392
안녕하세요 알렉스입니다.
실리콘밸리 바이오 분야 투자 전문가인 Jorge Conde가 최근 업로드한 글을 번역해 보았습니다.
오늘날 바이오 연구의 문제점과 이를 어떻게 해결해나가고 있는지에 대해 다루고 있는데요.
관심 있으신 분들은 참고자료의 팟캐스트 영상도 함께 보시는 것을 추천드립니다.
오늘도 좋은 하루 되시기 바랍니다 :)
아, 그리고 제가 뉴스레터를 만들었습니다.
실리콘밸리 대가들의 에세이와 인터뷰를 번역한 글을 매주 수요일 저녁에 받아보실 수 있어요 :)
한 가지 약속드릴 수 있는 것은 "쓸모 있는" 글만을 보내드린다는 것이에요.
어떤 경우에도 읽는 분들의 "시간을 빼앗는" 글은 없을 것이라고 약속드릴게요.
아래 링크에서 이메일만 입력하시면 바로 신청됩니다 :)
<Faster Science, Better Drugs>
바이오는 발전속도가 너무 느리다.
바이오가 까다로운 분야인 것은 인류가 아는 가장 복잡한 시스템을 다루면서도, 아직 완전히 이해하지 못한 언어(DNA)로 소통해야 하기 때문이다. 시스템 자체의 문제도 존재한다. 연구자들은 각자 자기 분야에만 매달리도록 교육받고, 실제 문제 해결보다는 논문 발표로 평가받으며, 여러 기관에 뿔뿔이 흩어져 있어 협업이 이루어지지 않는다.
Arc는 연구 방식 자체를 바꾸려 한다.
Patrick Hsu와 Arc 연구소는 바이오 연구가 이뤄지는 방식에 대해 새로운 실험을 하고 있다. 신경과학, 면역학, 유전체학, AI를 한곳에 모아 과학자들이 교류할 기회를 늘리고, 공통된 문제를 다루도록하며, 빠르게 임팩트가 큰 성과를 낼 수 있는 환경을 만드는 것이 핵심이다.
가상 세포는 생물학계에 AlphaFold나 ChatGPT 같은 전환점이 될 수 있다.
AlphaFold가 단백질 구조 예측 방식을 완전히 바꿔놓았듯이, 가상 세포(virtual cell) 모델도 생물학 연구를 혁신할 수 있다. 가상 세포는 세포가 외부 자극에 어떻게 반응하는지 시뮬레이션해서, 연구자들이 실험실에서 몇 년씩 걸리는 실험을 하기 전에 컴퓨터로 먼저 검증해볼 수 있게 해준다. 사람을 대상으로 한 안전성 검증 같은 단계를 건너뛸 수는 없겠지만, 더 나은 타겟을 고르고 더 효과적인 약물을 설계해서 성공 가능성을 높여주는 방식으로 초기 연구 단계를 훨씬 효율적으로 만들어줄 것이다.
바이오 AI 분야의 과장, 기대, 그리고 현실.
독성을 높은 정확도로 예측할 수 있다고 과장하지만 막상 뚜껑을 열어보면 그만한 성능을 보여주지 못하는 AI 모델들이 많다. 반면 가상 세포 기술은 아직 완성되지 않았지만, 성공한다면 연구 방식 자체를 뿌리부터 바꿔놓을 수 있다는 점에서 기대를 모으고 있다. 그리고 이미 눈에 보이는 실제 성과를 내고 있는 분야들도 있다. 예를 들어 단백질 설계 분야에서는 알고리즘이 원하는 기능을 가진 분자를 직접 만들어내고 있고, 유전체학에서는 사람이 평생 걸려도 처리하기 어려운 막대한 양의 데이터를 AI가 순식간에 분석해내고 있다.
더 정교한 모델은 우리의 성공률을 끌어올릴 것이다.
신약 개발은 참담할 정도로 비효율적이다. 약물 후보의 약 90%가 임상시험에서 탈락하는데, 대부분 애초에 잘못된 타겟을 잡았거나 엉뚱한 약물을 만들었기 때문이다. 더 똑똑한 모델이 있다면 이런 실수들을 미리 걸러낼 수 있어서, 성공률도 높이고 실험실에서 환자에게 전달되기까지의 긴 과정도 더 빠르고 저렴하게 만들 수 있을 것이다.
GLP-1은 약물 효과가 확실할 때 어떤 일이 일어나는지 보여준다.
GLP-1 계열 약물들이 대박을 터뜨린 이유는 간단하다. 많은 환자들에게 눈에 띄는 확실한 효과를 보여줬기 때문이다. 이는 효과가 분명한 치료법이 얼마나 큰 가치를 창출하는지를 잘 보여주는 사례다. 바이오텍 업계가 여기서 배워야 할 점은 효율성의 진짜 의미다. 단순히 개발 비용을 줄이고 시간을 단축하는 것만이 아니라, 애초에 효과가 크고 성공 여부를 빨리 확인할 수 있는 약물을 만드는 것이 더 중요하다는 교훈을 준다.
참고자료
https://x.com/JorgeCondeBio/status/1967602192728338779/photo/1
0
0
1