[AI 시험대 선 K-바이오]②데이터 분석 넘어 단백질 창조하는 갤럭스

'생성형 AI' 플랫폼 구축
글로벌 파트너십·기술이전 속도

편집자주
인공지능(AI)이 제약·바이오 시장의 판도를 뿌리째 뒤흔들고 있다. 엔비디아가 글로벌 빅파마 일라이 릴리와 손잡고 10억달러(약 1조4990억원)를 들여 AI 신약 개발에 나서기로 한 건 지금까지와는 전혀 다른 문법으로 제약·바이오 산업사(史)가 다시 쓰이는 흐름의 상징과도 같다. 후보물질 발굴에 머물렀던 AI의 영토는 정교한 임상 설계와 최적 환자군 선별, 실시간 제조 공정 제어 등 신약 개발의 전 주기로 확장하며 산업의 경제성 자체를 근본적으로 재편하고 있다. 후보물질 도출에 드는 시간을 평균 3~4년에서 최대 1년여로 단축시켰고, 표적 단백질에 대한 3차원적 이해와 독성 예측 정확도를 무기로 통상 40~65%에 머물렀던 임상 1상 성공률을 80~90% 수준까지 끌어올렸다. 천문학적인 매몰 비용이 발생하는 초기 실패 리스크를 줄이는 AI의 효율성은 신약 개발의 '죽음의 계곡'을 넘어야 하는 기업들에게 유일한 돌파구다. 아시아경제는 'AI 시험대 선 K-바이오'라는 기획을 통해 '속도전'으로 재편된 2026년 글로벌 신약 개발 판도를 들여다보고 우리 바이오 산업이 나아가야 할 생존과 도약의 길을 모색한다.

국내 인공지능(AI) 신약 개발 경쟁의 축은 '데이터 관찰'과 '단백질 설계'로 갈린다. 실험 데이터를 대규모로 축적해 항체 규칙을 찾아내는 삼성-프로티나 진영이 '분석형 AI' 중심 전략을 택했다면, 셀트리온과 협력하는 갤럭스는 자연계에 존재하지 않는 단백질 구조를 직접 설계하는 '생성형 AI' 접근을 전면에 내세운다. 이들이 서 있는 지점은 글로벌 AI신약 전장(戰場)의 최전선이나 다름없다. 아슬아슬한 경쟁의 복판에서 국내 AI신약 산업의 새 지도를 그리고 있는 두 기업을 차례로 만나봤다.

<1>단백질 구조 직접 설계로 새 판 짜는 갤럭스

박태용 갤럭스 부사장은 이달 5일 서울 관악구 본사에서 본지와 만나 "질병 치료에 필요한 단백질 구조를 처음부터 직접 설계하는 드노보(De novo) 경쟁이 AI 신약 개발의 핵심 경쟁 지점이 될 것"이라며 "갤럭스는 이 글로벌 경쟁에서 선도적인 위치를 확보하고 있다"는 말로 자신감을 드러냈다. 갤럭스는 단백질 구조와의 상호작용을 기반으로 신약 후보물질을 설계하는 AI 플랫폼을 개발하고 있다. 제약사가 원하는 기능을 제시하면 AI가 해당 기능을 수행할 수 있는 단백질 구조를 설계하는 방식이다.

박태용 갤럭스 부사장이 서울 관악구 갤럭스 본사에서 아시아경제와 인터뷰하고 있다. 2026.3.5 김현민 기자

드노보 항체 설계는 자연계에 존재하는 단백질을 탐색하는 방식과는 전혀 다른, 치료 목적에 맞는 단백질 구조를 처음부터 설계하는 기술이다. 현재 이 기술을 구현했다고 평가받는 기업은 갤럭스를 포함해 전 세계에서 약 6곳 안팎에 불과하다. 갤럭스는 2024년 자체 AI 플랫폼 '갤럭스 디자인(GaluxDesign)'을 통해 여러 치료 타깃에 대한 드노보 항체 설계 결과를 발표한 바 있다. 구조 정보가 없는 단백질을 포함한 6개 타깃에 대해 항체 설계에 성공하며 플랫폼 적용 가능성을 입증했다.

박 부사장은 "드노보 항체 설계는 항체 신약 개발 가운데서도 난이도가 가장 높은 분야"라며 "소수의 후보만 설계해도 원하는 항체를 얻어낼 수 있다면 플랫폼 정밀도가 높음을 방증하게 되는 것"이라고 설명했다.

컴퓨팅 기반 아닌 물리·화학적 접근하는 갤럭스

박 부사장은 갤럭스의 핵심 경쟁력으로 '물리화학 기반 접근'을 꼽았다. 많은 AI 신약 개발 기업이 컴퓨터 과학 중심 모델링에 집중하는 것과 달리 갤럭스는 단백질 결합을 전하 분포와 입체 구조, 분자 간 상호작용 등 물리적 힘의 관점에서 해석하고 이를 AI 학습에 반영하는 방식을 택하고 있다는 설명이다. 그는 "단백질 결합은 결국 물리적 상호작용으로 결정된다"며 "이러한 물리화학적 원리를 얼마나 정확히 이해하고 모델에 반영하느냐가 설계 정밀도를 좌우한다"고 말했다.

'생성형 AI 기반 신약 설계'에도 기술적 장벽은 존재한다. 대표적인 난제가 단백질 구조의 '유연성'이다. 단백질은 하나의 고정된 형태가 아니라 여러 구조 상태(conformation)를 오가는 특성을 지니고 있어 항체 설계를 어렵게 만든다. 업계에서 손에 꼽히는 고난도 표적에는 GPCR과 이온채널 단백질이 있다. 두 단백질은 세포막에 존재하는 막단백질로 구조 안정성이 낮고 실험용 단백질을 정제하기도 쉽지 않아 전통적인 항체 발굴 방식으로는 접근이 어려운 것으로 알려졌다.

AI 기반 단백질 설계는 얘기가 다르다. 실제 단백질 샘플을 확보하지 않아도 구조 기반 계산을 통해 결합 가능성을 예측하고 항체 구조를 설계할 수 있기 때문이다. 특히 여러 구조 상태를 오가는 단백질에서도 결합 가능한 구조를 동시에 탐색할 수 있다는 점에서 기존 방식으로 접근하기 어려웠던 표적을 공략할 수 있다는 설명이다. 이 때문에 생성형 AI 기반 단백질 설계는 기존 실험 중심 항체 발굴 방식으로 접근하기 어려웠던 표적에서 경쟁력을 가질 수 있다는 평가다.

박태용 갤럭스 부사장이 서울 관악구 갤럭스 본사에서 아시아경제와 만나 포즈를 취하고 있다. 2026.3.5 김현민 기자

실제로 GPCR과 이온채널은 신약 개발에서 중요한 치료 타깃으로 꼽히지만 항체 치료제로 개발된 사례는 많지 않다. 갤럭스 역시 이러한 고난도 단백질을 주요 공략 대상으로 삼고 있다. 박 부사장은 "GPCR이나 이온채널처럼 구조가 유연하고 여러 상태를 오가는 단백질은 항체를 발굴하기가 쉽지 않지만, AI 기반 설계를 활용하면 단백질을 실제로 정제하지 않아도 구조 정보를 기반으로 결합 가능한 항체를 설계할 수 있다"고 설명했다.

갤럭스는 최근 사업 성과 확보에 속도를 내고 있다. 글로벌 제약사와의 공동 연구와 후보물질 기술이전을 핵심 전략으로 삼는 동시에 내년 기업공개(IPO)를 목표로 사업화를 추진하고 있다. 기술 비전만으로 시장을 설득하기는 어렵다는 게 갤럭스의 판단한다. 그동안 AI 신약 개발 기업 상당수가 기술 가능성을 강조하는 데 그쳤다는 평가가 이어졌기 때문이다.

박 부사장은 "AI 신약 개발 기업 가운데 기술 비전만 강조하는 경우도 많았지만 이제는 실제 후보물질을 만들고 사업 성과로 이어지는지를 보여줘야 한다"며 "파트너십 계약과 후보 물질 기술이전을 통해 생성형 AI 기반 신약 설계의 가치를 입증해 나가겠다"고 말했다.

박정연 기자 jy@asiae.co.kr
정동훈 기자 hoon2@asiae.co.kr
이성민 기자 minute@asiae.co.kr