오늘 끝나면
신약 발견
- ✓신약 발견의 핵심 문제를 한 문장으로 설명한다
- ✓오른쪽 실습에서 신약이 어떻게 움직이는지 관찰한다
- ✓다음 강의와 이어지는 한계를 말할 수 있다
실습 미션
분자를 자동으로 스크리닝하다 이 문장이 실제로 무슨 뜻인지 실습에서 한 번 손으로 확인한다.
성공 조건
- □실습의 기본값을 먼저 관찰
- □입력값이나 모드를 한 번 이상 바꿔 결과 비교
- □왜 결과가 바뀌었는지 한 문장으로 설명
Autonomous Lab · 14
신약
발견
약이 될 분자 후보는 천문학적으로 많다.
생성모델이 후보를 제안하고, 로봇이 합성하고 검정하고, 결과를 다시 학습한다.
자율 루프가 이 사이클을 사람보다 빠르고 지치지 않게 돌린다.
후보 분자는 천문학적이다
약이 될 만한 작은 분자(소분자)의 경우의 수는 흔히 10⁶⁰ 규모로 추정된다. 우주의 별보다 많다.
그중 실제로 합성돼 시험된 분자는 10⁸ 정도다. 알려진 공간은 전체의 먼지 한 톨도 안 된다. 어딘가에 좋은 약이 묻혀 있지만, 전부 만들어 시험하는 건 영원히 불가능하다.
전통 신약 개발이 한 약에 평균 10년 이상 · 수조 원이 드는 이유다. 대부분이 후보를 만들고 버리는 반복이다. 그래서 진짜 문제는 하나다. 이 거대한 공간에서 어디를 찍어 만들고 시험할까.
10⁶⁰약 될 만한 소분자 전체(추정)
10⁸지금까지 합성·시험된 분자
10³한 프로그램이 실제 다루는 후보
~20임상까지 가는 약(연간)
전체를 만들어 보는 건 불가능하다. 어디를 찍을지가 전부다
생성 → 합성 → 검정 → 학습
자율랩의 핵심은 네 단계를 끊김 없이 도는 클로즈드 루프다. 사람은 목표만 주고, 루프가 알아서 좁힌다.
생성모델이 원하는 성질(활성, 용해도 등)에 맞는 분자 구조를 새로 제안한다. 그걸 로봇이 합성하고, 자동 분석기가 검정해 활성과 독성을 잰다. 결과는 다시 모델로 들어가 학습된다.
한 바퀴 돌 때마다 모델이 똑똑해지고, 다음 제안이 더 정밀해진다. Coscientist는 LLM이 문헌을 읽고 실험을 설계하고 코딩하고 실행하는 식으로 이 루프를 엮었다. A-Lab은 같은 구조로 17일간 41종 신소재를 자동 합성했다.
Coscientist와 A-Lab, 사람 없이 이 네 칸이 자동으로 돈다
직접 돌려보기, 분자 스크리닝
가로축은 활성(약효), 세로축은 독성이다. 목표는 우하단, 즉 활성 높고 독성 낮은 히트 존이다.
0사이클은 후보 공간에 점을 넓게 흩뿌린 상태다. 어디가 좋은지 아직 모른다. [다음 사이클]을 누르면 생성모델이 점수 높은 쪽으로 다음 배치를 제안하고, 로봇이 합성하고 검정해 데이터에 넣는다.
누를수록 점 구름이 히트 존으로 이동하고, 히트 개수가 늘고, 최고 점수 분자가 리드로 승격된다. 풀 전체를 무작위로 훑는 대신 유망한 데만 집중적으로 판다. 이게 자율랩이 검정 횟수를 줄이는 방식이다.
0사이클은 후보 공간에 넓게 흩뿌린 상태다. 아직 어디가 좋은지 모른다. 누르면 생성모델이 점수 높은 쪽으로 다음 배치를 제안하고, 로봇이 검정한다.
히트에서 리드로
처음 찾은 활성 분자를 히트라 한다. 히트는 약효가 보일 뿐, 아직 약이 아니다. 약으로 다듬는 과정이 리드 최적화다.
히트 하나 주변으로 곁가지를 바꾼 유사 분자(유도체) 수백 개를 자동으로 만들어 시험한다. 활성은 더 올리고, 독성과 용해도와 대사 안정성은 약 기준에 맞게 조율한다. 한 성질을 올리면 다른 성질이 무너지는 줄다리기다.
자율 루프는 이 줄다리기를 빠르게 돌린다. 한 번 합성하고 검정하는 데 며칠이 아니라 몇 시간이 걸리게 만들어, 같은 기간에 훨씬 많은 유도체를 훑는다. 히트 발굴부터 리드 확정까지 걸리던 시간을 크게 줄인다.
자율 루프가 깔때기를 빠르게 돌린다. 며칠이 몇 시간으로 줄어든다
가속은 크지만, 현실 제약은 남는다
자율랩이 신약 발견의 앞단, 즉 후보 생성과 검정과 학습을 크게 가속하는 건 분명하다. 다만 만능은 아니다.
모델이 멋진 분자를 제안해도 실제로 합성이 안 되는 구조면 소용없다. 시험관 활성이 좋아도 몸 안에서는 독성과 대사와 흡수 때문에 무너지기 일쑤다. 동물 시험과 임상 시험은 여전히 길고 느리다. 자율랩은 이 뒷단까지 단축하진 못한다.
그래도 가치는 크다. 가장 비싸고 반복적인 초기 탐색을 자동화하고 고속화해 시간과 비용을 줄인다. 결론은 분명하다. 자율랩은 후보를 만들고 시험하고 배우는 사이클을 사람 손보다 빠르게 돌려, 좋은 후보에 더 일찍 닿게 한다.
Q. 신약 발견에서 자율랩의 핵심 이점은? (사람 연구자 대체 · 임상시험 생략 · 후보 생성·검정·학습을 자동·고속화 · 합성 제약 제거)
정답은 후보 생성·검정·학습을 자동·고속화다.자율랩은 거대한 후보 공간에서 유망한 분자를 제안하고 검정하고 결과를 학습하는 사이클을 사람보다 빠르게 돌린다.
임상시험을 생략하거나 합성·독성 같은 현실 제약을 없애는 건 아니다. 사람 연구자를 대체한다기보다 초기 탐색을 가속한다.
| 후보 생성생성모델이 빠르게 제안 | ▼ 크게 가속 |
| 합성·검정로봇이 사람보다 빠르다 | ▼ 크게 가속 |
| 학습 루프결과를 즉시 반영 | ▼ 크게 가속 |
| 합성 가능성못 만드는 구조면 무용 | ■ 현실 제약 |
| 체내 독성·대사시험관과 몸은 다르다 | ■ 현실 제약 |
| 동물·임상자율랩 밖의 긴 단계 | ■ 여전히 느림 |
앞단은 빨라진다. 뒷단은 여전히 길고 비싸다