AI 잘하는 기업이 신약개발을 점령한다... NVIDIA 등 국내외 AI 기술 기업들이 ‘생성형 AI'와 ’유전체 데이터‘에 집중하는 이유!

NVIDIA가 발표한 AI 신약개발 플랫폼 BioNemo이후 제약회사 암젠과의 협력, 리커전 투자 등 AI 기술기업과 기존 제약 업계의 합종연횡이 이루어지고 있는 상황. 기존 CADD 신약개발 방식보다도 훨씬 더 빠르게 신약 개발이 가능한 생성형 AI 기반 신약개발로 무게중심이 옮겨오면서, 빅파마를 비롯한 수많은 기존 제약회사들보다 AI 기술과 컴퓨팅 환경을 갖춘 기업의 경쟁력이 더 주목받고 있습니다. 국내에서는 KAIST에서 시작한 스타트업 히츠 등 또한 AI 가 핵심 경쟁력이 되다 보니 진단에서 주목받던 이미지 중심 데이터보다, 실제 유전체 데이터 기반의 학습과 추론이 더 각광받는데요. AI 신약개발의 전반적인 현 상황과, 실제 중요한 데이터에 대해 정리하였습니다.
#엔비디아 #신약개발 #생성형AI
Written by Error
Edited by 이진이
[e-mail]

[@sck2011]

제 전공이네요.. 약학대 학사 졸업 후 유기제조학 대학원 석사. 10년이 지난 지금 다른 일을 하고있지만..여튼 당시 약물 + 단백질 결합을 컴퓨터로 빠르게 예측 할수있으면 실험조차 필요없다는 생각을 다들 갖고는 있었는데 생각보다 미래가 빨리 찾아왔네요. 정말 과학 발전빠릅니다ㅎㅎ 당시만해도 단백질 아미노산 서열을 가지고 있어도 어떻게 접힐지 예측을 못하니 그거부터가 난제였거든요. 컴퓨터로도 힘들다 다들 그렇게 생각했었는데 이제 하나하나씩 빠르게 해결되면 사실상 신약이 쏟아질듯합니다..

[@aiphdssong]

저는 현재 mri를 분석하는 일을 하고 단백질 분석을 개인 공부로 하고 있습니다. 좀더 빨리 만나뵈었다면 많이 여쭤봤을텐데 아쉽네요 ㅎㅎ

[@anamnesis9575]

2 여년전 양자컴퓨팅 관련 인턴을 하면서 리서치들을 해볼 기회가 있었는데
당시 접근 분야중에서 알파폴드 처럼 프로틴 폴딩을 양자인코딩 하는 방법에 대한 방법에 대한 랜드스케이프 조사로 오늘 소개된 분야 관련해 살짝 발담가 봤었는데
당시에 알파폴드2 나올떄만 보더라도 먼 미래 처럼 보였는데 생각보다 변곡점이 빠르게 온거 같네요
당시만 하더라도 이러한 컴퓨팅에 관한 한계 이슈로 조금은 양자컴퓨터가 이슈를 흡수했는데 생성형 모델들이 등장하면서 이제 완전히 옮겨가고 실제로 이건 결과를 빠르게 가져올거 같네요 ㄷㄷ

[@MATZ232]

질문이 있습니다! Ai라는 것은 결국 데이터를 토대로 새로운 정보를 학습한다~인데 새로운 물질들끼리의 조합은 사실 컴퓨터로 예측하는 것과 다르게 실제 반응 결과는 많이 다른 것으로 알고 있습니다. 그럼 여기서 질문은, 실제로 나타나는 반응들은 예측과는 많이 다른 것인데, 이러한 ai 플랫폼이 실제 결과값이랑 어떻게 유사한 결과물을 도출하는 데에 기여한다는 것이라고 생각하시나요?

[@shk1506]

@@MATZ232 ai가 찾아낸 후보물질을 사람이 실제 실험으로 검증 -> 해당 검증값도 ai에 학습 -> 반복.

[@bati4015]

​@@shk1506
그러기에는 ai학습에 필요한 임상 data가 많이필요할텐데 결국 기존 방법으로 임상을 진행하는거 대비 개발 효율이 향상될거 같진 않은데요?

[@서윤오-z1i]

역시최고예요~~좋은정보ㅈ감사합니다

[@정규성-l3w]

고맙습니다.

[@안다-l5g]

감사합니다~^^
역시 짱입니다

[@DOCTOR-KJ]

7번입니다. ㅋㅋㅋ
정말 궁금했던 내용 상세한 설명에 감사합니다. 몇 번 돌려봐야겠습니다.

[@sdkfgnrjdi]

미국 바이오텍에서 관련 분야 일하고 있는데 결국 여기서도 데이터가 핵심이죠 garbage in garbage out. 데이터를 잔뜩 가지고 있는 빅파마들이 자체 AI 팀이 있기도 하고 바이오텍이나 빅테크들이랑 협업해서 후보물질을 찾지만 그 후에도 임상부터 fda승인 판매까지 갈길이 멀기 때문에 결국 주도권은 빅파마에 계속 있을거라고 생각합니다

[@에디트-l3o]

AI신약개발이 너무 기대되네요~ 새소식 있을 때마다 알려주세요~ 감사합니다^^

[@skchoi6956]

에러님의 지식의 확장 범위가 놀랍습니다. 신약 개발과 이에 따른 AI 바이오. 이제 공학에서 AI까지 확장하시는 에러님의 인사이트에 경의를 표합니다. 영상 고맙습니다.^^

[@이효석아카데미-v1y]

정말 최고네요~ !!!

[@유태조]

감사합니다🙇🏻 안될공학 화이팅~~~!!!

[@sangtaepark3150]

감사합니다😊

[@임상미술치료사.화가]

인간의 수명이 엄청늘겁니다. 신약의 기존의 씨스템을 갖고있는 산업체가 우위를 갖을수밖에 없습니다. 특허란자체도 생뚱맞게 나오는것이아니라 응용과학이죠. 즉 모든학문이 응용을 필요로하는 개발자체가 쉬워진다는 것입니다.정말설명잘하시네요. 고맙습니다

[@mapx2100]

AI 가 인간이 어려워하는 분야를 하나씩 깨나가고 있네요.
정말 AI 가 스스로 계획을 세우고 스스로 개선해나가기 시작하면 그때가 특이점이 되겠죠.

[@gunwookpark7698]

유전체 데이터 수집도 중요하지만, 인간 생명활동을 위한 실제 기능은 단백질이고, 신약에 바이딩하는 것도 단백질이니 단백질 데이터 수집도 중요할 것 같습니다^*

[@백영래-u3x]

저도 제약 분야에 AI 에 적용하는 것에 관심이 많은데 일단 도메인 지식이 필요합니다. 생물학 + 화학 + 통계학은 기본입니다.

[@perfectblue9647]

모든 분야가 그렇죠. 다만 이제 개개인의 생산성이 비약적으로 증가한다는 것과, 특히나 생명쪽 분야에선 라이센스를 취득해 암기된 내용들의 정해진 패턴을 통해 진단하는 직업들의 실질적 효용성이 의심되기 시작한다는 점이 달라지는것 같아요.

[@원래머쓱]

그 지식 ai가 기본으로 깔고있기에 프로그램 다룰줄만알면됨

[@백영래-u3x]

@@원래머쓱 사칙연산이 먼지도 모르면서 어떻게 코딩해서 계산기를 만들수 있을까요?

[@조니비]

유기화학도 같다고 생각해요.
분자간 반응을 Ai로 환경을 만들어 돌린다면 분명히 새로운 화합물들을 만들어 낼꺼에요. 그럼 인간은다양한 신소재를 만나볼꺼 같군요.
Ai를 빨리 도입하는 회사일수록 앞서나가는거에요.

[@tommyjanak7330]

신약은 양자컴을 활용한 AI기업일듯
다만, 기반 데이터를 누적한 제약사가 AI를 쓰겠죠

[@gonlssgon]

AI바이오 관심많은데 쉽게 설명해주셔서 감사합니다.

[@mg850103]

감사합니다

[@백조-o2r]

와 안될공학님의 재능 감사드립니다

[@김현석-g9z]

생성이라기 보다는 어떻게 생성해야 하나, 혹은 생성 뒤 어떤 놈을 골라야 하나가 핵심입니다. 왜냐하면 컴퓨터를 떠나는 순간부터 실제 실험에 소요되는 시간과 비용이 급격하게 증가하기 때문에

[@0insu1]

AI 반도체 원탑인 엔비디아가 신약까지 성공한다면 그야말로 끝판왕이 되겠네요.. ㄷㄷ

[@sjyoon0603]

에러님 좋은 영상 감사영! 엔비디아 주식 사면 되나용?

[@신인성-j4f]

Cadd 생성형Ai
둘다 다하는 기업이 신테카바이오 인데
안될공학님...아쉽네요
그래도 신테카바이오 언급 감사합니다..

[@cheesebombjalapeno]

구글, 마이크로소포트, 엔비디아

[@alonelyguystaste9331]

방향은 맞지만 방법이 틀렸어요. 문제를 전혀 이해하지 못하고 해답만 찾고 있네요.

[@timphil2958]

바닥 삶의 개인적 체험으로 체험하이테크의 최고봉에서 히든핸드와 자율시장성장원칙을 이해하는 젠슨 황은 항상 주주를 생각하는 적절한 주식분할원리등 시장핵심도 잊지 않고있다.

[@MATZ232]

질문이 있습니다! Ai라는 것은 결국 데이터를 토대로 새로운 정보를 학습한다~인데 새로운 물질들끼리의 조합은 사실 컴퓨터로 예측하는 것과 다르게 실제 반응 결과는 많이 다른 것으로 알고 있습니다. 그럼 여기서 질문은, 임상 데이터를 결국 사람이 직접 해야한다면, ai가 어떤 의미에서 기여를 한다는 것인가요? 시간 단축은 사실 임상 실험 필요성 조차도 줄인다는 것이 나와야 의미가 있는 것이라고 생각해서요

[@sdkfgnrjdi]

타겟 단백질 선정부터 후보물질 탐색, 임상 등 각 단계마다 ai가 할 수 있는 영역이 있겠지만 영상에서 나온 건 주로 임상 전 부분을 이야기하는게 맞죠 그 부분에서 시간과 비용을 단축하고 임상에서의 성공 확률을 높인다면 큰 기여를 하는거죠. 임상이 필요없을 정도로 정확한 예측을 하는건 불가능하겠지만 정확성을 높여서 시간과 비용을 줄이는거죠

[@MATZ232]

@@sdkfgnrjdi 그럼 이미 수학&과학적 계산으로 어느정도 후보물질 탐색과 같은 임상 전 단계를 예측하는 방법이 존재했는데, 그 부분이 현재 ai로 시간 단축한다는 의미일까요? 왜냐하면 제가 정말 이해가 어려운 부분은 사실 실제로 원하는 결과물이 구현이 되냐가 핵심인 것인데, 대체 ai가 어떤 부분에서 혁신을 보이고있다는 것인지가 이해가 어렵네요. 개인적으로 실험 단계에서의 시간 단축이 생물학에서의 연구에서 키포인트라고 생각하거든요. 어떤건 문제가 1년 뒤에 발생하는 것이 아니라 10년 20년 걸리는 것도 있으니깐요.

[@sdkfgnrjdi]

@@MATZ232 실험 단계에서의 시간 단축을 여러가지 방법으로 생각할 수 있을 것 같은데 시행착오를 줄이는 것도 실험의 시간 비용 단축으로 볼 수 있지 않을까요? 기존의 수확, 과학적 계산방법이 있지만 좀 더 정확한 단백질 구조 예측, chemical property 예측, 생성형 AI이용한 drug design, NLP이용해서 효율적인 문헌 탐색 등으로 타겟 선정등의 정확성이 좋아지면 실험까지 갈 후보군을 선정하는데 도움이 되니깐요. 물론 로봇을 이용해서 highthroughput 실험 자체를 효율을 올린다던지 직접적으로 실험의 속도를 올리는 것도 도움이 되겠지요.

[@uunsword]

보통 이런 영상들이 올라오면 주가는 고점이던데 ㅋㅋ

[@Zeddy27182]

언제쯤 수학을 잘하는 AI가 나올 수 있을까요? 딥러닝이 아닌 또 다른 학습 시스템이 필요한 시점. 수학을 정복해야 AGI의 시대가 열린다 봅니다.

[@Zeddy27182]

@@365naturally 저도 미국에서 Math&CS 복수 전공중인 학부생입니다.
Alpha Geometry 말씀하시는 거면 알고 있어요. 역시 Deep Mind가 대단하죠.
AI쪽이시니 잘 아시겠지만 지금 LLM 모델들은 고등학교는 몰라도 대학 학부 수준 기본 문제도 잘 못 풉니다. 특히나 probabilty, statistics 쪽은 아예 못 풀거나 틀리게 풀 수 밖에 없죠. 그나마 algebra, calculus 등 대수적으로 표현 가능한 부분은 어느 정도는 하긴 합니다만 아직 한계가 명확합니다. 애초에 LLM 모델과는 맞지 않다 생각해요🤔

[@리드-w7k]

​@@Zeddy27182LLM 모델이 연속적인 수학 구조물을 이해하는게 불가능할거 같진 않던데

[@Zeddy27182]

@@리드-w7k 연속적인 수학 구조는 무엇을 말씀하시는 건가요?🤔
쉽게 설명드리면 LLM은 확률을 기반으로 대답을 작성합니다. 그러니 자연스러운 대화를 할 수 있는 거죠.
하지만 수학은 확률이 아니라 논리로 전개되는 학문입니다. 반례라는 것은 명제가 성립하지 않는 단 "하나"의 예입니다. 999천억 경우가 성립해도 단 1개만 틀리게 되면 그 명제는 거짓이죠.
또 다른 예로 조건부 확률 문제 같은 경우 다음처럼 순서와 조건만 바꿔도 답이 달라지는 경우들이 많죠.
동전을 두 번 던진다. 이 때,
1. 첫번째 앞면이 나오고 두번째 뒷면이 나올 확률은?
2. 두번째 뒷면이 나왔을 때 첫번째 앞면이 나왔을 확률은?
1번은 1/4, 2번은 1/2이죠. ChatGPT는 이처럼 문장제 문제에 취약합니다. 그래도 미적이나 대수 파트는 어느 정도하지만 이 또한 완벽하지는 않구요. 벤치마크 봐도 현재 모든 LLM들 수학 실력은 50% 이하입니다. 다른 분야들은 90% 이상이구요. 이게 명백한 수치적인 증거에요.
제가 과제할 때 ChatGPT 쓰는데 수학은 안 씁니다. 너무 틀리는 경우가 많아서에요.

[@riview2698]

젠슨황의 끝없는 혁신 ^^^
누구처럼 말로 ^^ 않고
참 ! 믿을만한 경영자 ceo !!
투자가치가 충분한 ^^^

[@goggo9875]

희귀병가지고 태어난분들이 해택을 많이 받았으면 좋겠어요 무슨무슨 약이 개발 됬다고 하면 현실에 벽 1억이 넘는 약값 때문에 기술이 좋아져도 얼마나 비쌀까 생각이 떨쳐낼 수 가없어요.....

[@user-ht2gd3lu8d]

진짜 제발 좀.......제발 좀 나오길......제발..................................

[@simmingi1]

@@user-ht2gd3lu8d 아몰랑해줘~해줘~난아무것도몰랑해줘~싼값에해줘~아아무것도몰랑~

[@bircfe1767]

중국은 코로나때 아마 모든 중국인 유전정보 가져와서 보관중일듯요

[@baksehyeon]

문제는 미래에 ai 로 개발한 물질에 특허를 걸수 있을까 겠죠.

[@네네네-c4i]

엥 창작의 영역이 아니라 상관없기도 하고 원래 약에는 저작권이 없습니다

[@리드-w7k]

특허를 안 내놓고 독점하는 방법도 있음 특허는 어차피 20년 후에 만료되니까 차라리 특허 안내고 꽁꽁 숨기는게 낫지

[@baksehyeon]

@@리드-w7k 상품으로 내놓으면 분석해서 카피약이 나올텐데 그럼 문제가 됩니다.

[@비바-n9f]

엔비디아가 무슨 플랫폼이 있어요??

[@정규성-l3w]

BIONEMO

[@123qazqsx]

경우의 수를 줄여줄뿐, 인간은 오묘한 존재라서 임상의 위험은 그대로입니다.

[@여박경애]

리커전파마슈티컬스?

[@seeartziwon]

ㄴㄴ 압사이

[@ねこおうじょ]

Ai를 전공할게 아니라 ㅋㅋ 바이오를 공부해야죠 ㅋㅋ

[@ShrimpRoyalNewRoyal]

앞으로 소 뒷발차기 하듯 나오는 뜬금포의 유익한 부작용은 안나오겠구만..
모든 경우의 수는 AI가 알아서 제거해버리니..

[@bati4015]

질문 있습니다
아무리 AI로 신약 분자구조를 찾는다고 해도 결국 비용과 시간이 많이 들어가는 단계는 임상아닌가요?
AI가 임상단계의 혁신을 가져오지 못할거 같은데요
어떻게 AI 신약개발로 시장이 커진다고 예상하시나요?

[@sdkfgnrjdi]

유전자 분석에 기반한 임상 환자 선정 같이 직접적으로 임상 단계에 ai가 도움을 줄수도 있겠지만 약물의 정확성과 안정성을 높여서 임상단계의 시행착오만 줄여도 큰 도움이 되죠. 10퍼센트 임상 성공할 거 30퍼샌트로만 올려도

[@직장인김회사]

AI가 이제 인간의 건강을 쥐게 되었네요. 그렇다면 당장은 발현되지 않는 몇년 뒤 발현되는 부작용을 넣어 인간을 줄일 수도 있겠군요

[@이건개발-p8n]

나중엔 컴퓨터한태 약을 먹일 기세

[@mrkimkijong]

학습이 더 문제 아닌가? 의료는 민감정보라서 익명처리해도 말이 많은데.

[@백영래-u3x]

중국은 개인정보 보호 개나 주는 나라라서 중국에서 자료 많이 나옵니다. 캐글에서도 X-ray 사진 데이터도 올라가 있었요. 찾아 보면 있습니다.

[@superstarmin6880]

엔비디아 바이오니모 사용하는 기업은 국내에 파로스아이바이오 밖에 없음

[@DCB0XMustObj]

유전체와 바이오마커에 A.I를 씌우면 퀀텀 점프

[@qpfhr]

인류의 종말이 가까워 졌군요

[@theochemsRE]

글쎄요. AI를 적용한지 10년이 넘었나요? Machine learning이 아니고?????

[@bangdoll4500]

매번 말하지만, 돈이 되는 AI는 B2B 입니다.

[@김동영-q8n]

팔란티어 이야기신가요?

[@suribilee4886]

예산 팍 깍였음.

[@KHM-o1m]

Ai 바이오 신약개발 대장
파로스아이바이오

[@껀넝]

탈모 치료제 나올 기세 ㅋ

[@성이름-v4f8q]

사펑 세계만 안 오길

[@jinchung3234]

너도 AI죠?

[@꼬부랑할매-c6g]

그래서 코로나주사 난 안맞았지

[@mbavt3913]

근데 이 영상 내용이랑 님 댓글이 왜 '그래서'로 연결되는거에요?

[@dumftruk]

코로나 주사 맞고 싶어서 맞은 사람이 어디있냐 이기적인 인간아
내가 아는 사람이라면 너같은 인간은 바로 손절이야

[@맛조은라면-l5e]

1