양자컴퓨터의 신약 개발 성과

 양자컴퓨터의 신약 개발 성과

- 양자컴퓨터의 활용: 양자컴퓨터를 신약 개발에 활용한 성과가 세계 최초로 발표되었다.

- 항암 후보물질 발굴: 미국의 바이오기업 인실리코메디신이 캐나다 토론토대와 협업하여 항암제 후보물질을 발굴하는 데 성공하였다.

- 연구 결과 발표: 이번 연구 결과는 ‘네이처 바이오테크놀로지’에 실렸으며, 100만 개 이상의 화합물 중 최적의 항암 신약 후보를 몇 달 만에 추려낸 것이다.

- 기대 효과: 양자컴퓨터가 신약 개발의 패러다임을 바꿀 것이라는 전망이 제기되고 있다.

KRAS 단백질과 신약 후보물질

- KRAS 단백질의 중요성: 연구팀은 췌장암, 폐암, 대장암 등을 유발하는 것으로 알려진 ‘케이라스(KRAS)’ 단백질을 표적하는 신약 후보물질을 찾아냈다.

- 기존의 실패 사례: KRAS 표적 신약 개발은 1980년대부터 글로벌 제약사들이 시도했으나 대부분 실패한 분야이다.

- 신약 후보물질의 발견: 인실리코메디신이 발견한 약물은 G12D 변이뿐만 아니라 모든 KRAS 단백질을 표적할 수 있는 것으로 알려졌다.

- 기대되는 변화: 업계에서는 40여 년 묵은 난제가 해결될 것이라는 큰 기대가 있다.

양자컴퓨터의 속도와 효율성

- 신약 후보물질 발굴 속도: 연구팀은 IBM의 16큐비트 퀀텀 프로세서를 활용하여 신약 후보물질 발굴 속도를 1만 배 이상 끌어올렸다.

- 데이터 세트 구성: 총 110만 개의 약물로 구성된 데이터 세트를 제작하였으며, 이에는 기존 약물 650개와 AI로 제조한 가상 약물 25만 개가 포함된다.

- AI 모델 학습: 생성형 AI 모델을 학습시켜 최적의 후보물질 15개를 추렸다.

- 실험 검증: 최종적으로 실험 검증을 거쳐 2개 후보군이 도출되었다.

AI와 양자컴퓨터의 결합

- 디지털 프런티어: 양자컴퓨터는 AI와 함께 제약산업의 패러다임을 바꿀 ‘디지털 프런티어’로 평가받고 있다.

- 분자 수준의 변화 예측: 양자컴퓨터는 체내에서 일어나는 분자 수준의 변화를 계산하고 예측하는 데 최적화되어 있다.

- 신약 후보물질 발굴 기여: 신약 개발의 가장 초기 단계인 신약 후보물질 발굴 과정에서 큰 기여를 할 것으로 기대된다.

- 기술의 발전: 양자컴퓨터와 AI의 결합은 치료제 개발이 불가능했던 영역에 도전할 수 있게 한다.

신약 개발의 전통적 한계

- 신약 개발 과정: 신약 개발은 수많은 화합물 중 약효를 보일 것으로 기대되는 물질을 찾아내는 과정이다.

- 전통적 방법의 한계: 기존 신약 개발은 모두 실험으로 가능성을 검증했으나, AI 도입으로 가상으로 수행할 수 있게 되었다.

- 개발 속도 증가: AI 도입으로 신약 개발 속도가 최대 수천 배로 증가하였다.

- 물리적 한계: AI 플랫폼의 정확도를 높이기 위해서는 많은 데이터를 학습해야 하나, 이를 감당할 하드웨어 인프라가 부족하다.

AI 신약 개발의 발전

- 단백질 의약품 개발: 양자컴퓨터 기술 발전은 단백질 신약으로도 AI 신약 개발의 영역을 확장하는 데 기여하고 있다.

- 최근 성공 사례: 노보노디스크의 비만약 ‘위고비’와 머크의 항암제 ‘키트루다’ 등 최근 수십조원의 매출을 올리는 약물은 대부분 단백질 의약품이다.

- AI 활용 시장 성장: AI를 활용한 제약 및 의료 시장 규모는 지난해 209억 달러에서 2029년 1484억 달러로 연평균 48%씩 성장할 것으로 전망된다.

- IT 기업의 참여: 엔비디아, 마이크로소프트 등 정보기술(IT) 기업도 양자컴퓨팅을 기반으로 신약 개발 분야에 뛰어들고 있다.