Gain new perspectives for faster progress directly to your inbox.
Via Nova Therapeutics의 화학 부문 선임 디렉터, Ben R. Taft 박사와의 대화
지식의 지속적인 증가와 빠른 기술 발전에 따라 신약 개발 산업의 변화 속도 또한 빨라지고 있습니다. 어제의 과제가 오늘의 기회로 바뀌고 있으며, 이는 미래 세계에서는 흔한 일이 될 것입니다. CAS는 연속 기사 시리즈를 통해 관련 과제와 기회를 모두 이해하는 신약 개발 전문가들과의 최근 대화 내용을 공개합니다. 모두에게 흥미롭고 통찰력을 얻을 수 있는 시간이 되기를 바랍니다.
첫 번째 기사는 Via Nova Therapeutics의 의료 화학 부문 선임 디렉터인 Ben R. Taft 박사와 SAR 연구의 과제와 기회를 주제로 다룬 대화 내용입니다.
CAS: SAR 연구 분야에 종사하면서 경험한 가장 큰 변화는 무엇인가요?
Ben: 데이터 기술의 변화입니다. 디지털화와 지속적인 기술 발전은 SAR 산업에서 엄청난 영향력을 발휘했습니다. 그와 동시에, 데이터를 시각화하고 해석하기 위한 데이터 과학과 도구 또한 폭발적으로 증가했습니다. 디지털화는 데이터에 대한 접근성을 향상시켰습니다. 모든 데이터를 연결하는, 즉 데이터 간 연결과 다른 데이터와의 연결을 지원하는 도구가 개발되었으며 그로 인해 연구 효율성이 크게 개선되었습니다. 이러한 도구를 사용하면 데이터의 추세를 명확하게 파악할 수 있으며 과거 불가능했던 새로운 관찰 결과를 얻을 수 있습니다.
무엇보다 머신 러닝(ML)과 인공지능(AI) 분야에서의 성장과 발전이 두드러졌습니다. 이러한 상황을 종합해보면, 데이터 세계에는 실제로 흥미로운 일들이 많이 일어나고 있다는 사실을 알 수 있습니다.
CAS: 머신 러닝은 저도 반가운 주제입니다. 사람들도 많은 이야기를 하고 있습니다. AI와 ML은 신약 개발과 SAR에 어떤 영향을 미치고 있나요?
Ben: 이 분야는 이제 막 시작 단계라고 생각하지만 구조 예측과 최적화에 미치는 영향은 이미 나타나고 있습니다.제가 이 특수 분야의 전문가는 아니지만 일반적인 시각으로도 데이터세트가 큰 경우 ML의 영향을 가장 많이 받는다는 것을 알 수 있습니다. 인간이 분류하기에는 너무나도 크고 복잡한 데이터세트에서 그 추세를 파악하고 통찰력을 얻는 것이 중요하며, ML이 그러한 데이터를 매우 빠르고 효율적으로 분석할 수 있습니다. 한 예로, 필요한 데이터가 충분한 경우 용해도, 효소 생물 활성 등과 같은 정보를 예측하여 새로운 구조 설계에 도움이 되는 모델을 구축할 수 있습니다.
인간이 분석하기에 데이터세트가 너무 큰 대표적인 예가 생물 활성 검사에 DNA 인코딩 라이브러리를 사용하는 것입니다. 이 방법은 기본적으로 DNA 인코딩 라이브러리 검사와 맞춤형 ML 알고리즘을 통해 데이터를 분류하고 합성 및 재시험에 가장 적합한 구조를 예측하는 수십억 개 데이터 포인트를 생성할 수 있습니다.
그러나 이 분야에서 일하는 동료들은 항상 ML 또는 AI 프로젝트의 결과를 결정하는 것은 바로 프로젝트에 투입되는 데이터라고 말합니다. 즉, 모델의 품질과 실제로 효과적인 예측 결과를 제공할 수 있는 능력은 데이터세트의 크기와 데이터의 범위 및 다양성의 영향을 크게 받습니다.
CAS: AI와 ML을 사용하는 데 따른 이점은 무엇이라고 생각하시나요? 단지 작업 속도를 높이는 것일까요? 본인도 실제로 업무에 도움을 받고 계신가요?
Ben: 효율성 향상 이외에 다른 방법으로는 어려운 새로운 구조를 식별하고, 간과하는 부분을 없게 만들어주는 효과가 있다고 생각합니다. 예를 들어보겠습니다. 일반적인 프로젝트에서는 모든 다양한 물리적, 화학적, 생물학적 특성을 미세 조정하기 위해 약물의 200 ∼ 2,000가지 새로운 유사물질을 합성하며 그 합성 화합물 중에서 신약 후보를 지정합니다. 이러한 화합물 각각이 10 ∼ 50가지 데이터와 연결되는 점을 고려할 때 정말 많은 데이터를 처리해야 합니다.
데이터를 시각화하여 추세, 임계값, 유사 화합물(activity cliff)을 조사할 수 있는 좋은 도구가 많이 있지만, 여전히 인적 오류와 누락 가능성이 있습니다. 그러나 AI와 ML을 활용하면 특정 추세 또는 관찰 결과를 토대로 우선 순위를 부여하는 화합물을 제안할 수 있으며 이러한 모델은 과학자에게 백업으로 작용합니다. 추가적인 데이터까지 얻을 수 있어 의사 결정을 보다 정확하고 효율적으로 내릴 수 있습니다.
그러나 결국 새 화합물을 합성하고 실제 데이터를 얻은 후에만 최종 의사 결정을 내릴 수 있습니다.
사람들이 바라는 것은 약물 후보를 얻기 위해 200∼2,000가지 새 화합물을 만드는 것이 아닙니다. 가능한 모든 설계에서 20∼30가지 화합물만 만들기를 원합니다. 유감스럽지만 아직 그 단계는 아니라고 생각합니다.
CAS: AI와 ML이 가야할 길이 아직 멀다면 오늘날 신약 개발 전문 화학자에게는 어떤 활용 가치가 있다고 생각하시나요?
Ben: 신약 개발 과학자가 사용하는 전체 도구 상자에 도구가 하나 더 추가된 것이라고 생각합니다.신약 개발은 본질적으로 매우 복잡하고 섬세한 작업입니다. 시험관 연구 약물을 인체에 적용하는 데는 상당한 불확실성이 존재하므로 가까운 미래에 AI가 화학자의 역할을 대체할 것으로 생각하지는 않습니다. 다양한 종의 임상 전 동물을 대상으로 이 모든 안전 및 독성 연구를 수행한 후에야 화합물을 인체에 투여할 수 있습니다. 오늘날 아무리 많은 데이터, 소프트웨어, 기술을 보유하고 있더라도 인간에게 안전한 결과를 예측할 수 있는 가장 정확한 전제 조건은 바로 연구 활동이기 때문입니다.
오늘날 AI 및 ML 도구는 신약 개발 과학자의 작업을 보조하며 연구에 필요한 통찰력을 제공해 줍니다.
CAS: 이제 주제를 데이터에서 연구 실험실로 바꿔 보겠습니다. 저분자 신약 개발에서 가장 큰 장애물은 무엇이라고 생각하시나요?
Ben: 장애물은 어디에나 있습니다! 그 중에서도 큰 장애물 중 하나는 새로운 화합물의 합성입니다.초기 최적화 단계에서 각 구조마다 수백 가지, 때로는 수천 가지 새로운 유사물질을 합성해야 합니다. 각 유사물질을 합성하는 데는 최대 몇 주가 소요되므로 특히 과학자가 이러한 모든 노력을 조율하기 위해 보내는 모든 시간을 고려할 때 엄청난 시간과 비용이 발생합니다.
유사물질을 얻게 되면 수십 가지 일련의 평가를 거쳐 데이터를 수집하고 앞서 말한 전체 사이클의 일부에 해당하는 분석을 시작해야 합니다.
CAS: 이 장애물의 좋은 해결책은 무엇이라고 생각하시나요?
Ben: 제가 기대하고 있는 한 가지 기술이 미세 화학 플랫폼입니다. 미세 화학 플랫폼을 활용하면 첨단 로봇 기술과 소프트웨어를 활용하며 수십, 수백 가지의 새로운 약물 분자를 플레이트 형태로 동시에 빠르게 합성하고 정화할 수 있습니다. 이러한 플랫폼은 이론적으로 기존 방법보다 설계-합성-테스트-분석-설계 주기를 훨씬 단축시킬 뿐만 아니라 더 많은 데이터를 더 빠르게 생성할 수 있다는 점에서 흥미롭습니다. 최적의 약물 유사물질을 더 빠르게 발견하고 더 빠른 의사 결정을 내릴 수 있게 해줄 것으로 기대됩니다.
이 플랫폼의 장점은 ML 및 AI 플랫폼에서 생성되는 수식 또는 예측에 근거한 데이터가 아닌 실제 데이터를 생성한다는 것입니다. 연구 대상 유사물질의 우선 순위를 정하는 데 도움이 될 뿐만 아니라 실험을 통해 정확한 의사 결정을 내릴 수 있습니다.
Ben: 예측 데이터와 경험에 기초한 데이터에 대한 이 논의는 기술적으로 중요한 의미를 갖습니다. 업계 경력이 길어지면서, 그리고 과학자로 일하면서 알게 된 명확한 사실은 다양한 기술과 전략을 논의하는 데 많은 시간을 할애하고 있다는 것입니다. 이러한 다양한 기술은 개별적으로 훌륭한 도구인 경우가 많지만 각 프로젝트에 단일 기술이나 전략이 적용되는 경우는 없습니다.
유능한 신약 개발 과학자가 되기 위해서는 모든 다양한 기술, 도구, 전략에 능통해야 하며 각 프로젝트마다 그 적합성을 평가해야 합니다. 개별 약물 연구 프로젝트에는 특정 상황과 관련이 있는 위험 또는 차이점이 항상 존재합니다.
예를 들어, AI가 모든 프로젝트에 도움이 되는 것은 아닙니다. 대상, 의약품 프로필, 질병, 환자 개체군, 약물 투여 방법, 약물 투여 장소 등 다양한 요소를 평가해야 하며 이 다양한 요인이 각 프로젝트에 영향을 미치기 때문에 각 프로젝트는 고유하고 서로 다르게 됩니다. AI와 같은 단일 도구가 항상 모든 프로젝트의 적합한 솔루션이 될 수는 없습니다.
CAS: 프로젝트에 맞는 기술을 선택하는 게 중요하군요! 다음은 일반적인 신약 개발에 대한 이야기를 나누어 보겠습니다. 저분자부터 시작해 볼까요? 저분자 치료법을 개발하는 이유는 무엇인가요? 기존의 단백질과 항체 치료법, 세포와 유전자 치료법, 항체약물접합체, 역배열 올리고 핵산염 중 저분자는 어디에 해당하나요?
Ben: 좋은 질문입니다. 방금 이야기한 내용과 직결됩니다. 특정 연구에 정답과도 같은 기술은 없으며 모든 문제를 해결해 주는 전천후 솔루션도 없습니다.아시다시피 항체는 나름대로의 장점이 있습니다. 즉, 혈청 반감기가 매우 길어 한 달에 한 번만 복용해도 되며 표적 결합력이 매우 효율적입니다. 그러나 제조 비용이 많이 들고 안정성 확보와 유통이 어려우며 주사제 투여만 가능하다는 점에서 이상적인 투여 경로가 아니라는 한계가 있습니다. 마지막으로 가장 중요한 점으로 볼 수도 있는데, 과학적 측면에서 특별한 설계 또는 유전자 조작 없이는 세포막을 관통할 수 없다는 것입니다. 따라서 세포막 또는 조직 밖으로 나가지 못하면 세포 내 또는 막내 생물학적 표적으로 표적화할 수 없습니다.
이는 저분자와 생물의약품을 일반적으로 구분하는 가장 큰 요인일 것입니다. 저분자를 이용하면 원하는 세포부의 어느 부분에서나 원하는 조직 유형에 도달할 수 있도록 속성을 최적화할 수 있습니다. 또한 동시에 환자가 가장 선호하는 약물 복용 방식으로 입증된 경구용 정제 또는 캡슐 형태로 약물을 투여할 수 있도록 ADME 또는 DMPK 속성을 최적화할 수 있습니다.
저분자 약물은 또한 일반적으로 제조 단가가 낮고 보관이 용이하며 안정적이고 유통이 용이합니다.
그러나 이 경우 역시 세포 치료, 방사성 리간드, CRISPR 등과 같은 다른 새로운 치료법 형태 또는 생물 약제에 기존 약물 연구 프로그램이 완벽하게 적합한 경우도 있습니다.
현재 시장에는 많은 유형의 흥미로운 신기술이 출시 및 개발되고 있지만 이러한 기술 중 어느 것도 모든 신약 개발 프로젝트에 적용되지는 않을 것입니다.
CAS: 신약 프로젝트와 관련하여 현재 Via Nova Therapeutics에서 어떤 업무를 맡고 계신지 간략히 알려주실 수 있을까요?
Ben: 물론입니다! 우리 회사는 대형 제약회사가 관심을 갖지 않는 바이러스성 중대 질환 분야를 연구하고 있습니다. Via Nova는 Novartis 출신 Don Ganem과 Kelly Wong이 설립한 기업입니다. 새로운 조직에서도 기존 프로그램은 계속 진행하면서 동시에 대형 제약회사의 적절한 투자가 이루어지지 않는 바이러스성 질환을 중심으로 새로운 연구 분야에 집중하고자 했습니다.
대형 제약회사는 일반적으로 간염, HIV와 같은 만성 질환이 아닌 경우 바이러스성 질환에 많은 역량을 투자하지 않습니다. 그러나 이 밖에도 충족되지 않은 많은 니즈가 존재하며 COVID가 바로 그러한 니즈를 확인시켜 주었습니다. Via Nova는 아직까지 치료법이 알려지지 않은 경우가 많은 BK 폴리오마바이러스와 같은 급성, 아급성 바이러스 질환을 연구하고 있습니다.
CAS: 마지막 질문입니다. 신약 개발 프로세스에서 모든 문제를 해결할 수 있는 마법의 지팡이가 있다면 어떤 문제를 해결하시겠습니까?
Ben: 우리 업계에서 가장 큰 문제로는 두 가지를 꼽을 수 있습니다.먼저 일반 대중이 신약 개발 과정과 신약 개발에 소요되는 시간, 노력, 비용을 잘 알지 못합니다.생물약제 산업의 투명성과 교육이 개선되면 모두에게 이롭게 작용할 것입니다.
둘째, 신약 개발 및 연구 자금 조달 방식이 다소 제한적입니다. 기본적으로 민간 투자 형태로 이루어지기 때문입니다. 투자 기관 또는 금융 기관의 자금을 이용하며 자본이 원동력으로 작용합니다. 가장 많은 지원을 받는 프로젝트는 환자에게 가장 중요한 프로젝트가 아니라 잠재적 수익성이 높다고 판단되는 프로젝트입니다. 이러한 의사 결정은 항상 과학자가 현재 치료법이 없는 질병을 완전히 치료할 수 있는 신약 개발에 대한 훌륭한 아이디어를 갖고 있는 경우에 내려집니다. 그러나 전세계적으로 그러한 환자의 수가 제한적인 경우 비즈니스 전략의 실효성이 낮고 그러한 프로젝트는 지원을 받기가 어렵습니다.
개인적으로 의료 연구와 신약 개발 연구의 우선 순위를 정하고 자금을 조달하는 문제는 장기적으로 질병의 우선 순위와 비용에 부정적인 영향을 미칠 수 있다고 생각합니다. 우리 산업의 자금 조달 방식과 그 어려움에 대한 일반 대중의 인식과 교육이 확대되면, 이 문제의 해결 방법에 대해 많은 사람들이 고민하고 정부 또는 사회 차원의 연구 자금 조달 방법에 대한 새로운 아이디어와 모델 개발로 이어질 것입니다.
마지막으로 저는 질병을 치료하거나 완치할 수 있는 의약품 개발을 위해 신약 개발 분야에 뛰어들었습니다. 가장 많은 수익을 창출하는 의약품이 아닌 환자에게 필요한 의약품을 개발해야 한다고 생각합니다.
Ben has been working as a medicinal chemist since 2011. After completing his postdoc, he joined Novartis, where he conducted discovery-phase research for oncology indications. While at Novartis, he transitioned to infectious disease drug discovery. He then joined Via Nova Therapeutics, a Novartis antiviral spinout founded by Don Ganem and Kelly Wong, when Novartis exited the infectious disease space.
