AI가 설계한 항체를 실험으로 검증한 국제 벤치마크 결과가 네이처 바이오테크놀로지(Nature Biotechnology)에 실렸다. 논문은 현지 시각 8월 19일 온라인 공개됐고, UTHealth 휴스턴이 8월 26일 참여 결과를 발표했다. ‘에이인티바디(AIntibody) 챌린지’는 참가팀이 새로운 항체 서열을 설계하면 독립 기관이 이를 합성해 결합 친화도와 개발 가능성을 실험으로 검증하는 방식이다. 결합 친화도는 항체가 표적에 얼마나 강하게 결합하는지를 나타내는 값이다.

논문은 29개 기관이 낸 AI 설계·예측 항체 511개를 다뤘다. UTHealth 휴스턴은 참가자 166명이 527건을 제출했다고 밝혔다. 여러 팀이 100피코몰(pM) 미만의 결합 친화도를 가진 개발 가능한 항체를 만들어 냈는데, 피코몰은 1조분의 1몰을 뜻하는 농도 단위로 값이 작을수록 더 강하게 결합한다. 챌린지 1 우승은 아우레카(Aureka)로, 설계 항체가 95피코몰을 기록해 모체 항체보다 약 2,000배 개선됐고 최고 실험 항체(113피코몰)와 통계적으로 동률이었다.

챌린지에는 세 과업이 들어간다. 컴퓨터상에서 친화도를 끌어올리는 친화도 성숙, 비슷한 서열을 묶은 집단에서 친화도가 높은 후보를 골라내는 순위 예측, 기존 라이브러리 밖에서 새 CDR을 설계하는 과업이다. UTHealth 휴스턴 연구진은 ‘노바맵 AI(Novamab AI)’라는 팀명으로 서열 공간 트랙 58개 제출물 가운데 상위 5위에 들었다. 단백질 언어 모델을 실험 선호 데이터로 미세 조정해, 이론적 서열 점수만이 아니라 실제 생물학적 활성과 개발 가능성이 확인된 후보를 우선한 방식이다.

성과는 다른 과업으로 이어지지 않았다. 친화도 성숙에서 20배 이상 개선을 달성한 제출물은 약 13%였고, 참가 기관 여덟 곳은 쓸 만한 결합 항체를 하나도 설계하지 못했다. 순위 예측 과업에서는 모델 하나를 빼고 전부 무작위로 고르는 것보다 성적이 나빴다. 논문은 대부분의 참가자에게 AI 모델로 항체를 고르는 일이 기준 전략보다 오히려 역효과를 냈다고 적었다. 참가사 프로바이오젠(ProBioGen)은 머신러닝을 쓰지 않고 선별 데이터의 통계적 컨센서스 서열만으로 챌린지 1 최상위권 성적을 냈는데, 논문은 이를 두고 통계 요약이 대부분의 AI 설계를 앞선 것이 이 분야의 중요한 기준선이 된다고 평가했다.

챌린지를 이끈 스페시피카(Specifica)의 앤드루 브래드버리(Andrew Bradbury)는 챌린지가 독립 제3자 검증으로 AI의 항체 발견 개선 능력을 처음 사전적으로 평가하기 위해 만들어졌다고 밝혔다. 참가 기관은 학계·비영리 10곳, AI 바이오텍 8곳, 중소 바이오텍 5곳, 대형 제약 5곳, 빅테크 1곳으로 구성됐다. 항체는 암과 자가면역 질환 치료제의 핵심이라, AI가 항체 설계를 자동화하면 개발 기간과 비용을 줄일 수 있다.

자세한 내용은 UTHealth 휴스턴에서 확인할 수 있다.

이미지 출처: UTHealth 휴스턴