 다양한 코스메슈티컬 펩타이드의 사용량은 거의 두 배 이상 증가하였다. 또한 대부분 화학합성에 의존하던 펩타이드 시장에서 생명공학 기술에 의한 펩타이드 개발이 비약적으로 증가한 것도 주목할 만한 시장의 변화이다 

           <그림 : 년도별 펩타이드의 기원 변화> 

             (출처: Trending Anti-Aging Peptides, Cosmetics 7(4), 91. 2020) 

코스메슈티컬(cosmeceutical) 펩타이드 관련 기술은 혁신적인 4차 산업혁명시대의 도래로 첨예한 경쟁을 촉발함과 동시에 인간에게 더욱 아름답고 건강한 피부를 관리할 수 있는 기회를 풍부하게 제공한다. 실제로 새로운 화장품 원료 탐색에 인공지능(Artificial intelligence)을 이용한 사례들이 계속 보고 되고 있으며 세련되고 고도화된 연구방법의 개발은 경제적인 R&D로서 코스메슈티컬 펩타이드 개발에 새로운  지평을 활짝 열고 있다. 

2020년 Kennedy K. 등은 딥러닝(Deep learning)과 인공지능을 이용하여 완두(pea, Pisum sativum)의 단백질체로부터 항노화 기능을 가지는 펩타이드 pep_RTE62G를 예측하였고, in vitro, ex vivo 실험들로 그 기능성을 확인하는데 성공한다. 항노화 기능성 펩타이드를 찾아내는데 사용한 머신러닝(Machine learning)은 다양한 식품 및 식물 가수 분해물로부터 수집된 LC-MS/MS 데이터에서 7.6 x 106개 펩타이드의 지식 기반 내의 모든 펩타이드에 대해 예측하도록 설계되었으며 펩타이드 pep_RTE62G는 피부각질세포의 분열증식과 세포이동을 촉진하고, 엘라스틴, 콜라겐과 피브릴린 생산을 증가시키는 항노화 기능이 확인되었다. 

    <그림>  완두 단백질체 (pep_RTE62G) 처리군에서 엘라스틴, 콜라겐과 피브릴린 생산 증가  (출처: International Journal of Cosmetic Science, 2020, 42(4), 388-398)

     

고도로 선택적이고 효과적인 그리고 상대적으로 안정적인 코스메슈티컬 펩타이드의 스크리닝에 사용되는 인공지능 기술은, 연구의 실패 확률을 줄여 시간과 비용을 획기적으로 개선하여, 제약, 화장품, 바이오를 포함하는 코스메슈티컬 기업들의 XR&D에 대한 최고조의 관심을 견인하고 있어 기술혁신을 실감하게 하고 있다. 

코스메슈티컬 펩타이드는 인공지능과 머신러닝으로 도움으로 항노화 분야에서 더욱  확고한 포지셔닝을 예고하고 있으며, 포스트 코로나 시대에도 지속적인 스포트라이트를 받을 것이다. 소비자 트랜드 변화에 의해 성분에 까다로운  ‘체크슈머’가 증가하면서 코스메슈티컬 펩타이드는 ‘단일성분 화장품’에서 유효성분의 자리를 차지하고 있어 앞으로의 발전이 매우 기대된다.