사람이 먹는 약 하나가 나오기까지 과정은 매우 까다롭다. 세포 단계에서 약물 후보 물질을 발굴하고, 동물·사람에 대해 전임상·임상 과정을 거치는 과정에서 '기준 탈락' 하는 것들이 절대 다수다. 미국의 경우 평균적으로 약물 후보물질 1만개 중 인체 임상에 돌입하는 수는 단 5개. 이중 20%인 한 개만이 미국 식품의약국(FDA) 인증을 받아 상용화에 성공한다. 신약 하나가 시장에 나오기까지 통상 2조원 가량 비용과 10년 이상의 시간이 소요되는 이유다.
넷타겟은 이같은 신약 개발 과정의 기간과 비용을 줄이기 위해 인공지능(AI)를 활용하는 스타트업이다. AI를 시스템생물학에 접목해 약물 타겟과 신약 후보 물질을 발굴한다. KAIST 바이오및뇌공학과 조광현 교수 연구실에서 일했던 최민수 CEO(최고경영자)가 조 교수 등과 함께 2019년 8월 스핀아웃(분사) 형식으로 공동창업했다. 최민수 넷타겟 CEO(최고경영자)는 넷타겟에 대해 "황금알을 낳는 거위를 만드는 기업"이라고 말한다. 황금알은 신약개발 성공 가능성이 높은 타겟이고, 거위는 시스템생물학 기반 의약학 AI플랫폼이라는 설명이다.
시스템생물학은 생명 현상의 원리를 규명하기 위해 구성요소간 네트워크를 규명·분석하는 학문이다. 세포 내에 있는 수많은 유전자나 단백질 개별만이 아니라 이들이 어떻게 상호작용하는지를 알아본다. 질환이나 질병의 발생 구조(매커니즘)를 분석하는 식이기 때문에 단일 유전자 몇 개만 보는 경우보다 신약 타겟 발굴 작업의 효율성을 더 높일 수 있다.
넷타겟은 N-DB, N-MAP, N-CAP 등 AI 기반 자체 데이터베이스와 플랫폼을 활용하고 있다. N-DB는 생물학 관련 대규모 정보로 구축된 데이터베이스다. 특정 질환을 입력하면 관련 핵심 정보를 추출해준다.
AI 매커니즘 분석 플랫폼인 N-MAP을 통해서는 서로 유기적으로 연결된 체내 생체분자의 네트워크 구조를 분석하고 신약 타겟 물질을 찾는다. N-MAP은 실험문헌과 유전체 데이터를 기반으로 세포 내 생체분자 네트워크를 재구성하고, 수학적 모델링을 통해 세포 내 생명현상을 시뮬레이션으로 구현한다. 이를 통해 체내 네트워크 경로를 파악하고, 약물 표적이 될 수 있는 유전자나 단백질 등의 상호작용 등을 알아볼 수 있다.
N-CAP 플랫폼을 통해선 발굴한 타겟에 대해 적합한 약물 후보 물질을 도출한다. 발굴한 타겟이 어떤 방식으로 생체 분자 네트워크에서 이어지는지를 시뮬레이션으로 검증한다. 각종 가설을 기반으로 약물 효과를 시뮬레이션하는 가상 실험을 하는 식이다. 이 과정에서 세포 내에서 동적인 특성 변화를 유발하는 핵심인자를 찾는다. 여기서 나온 결과는 이후 실제 실험으로 검증하고, 기존 가설·수학 모델을 보완하거나 새 실험을 디자인한다.
넷타겟은 이들 과정을 기반으로 암세포 유형별 약물의 효능을 예측하고, 환자군을 분류할 수 있는 알고리즘을 개발해 국제학술지에 연구 결과를 게재하기도 했다.
넷타겟은 향후 자체 신약 물질 개발까지 사업영역을 확장할 계획이다. 이를 위해 자연과학과 공학 분야 지식을 AI 기술을 활용해 축적하고, 연구 플랫폼을 고도화하고 있다. 신약개발 초기 단계 타겟 발굴과 저분자 화합물 스크리닝 분야 등에서 강점이 있는 만큼 이를 바탕으로 AI 신약개발 시장을 공략한다는 목표다.
선한결 IT과학부 기자
