베링거ㆍIBM, 치료용 항체 발굴ㆍ개발 AI 접목 제휴

생성형 AIㆍ파운데이션 모델 적용 항체 개발 가속화

베링거 인겔하임社와 IBM社가 손을 맞잡았다.

유망한(efficient) 치료제 개발을 진행하기 위한 새로운 치료용 항체 후보물질들의 발굴을 목적으로 베링거 인겔하임 측이 IBM의 파운데이션 모델 기술을 이용할 수 있도록 한다는 데 합의했다고 양사가 28일 공표한 것.

베링거 인겔하임社의 앤드류 닉슨 생물의약품 발굴담당 글로벌 대표는 “가상시험(in silico)을 통한 생물의약품 발굴을 실현하고자 하는 비전을 우리와 공유하고 있는 IBM의 연구진과 협력하게 된 것을 대단히 기쁘게 생각한다”면서 “IBM 연구진과 협력을 통해 신속한 항체 발굴을 가능케 할 전례없는 플랫폼을 개발하고, 이를 통해 베링거 인겔하임이 크게 충족되지 못한 의료상의 니즈가 존재하는 환자들을 위한 새로운 치료제들의 개발‧발매를 진행할 수 잇도록 해 줄 것이라는 게 우리의 확신”이라고 말했다.

합의에 도달함에 따라 베링거 인겔하임 측은 IBM이 개발한 사전훈련 인공지능(AI) 모델을 사용해 자사가 독자보유한 자료에 대해 추가적인 조정(fine-tuned)을 진행할 수 있게 됐다.

IBM 리서치 부문의 알레산드로 쿠리오니 신속발굴 담당 부사장은 “IBM이 인공지능의 영향력을 언어영역을 넘어 확대해 줄 생성형 인공지능 모델을 개발하는 분야에서 최일선에 자리매김해 왔다”면서 “우리의 멀티모드 파운데이션 모델 기술을 베링거 인겔하임 측에 제공해 신약개발을 가속화할 수 있도록 돕게 된 것은 고무적인 일”이라고 언급했다.

이와 관련, 치료용 항체는 암에서부터 자가면역성 질환, 감염성 질환 등에 이르기까지 수많은 질환들을 치료하는 데 중추적인 역할을 하기에 이른 것이 최근의 추세이다.

하지만 괄목할 만한 기술적 진보가 이루어진 가운데서도 다양한 항원결정기(epitopes)를 커버하는 치료용 항체들의 발굴‧개발을 진행하는 일은 여전히 고도로 복잡한 데다 많은 시간이 소모되는 힘든 여정으로 인식되고 있다.

이에 따라 양사의 연구진은 가상시험 방법을 통해 치료용 항체 발굴절차를 가속화하기 위해 긴밀하게 협력해 나가기로 했다.

예를 들면 질병 표적들과 관련된 배열, 구조 및 분자 프로필 정보 뿐 아니라 친연성, 특이성 및 개발 가능성 등과 같은 치료용 항체 분자물질들의 성공기준에 이르기까지 가상시험을 진행하기 위한 기본적인 틀을 구축한다는 것.

IBM의 새로운 파운데이션 모델 기술에 기반을 둔 이 같은 방법들은 치료용 항체 발굴의 속도와 효율성을 높이고 예상되는 치료용 항체 후보물질의 품질을 향상시킬 수 있도록 하기 위해 설계됐다.

표적 친화성이 확보된 생물의약품과 저분자 물질들의 창출을 통해 성공 가능성이 입증된 IBM의 파운데이션 모델 기술은 치료용 항체 후보물질들이 정확한 표적을 겨냥하도록 하고, 치료용 표적과 최고로 결합되도록 선택되고 개량될 수 있게끔 하기 위한 인공지능 강화 시뮬레이션 기반 스크리닝이 가능토록 설계하는 데 사용되고 있다.

이에 따라 베링거 인겔하임은 검증단계에서 치료용 항체 후보물질들을 소규모로 제조하고 실험적인 평가를 진행할 수 있게 될 전망이다.

이 같은 실험을 통해 확보된 결과물들은 피드백 루프(feedback loops)를 통해 가상시험 방법을 개선하는 데 활용될 예정이다.

베링거 인겔하임은 선도적인 산‧학 파트너들과 협력하면서 신속한 신약발굴 및 개발과 환자들의 삶을 바꿔놓기 위한 새롭고 혁신적인 기회를 창출하는 데 돋보이는 디지털 생태계를 구축해 왔다.

베링거 인겔하임이 도출한 이 같은 성과는 새로운 생물의약품과 저분자 물질의 발굴‧개발을 가속화하기 위해 생성형 인공지능과 파운데이션 모델을 이용하고자 하는 IBM의 노력에도 크게 도움이 될 수 있을 것으로 보인다.

올초 IBM은 생성형 인공지능 모델을 사용해 약물 유사 저분자 물질들의 물리화학적 특성을 효율적으로 예측한 바 있다.

IBM의 생물의학 파운데이션 모델 기술은 단백질-단백질 상호작용과 약물-표적 상호작용을 포함해 다양하고 이질적인 공공 데이터 세트에 기반을 두고 개발됐다.