[헬스코리아뉴스] 구글 딥마인드의 알파폴드가 2024년 노벨 화학상을 거머쥐며 단백질 구조 예측의 시대를 연 지 얼마 지나지 않아, 실제 산업 현장에서 그 결실이 확인되고 있다. 중국 바이오 스타트업 마인드랭크(MindRank))의 비만 치료제 'MDR-001'이 임상 3상에 진입했다는 소식은 AI가 실질적인 '치료제'의 영역으로 빠르게 침투하고 있음을 보여준다.

이번 성과의 가장 큰 의미는 AI가 가진 '이론적 잠재력'이 '상업적 결과물'로 치환되기 시작했다는 점이다. 알파폴드(AlphaFold)가 단백질 지도를 그리는 정교한 지침서 역할을 했다면, 마인드랭크의 사례는 그 지침서를 활용해 실제 집(신약)을 지어 올린 셈이다. 특히 현재 글로벌 제약 시장에서 가장 뜨거운 분야인 비만 치료제(GLP-1) 시장에서 AI 기반 신약이 최종 임상 단계에 진입했다는 것은 기술적 완성도가 이미 실전 궤도에 올랐다는 의미다.

마인드랭크가 활용한 검색 증강 생성(RAG) 기술과 대형 언어 모델의 결합은 기술적으로 매우 주목할 만한 대목이다. 이는 AI가 단순히 과거 데이터를 나열하는 수준을 넘어, 방대한 바이오 문헌과 최신 연구 데이터를 실시간으로 참조하며 '지능형 추론'을 수행했음을 보여준다. 97%라는 경이로운 표적 식별 정확도는 AI가 연구자의 직관을 보조하는 수준에 그치지 않고, 실패 확률을 획기적으로 낮추는 '정밀 내비게이터'가 되었음을 입증한 것이다.

특히 '인간 전문가의 역할'은 AI 시대의 진정한 혁신이 어디에 있는지를 실감케 한다. AI가 후보물질 설계의 속도를 높이고 비용을 60% 절감하는 '하이테크'를 담당한다면, 어떤 질병을 타격할지(Target)와 임상 전략을 짜는 '하이터치'는 여전히 인간의 몫이다. 결국 AI 신약 개발의 승패는 'AI 기술력 그 자체'보다, AI의 결과물을 전략적으로 판단하고 임상이라는 거대한 장벽을 넘어서게 만드는 '인간과 AI의 협업 시스템'에 달려 있는 셈이다.

마인드랭크의 사례는 AI 신약 개발이 더 이상 '미래의 가능성'이 아닌 '현재의 실체'임을 확인한 것이다. 2029년 시장 출시라는 목표가 현실화된다면, 우리는 인류 역사상 가장 빠르고 효율적으로 만들어진 신약을 만나게 될 것이다. AI를 어떻게 활용할 것인가를 넘어, 어떻게 하면 AI와 함께 임상 성공이라는 '최종 관문'을 더 안전하고 빠르게 통과할 것인지에 대한 범국가적 고민이 필요한 시점이다.

※2024년 노벨 화학상 수상자는 AI?

2024년 노벨 화학상은 '알파고의 아버지'로 불리는 데미스 허사비스(Demis Hassabis) 구글 딥마인드(Google DeepMind) 공동 창업자 겸 CEO, 존 점퍼(John M. Jumper) 구글 딥마인드 수석연구 과학자, 그리고 데이비드 베이커(David Baker) 미국 워싱턴대(University of Washington) 교수 등 3명의 연구자에게 돌아갔다. 인류가 50년 동안 풀지 못했던 생물학의 난제를 해결한 공로다.

당시 수상을 두고 많은 언론은 "AI가 노벨상을 받았다"고 표현했다. 공식적인 수상자는 '인간 3명'이지만, 그들이 만든 '알파폴드'라는 AI 모델이 수상의 결정적인 이유가 되었기 때문이다. 바꿔 말하면 상금과 상장은 데미스 허사비스, 존 점퍼, 데이비드 베이커라는 세 명의 과학자가 받았지만, 그 영광의 일등 공신은 그들이 만든 AI 모델 '알파폴드'였던 것이다.

그렇다면 알파폴드는 어떻게 이 상을 받을 수 있었을까. 그 핵심 내용은 크게 세 가지 포인트로 요약·정리할 수 있다.

①50년의 난제 '단백질 구조 예측' 해결

단백질은 수십~수천 개의 아미노산이 사슬처럼 연결되어 복잡하게 꼬인 3차원 구조를 가지고 있다. 이 구조가 곧 단백질의 기능을 결정하는데, 그동안은 아미노산 순서만 보고 어떻게 접힐지 예측하는 것이 불가능에 가까웠다. 구글 딥마인드가 개발한 알파폴드(AlphaFold)는 AI를 통해 이 구조를 단 몇 분 만에 90% 이상의 정확도로 예측해내며 50년 된 과학계의 숙제를 한방에 풀어냈다.

②연구 기간의 획기적 단축

기존에는 단백질 하나의 구조를 밝히기 위해 엑스레이나 전자현미경을 활용해 수년씩 연구를 해야했다. 하지만 알파폴드는 이를 단 몇 시간, 심지어 몇 분으로 줄였다. 덕분에 과학자들은 질병의 원인이 되는 단백질 구조를 순식간에 파악하고, 이에 딱 맞는 약물을 설계할 수 있게 된 것이다. 중국의 마인드랭크가 신약 개발 기간을 크게 단축한 것도 이러한 기술적 흐름 위에서 이해할 수 있다. [아래 관련기사 참조]

③인류를 위한 '데이터 민주화'

구글 딥마인드는 전 세계에 알려진 거의 모든 단백질(약 2억 개 이상)의 예측 구조를 무료로 공개했다. 전 세계 200만 명 이상의 연구자가 이 데이터를 활용해 암, 알츠하이머 치료법을 연구하거나 플라스틱 분해 효소를 만드는 등 인류 공통의 문제를 해결하는 데 큰 도움을 얻고 있다.

결국, 2024년 노벨 화학상은 단백질 지도를 그리는 데 평생을 바쳐야 했던 과거와 달리, 구글 맵을 켜듯 손쉽게 단백질 구조를 검색할 수 있는 시대를 연 AI에게 수상의 영예가 돌아간 셈이다.