Chai Discovery는 OpenAI 출신 연구자들과 생물학 연구자들이 만든 회사로, 출발점은 샘 알트먼의 단백질과 프로테오믹스에 대한 관심에서 비롯되었다고 전한다. 핵심은 AI가 원자를 직접 배치해 새로운 분자와 항체를 설계하는 기술을 개발하는 데 있다. 단순히 단어를 조합해 문장을 만드는 것처럼, 원자 현미경처럼 원자들을 조합해 3차원 공간에서 기능을 가진 분자를 만들어내는 것이 목표다. 과거의 실험 중심 방식에서 벗어나 원하는 기능을 가진 분자를 처음부터 설계하려는 새로운 접근이다.
단백질의 3차원 구조가 매우 중요하다고 본다. 같은 재료로 만들어진 단백질이라도 접힘과 모양에 따라 기능이 달라지므로, 항체가 특정 항원에 정확히 달라붙도록 하려면 원자 수준의 상호작용 이해가 필요하다. 이를 AI 바이오의 핵심 경쟁력으로 제시한다. 공개한 모델 시리즈로는 먼저 단백질 구조 예측용 Chai-1이 있으며, 구글 딥마인드의 알파폴드와 유사한 영역으로 여겨진다. 이후에는 새로운 항체를 설계하는 Chai-2가 개발되었고, 50개 타깃에 대해 각 타깃마다 20개의 항체를 설계해 실험한 결과 약 6개 중 1개 수준의 항체가 작동하는 성과를 보였다. 이는 기존 대비 약 200배의 성공률 향상이라고 설명된다.
Chai의 기술은 특정 질병에 한정되지 않는다. 원자 수준에서 단백질과 항체의 상호작용을 이해하고 설계하는 원리에 따라 암, 감염병, 자가면역질환, 희귀질환 등 거의 모든 질병 영역으로 확장 가능하다. 생물학 엔지니어링에 대해 Jack Dent는 생물학을 엔지니어링 문제로 보아야 한다고 강조한다. 소프트웨어가 변수와 함수를 조합해 시스템을 만들듯이, 생물학도 원자와 분자, 단백질의 상호작용으로 작동한다는 것이다. 현재의 복잡함은 장기적으로 설계 가능하고 예측 가능한 공학 형태로 변할 수 있다.
또 다른 축은 로봇 실험실이다. AI가 새로운 분자를 설계하고 로봇이 자동으로 실험하며 결과를 AI가 학습하는 폐쇄 루프가 중요하다고 본다. 모델 데이터 자동화 실험실 간의 연결이 신약 개발 경쟁력의 핵심이라고 설명한다. 빅파마의 변화도 신속하게 이뤄지고 있으며 일라이 릴리와의 계약 논의도 수개월 내에 체결될 만큼 현장 반응은 빠르다. 임상시험이 여전히 큰 병목으로 남아 있어, AI가 유전자, 단백질, 병력 데이터를 임베딩 형태로 분석해 어떤 환자가 특정 약물에 잘 반응하는지 예측하는 방향으로 바뀔 전망이다. 후보물질도 수백~수천 개의 설계가 가능해지며, 더 높은 성공 확률을 기대한다. AGI와 바이오의 관계에 대해선 범용 AI보다 생물학에 특화된 모델들의 협업이 더 현실적이라고 보인다.
가장 중요한 메시지는 AI 바이오의 본질이 논문 요약이 아니라 원자를 프로그래밍하는 데 있으며, 향후 승부처는 단백질과 항체 설계의 정확성과 이를 실험과 빠르게 연결하는 학습 루프의 효율성에 달려 있다는 점이다.
#
Absci
#
프로티나
#
차이디스커버리
#
인공지능
#
앱사이
#
생물학
#
샘알트먼
#
바이오
#
미국주식
#
단백질
#
OpenAI
#
ChaiDiscovery
#
AI항체설계
#
AI신약개발
#
AI생물학
#
AI바이오
#
AI단백질설계
#
AI
#
한국주식
