제네시스 분자 AI의 3D 확산 모델 기반 신약 개발 혁신

주장제네시스 분자 AI(Genesis Molecular AI)의 에반 파인버그 공동 창업자와 세르게이 에두노프 최고기술책임자는 신약 개발의 혁신이 거대언어모델(LLM)이 아닌 3D 구조 예측을 위한 확산 모델 연구에서 시작된다고 강조합니다. 이들은 기존의 정적인 단백질 모델링 방식에서 벗어나 단백질의 유연성을 반영한 동적 모델링이 필수적이라고 판단합니다.

팩트신약 개발의 대상이 되는 약물 유사 소분자는 우주에 약 10의 60제곱 개가 존재합니다. 이 방대한 후보군 중에서 유효한 물질을 찾는 작업은 위험한 물질들 사이에서 바늘을 찾는 것과 같은 고도의 정밀함을 요구합니다.

팩트제네시스가 개발한 모델인 펄(PEARL·Place Every Atom at the Right Location)은 단백질과 리간드가 결합할 때 발생하는 미세한 구조 변화를 예측합니다. 이 모델은 기존 정적 구조 예측 방식이 해결하지 못했던 유도 적합 현상을 효과적으로 모델링합니다.

팩트최근 공개된 오픈바인드(OpenBind) 벤치마크에서 펄 모델은 802개의 새로운 단백질 복합체를 대상으로 우수한 성능을 입증했습니다. 특히 기존 방식으로는 해결이 어려웠던 유도 적합 현상을 긴 분자 동역학 시뮬레이션 없이도 정확하게 예측합니다.

교차검증현재 학계에서 통용되는 2 옹스트롬 RMSD 기준은 신약 개발의 실제 적용에 부족하다는 지적이 있습니다. 에반 파인버그는 이 기준이 부정확한 결과를 초래할 수 있으며, 핵심 상호작용을 모델링하려면 1 옹스트롬 이하의 정밀도가 필요하다고 설명합니다.

팩트수소 결합은 단백질-리간드 시스템에서 중요한 역할을 수행하지만, 그 유효 범위는 0.6 옹스트롬에 불과합니다. 따라서 2 옹스트롬 수준의 오차를 허용하는 기존 벤치마크는 실제 약물 결합을 평가하는 데 한계를 보입니다.

교차검증현대의 거대언어모델 연구는 트랜스포머 아키텍처 이후 근본적인 구조적 혁신이 부족하다는 평가를 받습니다. 반면 신약 개발 분야의 확산 모델 연구는 새로운 아키텍처를 지속적으로 도입하며 실질적인 예측력 향상을 이끌어냅니다.

주장제네시스는 내부 시스템인 사파이어(SAPPHIRE)를 통해 화학자처럼 가설을 세우고 문헌을 검토하며 실험을 수행하는 자율적 에이전트 워크플로우를 구축했습니다. 이는 단순 챗봇 수준을 넘어 복잡한 신약 개발 과정을 24시간 내내 수행할 수 있는 단계에 진입했음을 의미합니다.

팩트제네시스는 인사이트(Insilico)와 같은 자동화된 실험실 파트너십을 통해 모델이 예측한 후보 물질을 즉시 검증하는 체계를 갖췄습니다. 모델과 실험의 결합은 신약 개발의 속도를 높이는 핵심 동력입니다.

주장이러한 기술적 진보는 단순한 데이터 처리를 넘어 실제 물리적 상호작용을 정확히 모사하는 방향으로 나아갑니다. 제네시스는 확산 모델을 통해 분자 구조의 복잡성을 해결하고 신약 후보 물질 발굴의 효율성을 극대화합니다.

주장앞으로의 신약 개발은 인공지능이 실험 설계부터 검증까지 전 과정을 주도하는 형태로 변화합니다. 제네시스의 접근 방식은 기존 제약 산업의 연구 개발 프로세스를 근본적으로 재편할 가능성을 제시합니다.

출처제네시스 분자 AI의 연구 성과 및 기술적 접근 방식에 관한 내용은 레이턴트 스페이스(Latent Space)의 기고문을 통해 교차 검증했습니다.