SKT-SK바이오팜, AI 활용해 난치성 암 신약 연구 속도 높였다

– 암세포 표면 단백질 ROR1 결합 가능성 보인 초기 유효물질 2종 확보
– 머신러닝·강화학습 기술로 통상 1~2년 연구 기간을 약 5개월로 줄여
– “독파모 활용 바이오 특화 LLM 개발 등 협력 범위 확대 방안도 검토 중”

SK텔레콤은 SK바이오팜과의 공동 연구에 AI를 활용, 난치성 암 표적 치료제 개발에 활용할 수 있는 초기 유효물질*을 발굴했다고 15일 밝혔다.

* 유효물질(hit): 실험에서 표적에 유효하게 결합하는 것으로 확인된 물질

양사는 이번 연구를 통해 암세포 표면에 나타나는 단백질인 ‘ROR1’에 결합할 수 있는 바인더 후보를 대량으로 생성하고 선별했다. 이후 실제 실험실 검증을 통해 이 가운데 2종의 바인더가 초기 유효물질로서 가능성을 보인다는 점을 확인했다.

바인더(binder)는 암세포와 같은 특정 표적에 결합하도록 설계된 물질이다. 새로운 바인더를 발굴하려면 표적에 잘 결합하는지, 물질의 구조가 안정적인지 등 여러 조건을 함께 살펴야 한다.

‘ROR1’은 여러 혈액암과 고형암**에서 많이 만들어지는 종양 관련 세포 표면 단백질로, 일부 암종에서 정상보다 많이 나타나 항암 표적 치료제 개발 분야에서 주목받고 있다.

** 고형암: 장기나 조직에 덩어리 형태로 생기는 암

이번 연구에서 SK바이오팜은 신약 개발 경험을 바탕으로 신규 바인더 발굴 전략을 수립했다. SKT는 AI 기술을 활용해 신규 바인더 후보를 다량 생성하고, ‘ROR1’과의 결합 가능성을 분석해 실험실 검증 대상을 선별했다.

새로운 물질 구조를 찾는 연구에서는 AI가 학습할 수 있는 데이터가 충분하지 않은 경우가 많다. 이 때문에 기존 데이터에만 의존하는 AI 방식으로는 다양한 후보를 폭넓게 탐색하는 데 한계가 있다.

이에 SKT는 단백질 조각인 프래그먼트(fragment)를 다양한 방식으로 조합하고 표현하는 머신러닝을 연구에 적용했다. 또한 강화학습(RL)을 활용, AI가 구조적 안정성이 높은 조합에 더 높은 보상을 부여해 최적의 신규 바인더 구조를 찾아가도록 했다.

선별 단계에서는 SKT의 GPU 자원을 활용해 다수의 신규 바인더 후보를 병렬로 처리했다. 이후 AI 모델을 통해 ‘ROR1’과 각 후보가 어떤 구조로 결합할 수 있는지, 실제 결합 가능성이 높은지를 빠르게 예측·분석해 실험실 검증 대상을 효율적으로 좁혔다.

그 결과, SKT와 SK바이오팜은 이번 연구를 약 5개월 만에 완료했다. 이는 기존 SK 바이오팜의 방식으로 통상 1~2년이 걸리던 신약 개발 초기 연구 기간을 60% 이상 단축한 것으로, AI가 신약 개발 초기 단계에 소요되는 시간과 비용을 줄이는 데 기여할 수 있음을 보여준다.

조동연 SK텔레콤 AI Convergence 담당은 “이번 성과를 바탕으로 독자 AI 파운데이션 모델(기반 모델)을 활용한 바이오 특화 LLM(거대언어모델) 개발 등 바이오 AI 분야 전반으로 기술 협력 범위를 확대하는 방안도 검토 중”이라고 밝혔다.