갤럭스, 美 나블라·차이보다 AI 항체 설계 성공 타깃 우위

공통 타깃 9개 중 8개서 결합 항체 확보
나블라 5개·차이 4개 대비 높은 성공률

드노보 항체 디자인 플랫폼 비교 결과 이미지. [갤럭스]

갤럭스가 자사 인공지능(AI) 기반 항체 설계 플랫폼 ‘갤럭스디자인’의 글로벌 비교 연구에서 경쟁 플랫폼 대비 가장 높은 성과를 기록했다고 19일 밝혔다. 최근 AI 신약개발 업계에서는 기존 항체를 탐색하는 단계를 넘어, 원하는 표적에 맞는 항체를 처음부터 설계하는 ‘드노보 항체 설계’ 기술 경쟁이 치열해지고 있다.

이번 비교는 최근 공개된 글로벌 드노보 항체 설계 연구 가운데 공통으로 비교 가능한 9개 단백질 타깃을 기준으로 진행됐다. 비교 대상에는 미국 AI 신약개발 기업 나블라 바이오(Nabla Bio)의 ‘JAM-2’와 차이 디스커버리(Chai Discovery)의 ‘Chai-2’ 연구가 포함됐다. 두 회사는 대규모 투자 유치와 글로벌 제약사 협업을 바탕으로 업계에서 주목받는 기업들이다.

갤럭스는 각 타깃마다 50개의 항체 후보를 AI로 설계한 뒤 실제 실험 검증을 진행했다. 그 결과 9개 공통 타깃 가운데 8개에서 실제 결합 항체를 확보하는 데 성공했다. 같은 기준에서 JAM-2는 5개, Chai-2는 4개 타깃에서 결합 항체를 보고했다. 업계에서는 AI 기반 단백질 설계 경쟁이 단순 생성 능력보다 실제 실험 단계에서 얼마나 높은 재현성과 성공률을 확보하느냐로 이동하고 있다는 분석도 나온다.

드노보 항체 설계는 기존 항체 라이브러리를 검색하는 방식이 아니라 AI가 특정 단백질 구조에 맞는 항체를 처음부터 설계하는 기술이다. 플랫폼마다 서로 다른 조건과 타깃으로 연구를 진행해 직접 비교가 쉽지 않았던 만큼, 동일 타깃 기준의 이번 결과는 기술 경쟁력을 가늠할 수 있는 사례다.

갤럭스는 지난해 11월 발표한 연구에서도 서로 다른 8개 타깃 부위에 대해 각각 50개의 설계만으로 30% 이상의 결합 항체 성공률을 기록한 바 있다. 회사 측은 일부 후보물질의 경우 신약 개발 가능성을 평가할 수 있을 정도의 강한 결합력을 확인했다고 설명했다.

박태용 갤럭스 부사장은 “드노보 항체 설계 분야는 단순히 항체를 생성하는 단계를 넘어 다양한 타깃에서 안정적으로 원하는 결합 항체를 확보할 수 있는지가 핵심 경쟁력이 되고 있다”며 “AI 기반 항체 설계 기술이 실제 단백질 신약 개발의 속도를 크게 바꿀 수 있을 것”이라고 말했다.