신약개발부터 생산까지···AI가 앞당기는 '바이오 혁신'

AI 딥러닝으로 의약품 부작용 신속 분석

데이터 기반 효소 기능·약물 효과 예측

이상엽 KAIST 교수가 26일 '2026 글로벌 바이오 콘퍼런스(GBC)'에서 '시스템 대사공학에서 AI 통합 바이오테크놀로지까지'를 주제로 기조강연을 하고 있다. 사진=안다하 기자

인공지능(AI)이 바이오 연구의 속도를 끌어올리는 도구로 자리 잡고 있다. 단백질 기능을 분석하는 데 걸리는 시간을 크게 줄이는 것은 물론 약물 부작용 예측과 신약 개발에 이르기까지 활용 범위도 넓어졌다. 다만 연구 현장에서 AI를 제대로 활용하려면 정확한 학습 데이터와 이를 확인하는 검증 과정이 필수적이라고 전문가들은 조언한다.

26일 이상엽 한국과학기술원(KAIST) 교수는 서울 그랜드 인터컨티넨탈 서울 파르나스에서 열린 '2026 글로벌 바이오 콘퍼런스(GBC)' 기조강연에서 '시스템 대사공학에서 AI 통합 바이오테크놀로지까지'를 주제로 발표하고 AI를 바이오 연구와 생산에 활용한 사례를 공유했다.

강연 중 이상엽 교수는 "앞으로 바이오와 메디컬, 엔지니어링, AI가 통합되지 않고는 기술 발전이 어렵다"며 혁신의 필요성을 역설했다.

3400만개 단백질 분석 150년→10일···AI로 연구 속도 높여

이 교수 연구팀은 2016년부터 시스템 대사공학 연구에 AI를 본격적으로 활용했다. 시스템 대사공학은 대사공학에 시스템생물학과 합성생물학, 진화공학 등을 접목해 미생물이 원하는 물질을 효율적으로 생산하도록 만드는 기술을 뜻한다.

대표적인 AI 활용 사례는 단백질 서열을 바탕으로 효소 기능을 예측하는 딥러닝 시스템이다. 미생물을 이용해 원하는 물질을 생산하기 위해서는 각 효소가 어떤 기능을 하는지 파악하는 과정이 요구된다.

연구팀은 단백질 서열을 분석해 효소 여부와 세부 기능을 단계적으로 예측하는 시스템을 개발했다. 이를 활용해 약 3400만개 단백질의 기능을 분석했다.

이 교수는 기존 방법으로 같은 규모의 단백질 기능을 분석하면 약 150년이 걸리는 반면 연구팀이 개발한 시스템을 활용하면 10일 이내에 가능했다고 설명했다.

이후 트랜스포머 기술도 접목했다. 이 교수는 이를 적용하면서 효소 기능 예측 정확도를 높였고, 연구진이 별도로 가르치지 않은 기질·생성물 결합 부위와 보조인자 결합 부위 등의 특징도 AI가 파악했다고 소개했다.

시스템 대사공학을 활용한 생산 연구도 이어졌다. 연구팀은 미생물을 활용해 가솔린과 생분해성 플라스틱, 스파이더 실크 단백질, 루테인 등을 생산하는 연구를 진행해왔다.

특히 이 교수는 화석 원료 대신 재생 가능한 원료를 활용해 화학물질을 생산하는 방안을 소개했다. 스파이더 실크 단백질은 상처 치유 효과를 활용한 제품 개발로 이어지고 있으며, 루테인은 상용화를 위한 증산 연구를 진행했다고 부연했다. 새로운 방식으로 생산한 소재와 식품이 실제 시장에 진입하기 위해서는 규제기관의 허가도 필요하다고 덧붙였다.

약물 부작용도 AI로 예측···"로데이터(raw data) 정확도가 가장 중요"

AI 활용 범위는 의약품 부작용 예측과 신약 개발로도 넓어지고 있다.

이 교수는 허가 의약품 2159개를 두 종류씩 조합하면 약 230만개의 조합이 만들어지지만 당시 알려진 부작용은 약 46만개였다고 설명했다. 알려지지 않은 약물 조합이 많은 만큼 AI를 활용해 부작용 가능성을 예측하는 연구에 나선 것이다.

연구팀은 딥러닝을 활용해 약물 간 부작용을 예측하고, 부작용 위험이 있는 약물을 대신할 수 있는 대체 약물을 찾는 연구도 진행했다. 부작용 예측뿐 아니라 대체 가능한 약물을 찾는 데도 AI를 활용할 수 있다는 게 이 교수의 전언이다.

AI는 신약 개발에도 활용되고 있다. 이 교수는 AI를 이용해 신약 후보를 탐색하는 등 의약품 개발 과정에서 활용할 수 있는 사례를 제시했다.

다만 AI의 활용 범위가 넓어질수록 학습에 사용되는 데이터와 결과를 검증하는 과정도 중요하다고 강조했다.

이 교수는 바이오 분야에서 AI의 신뢰성을 높이기 위해 가장 중요하게 고려해야 할 부분을 묻는 질문에 "모든 AI 활용 분야와 똑같이 학습에 쓰인 데이터의 정확도가 제일 중요하다"며 "그다음은 추론하는 기법"이라고 강조했다.

이어 AI가 내놓은 결과에 대해서는 "기본적으로 못 믿는다는 것"이라면서도 "내가 생각하지 못할 정도의 속도와 효율로 많은 답을 제시하기 때문에 그 답이 맞는지 안 맞는지를 검증하는 정도의 투자는 당연히 해야 한다"고 제언했다.

그러면서 "비용이나 시간, 노력을 많이 아낄 수 있고, 개발 가능성이 낮다고 판단되는 경우에도 빠르게 의사결정을 내릴 수 있다"고 귀띔했다.

한편 올해로 12회를 맞은 GBC는 바이오의약품 분야의 최신 개발 동향과 규제 이슈를 공유하는 국제 행사다. 올해는 '바이오 대도약, 혁신에 속도를 더하다'를 주제로 오는 28일까지 서울 그랜드 인터컨티넨탈 서울 파르나스에서 열린다.