인공지능
AI 기반 신약 발견이 바이오테크 M&A 슈퍼사이클을 촉발하고 있다
AI 기반 바이오테크의 새로운 시대
The pharmaceutical industry was initially built on the prowess of the chemical industry, which started to create ever more useful products, including those for medical purposes. At first, it was mostly about isolating and purifying natural chemical compounds like aspirin from willow bark and quinine from a tropical tree.
제약 산업은 처음에 화학 산업의 역량을 기반으로 구축되었으며, 의료용을 포함한 점점 더 유용한 제품들을 만들기 시작했습니다. 초기에는 주로 버드나무 껍질에서 추출한 아스피린이나 열대 나무에서 얻은 퀴닌과 같은 천연 화학 물질을 분리하고 정제하는 것이었습니다.
그 후에는 자연에 존재하지 않았던 완전히 새로운 화합물을 만들어 의약품으로 전환하기 시작했습니다. 그러나 이 접근 방식은 지난 수십 년 동안 점차 실패하고 있습니다.
가장 생산하기 쉽거나 발견하기 쉬운 화학 물질은 이미 모두 찾아졌으며, 다른 분자들은 종종 충분히 좋지 않습니다: 너무 불안정하거나, 독성이 강하거나, 제조가 어려운 등.
그 결과 제약 산업은 호르몬, 단백질, DNA 및 RNA와 같은 생물학적 분자를 의약품으로 재활용하는 바이오테크로 눈을 돌렸습니다. 이는 인공 인슐린, 단클론 치료제, 유전자 치료제 등 많은 인상적인 진보를 낳았습니다.
하지만 여기서도 진행이 정체되고 있습니다. 가장 손쉽게 얻을 수 있는 생물학적 물질들은 이미 대부분 확인되어 있어, 여전히 치료가 어려운 질병을 치료하기 위한 더 복잡하고 파악하기 어려운 생물학적 메커니즘을 찾아야 하기 때문입니다.
이는 대형 제약사에게 심각한 문제입니다. 많은 화학 기반 치료제들이 특허 보호를 잃었거나 곧 잃게 될 뿐만 아니라, 바이오테크 스타트업을 단순히 인수하거나 파트너십을 맺는 전략만으로는 충분하지 않게 되었습니다.
이들 기업은 혁신을 빠르게 구매해야 하는데, 이전에 통했던 방법은 이제 통하지 않습니다.
이는 한 사람에게는 거의 이해할 수 없을 정도로 복잡한 단일 인간 세포를 완전하게 재현하는 것이 거의 불가능에 가깝기 때문이며, 몇 년 전 바이럴이 된 인간 세포의 모든 구성 요소를 컴퓨터가 생성한 이미지가 이를 잘 보여줍니다.
출처: Newsweek
다행히도 AI를 바이오랩에 도입함으로써 새로운 파도의 바이오테크 혁신이 일어나고 있습니다. 이는 이른바 “멀티오믹스 혁명”이라 불리는 데이터 혁명과 결합되어, 세포 내 수준까지 내려가는 전례 없는 양의 데이터를 생성합니다.
그리고 인간의 사고 능력을 훨씬 뛰어넘는 대규모 데이터셋 분석 능력을 가진 AI가 이제 이 모든 데이터를 이해하는 데 도움을 주고 있습니다.
Illustrative of this trend is the partnership announced on January 12th, 2026, between Nvidia (NVDA ) and Eli Lilly (LLY ), planning to jointly invest up to $1 billion over five years in infrastructure and research for AI drug discovery.
디지털 생물학 시대
Digital biology is changing where time, cost, and failure risk accrue across the drug discovery pipeline—shifting more exploration and optimization into computation before the most expensive wet-lab work begins.
스와이프하여 스크롤 →
| 탐색 단계 | 전통적 병목 | AI / 디지털 생물학 전환 | 경제적 영향 | 주요 가치 포착 |
|---|---|---|---|---|
| 타깃 식별 | 희박하거나 잡음이 많은 생물학적 신호; 가설 사이클이 느림 | 멀티오믹스 + ML이 인과 경로와 바이오마커를 우선순위화; 빠른 가설 순위 매김 | 죽음에 이르는 프로그램을 줄이고 더 많은 시도 | 데이터가 풍부한 제약사와 독점 데이터셋 보유자 |
| 히트 발견 | 습식 실험 스크리닝은 비용이 많이 들고 처리량에 제한이 있음 | 인실리코 스크리닝은 합성 전에 더 넓은 화학 공간을 탐색 | 히트당 비용 감소; 빠른 반복 루프 | 컴퓨팅 및 모델 플랫폼; 실험실 자동화 공급업체 |
| 리드 최적화 | 주기 후반의 ADME/독성 실패; 느린 의약 화학 루프 | 생성 모델이 효능, 선택성, 개발 가능성을 최적화한 후보를 제안 | 재설계 사이클 감소; 초기 개발 가능성 향상 | 강력한 전이 파이프라인을 갖춘 제약 통합업체 |
| 전임상 검증 | 동물 모델이 인간 생물학과 일치하지 않음; 검증이 느리고 변동성이 큼 | 향상된 바이오마커 선택 + 인간 관련 모델; 자동화된 고처리량 분석 | IND 지원 작업에 들어가는 신호 품질 향상 | 자동화 스택 및 분석 플랫폼; AI 도구를 갖춘 CRO |
| 임상 전환 | 환자 반응의 이질성; 불충분한 계층화가 실패율을 높임 | 멀티오믹스 계층화가 반응군 및 시험 종료점을 조기에 식별 | 시험 효율성 향상; 효능 희석 감소 | 임상 실행을 갖춘 약물 소유자(제약/바이오텍) |
멀티오믹스의 부상
The sheer complexity of living systems has led to the emergence of multiomics, a field merging together all the -omics sub-segments of biological sciences and touted as the next step in biotechnology:
- Genomics: 세포 핵 안의 DNA 서열 분석.
- Transcriptomics: DNA의 지시를 전달하는 mRNA 분석.
- Epigenomics: 유전 서열에 영향을 주지 않고 유전체를 변형하는, 즉 “에피제네틱스”.
- Proteomics: 단백질 분석, 당(“포스트‑트랜슬레이션”)과 같은 단백질 변형 포함.
- Metabolomics: 화학 물질 및 대사 과정 분석.
- Microbiomics: 신체 내부 혹은 표면에 서식하는 모든 미생물 분석.
- Single-cell multiomics: 개별 세포에 대한 멀티오믹스 분석.
- Spatial biology: 3D에서 특정 mRNA, 단백질, 혹은 세포의 위치를 분석.
출처: Ark Research
멀티오믹스는 유전 시퀀서부터 공간 생물학에 이르는 훨씬 더 강력한 분석 도구 덕분에 등장했습니다.
문제는, 이로 인해 데이터가 폭포처럼 쏟아져 나오면서 이제는 생물학자들이 실제 적용 가능한 흥미로운 데이터 포인트를 찾는 것이 아니라, 주어진 문제에 실제로 관련 있는 데이터를 어떻게 판단할지 결정해야 한다는 점입니다.
전 세계 모든 신생아의 유전체를 시퀀싱한다면(앞으로 몇 년 안에 실현 가능할 전망) 매년 Llama와 같은 AI가 사용하는 데이터의 10,000배에 달하는 데이터를 생성하게 될 것입니다.
출처: Ark Research
디지털 생물학이란 무엇인가?
A new option for biotech research had recently appeared: the in-silico approach, where one or several virtual cells are simulated in a computer.
“2026년에는 질병 타깃을 식별하는 것이 습식 실험 검증에 앞서 인실리코 탐색에 의존하게 될 것입니다.
이는 전임상 개발 중 정체되는 프로그램 수를 줄일 것입니다.
These virtual cells are then exposed to the potential new treatment, and the simulation calculates how they would react.
출처: Ark Research
또 다른 옵션은 단백질의 3D 구성을 시뮬레이션하는 것으로, 이는 궁극적으로 그 생물학적 기능을 결정합니다.
Google의 AI AlphaFold (GOOGL )와 같은 단백질 접힘 시뮬레이터는 2018년 이후 최대 500배까지 개선되었습니다.
출처: Ark Research
따라서 인실리코 시뮬레이션은 대부분의 제약 및 바이오테크 기업에게 필수 기술이 될 가능성이 높습니다.
또 다른 형태의 디지털 생물학은 고급 검출 시스템을 사용해 혈액 샘플에서 암 표지자를 식별함으로써 비용이 많이 들고 효율이 낮은 조직 검사를 대체하고, 잠재적인 암을 더 일찍 발견하게 하는 것입니다.
마지막으로 자동화, 로보틱스, AI가 결합되어 인간 노동 없이 실험을 수행하고, 전통적인 연구 방법보다 비용을 낮추고 100배 빠른 속도로 수백만 개의 잠재적으로 유용한 분자나 화합물을 검사할 수 있는 자동화 실험실을 만들고 있습니다.
AI 신약 발견에 대한 투자
(LLY )
Eli Lilly 개요
Eli Lilly is a massive pharmaceutical company that built its medical empire on quinine and then insulin.
Eli Lilly는 퀴닌과 인슐린을 기반으로 의료 제국을 구축한 거대한 제약 기업입니다.
Diabetes treatment has remained the core of the company, with a long series of molecules discovered and approved in the past 3 decades for this disease. This included tirzepatide, commercialized under the Mounjaro brand name.
당뇨병 치료는 회사의 핵심 사업으로, 지난 30년 동안 이 질환을 위한 수많은 분자가 발견되고 승인되었습니다. 여기에는 Mounjaro 브랜드명으로 상용화된 tirzepatide가 포함됩니다.
In the 2010s, Eli Lilly also went big in oncology (cancer treatments) with a series of acquisitions and partnerships in the field, as well as in-house drug development efforts to build a strong portfolio of oncology drugs.
2010년대에 Eli Lilly는 인수와 파트너십을 통해 암 치료 분야에서도 대규모로 진출했으며, 자체적인 신약 개발을 통해 강력한 종양학 포트폴리오를 구축했습니다.
The tirzepatide molecule has since been repurposed as an anti-obesity drug, under the brand name Zepbound, the largest competitor to Ozempic. This has been a lifesaver for Eli Lilly, as many of its older drugs went off patent, meaning that generic drug manufacturers can now produce them too, and compete on price.
tirzepatide는 이후 Zepbound라는 브랜드명으로 비만 치료제에 재활용되어 Ozempic의 가장 큰 경쟁자가 되었습니다. 이는 많은 기존 약물이 특허가 만료되어 제네릭 제조업체가 생산하고 가격 경쟁을 할 수 있게 된 상황에서 Eli Lilly에게는 큰 구세주가 되었습니다.
Still, relying massively on a single patented peptide and its potential derivatives is a risky position and not sustainable in the long term. Like most pharmaceutical companies, there is a dire need to return to diversified innovation. But unlike many others in the industry, Eli Lilly has a plan, and it relies on going all-in on AI & digital biology.
그러나 단일 특허 펩타이드와 그 파생물에 과도하게 의존하는 것은 위험하며 장기적으로 지속 가능하지 않습니다. 대부분의 제약사와 마찬가지로 다양화된 혁신이 절실히 필요합니다. 하지만 업계의 다른 기업들과 달리 Eli Lilly는 AI와 디지털 생물학에 전면 투자하는 계획을 가지고 있습니다.
Eli Lilly AI 신약 발견
The largest and most recent announcement around AI drug discovery & Eli Lilly is its partnership with Nvidia.
“NVIDIA and Lilly are bringing together the best of our industries to invent a new blueprint for drug discovery — one where scientists can explore vast biological and chemical spaces in silico before a single molecule is made.”
The plan will combine Lilly’s agentic wet labs with computational dry labs, enabling 24/7 AI-assisted experimentation. This combines with a previously announced AI supercomputer using 1,000 NVIDIA Blackwell Ultra GPUs for an AI factory that will train large biomedical foundation and frontier models for identifying, optimizing, and validating new molecules.
“Our foundation models are spawning new possibilities for our chemists, helping them uncover new motifs and configurations of atoms that were out of reach with traditional methods.”
This $1B partnership is just the latest (and largest) move of the pharmaceutical company into AI drug discovery. Previously, it notably:
- Entered a research collaboration with Insilico Medicine, with up to $100M to be paid to the startup depending on research milestones.
- Partnership with Circle Pharma to leverage Eli Lilly’s AIs to improve its macrocycle therapies, including for historically undruggable targets.
- Develop machine learning models with insitro, a pioneer in machine learning for drug discovery and development.
- Collaboration with OpenAI to discover novel medicines to treat drug-resistant bacteria.
- Using Genetic Leap’s AI models for the discovery of RNA-targeted drugs in a $409M deal.
- AI partnership with Google/Alphabet’s digital biotech company Isomorphic Labs, which will receive $45M upfront and is eligible for up to $1.7B in performance-based milestones.
- A deal worth up to $670M with Genesis Therapeutics for the company’s molecular AI platform.
- A $1.3B deal with Superluminal to discover obesity medicines using AI, thanks to its proprietary AI-driven platform targeting G-protein-coupled receptors (GPCR), with a goal to reinforce Eli Lilly’s already leading presence in the obesity market.
- A deal with BigHat Biosciences to advance the discovery of AI-driven antibody therapeutics thanks to its Milliner platform.
Eli Lilly also partnered with Benchling, a cloud-based software platform designed for life science R&D, to provide biotech startups with access to models trained on decades of Lilly’s proprietary research data.
Called TuneLab, this platform should help Eli Lilly partner with early-stage life sciences under its “Catalyze360” program.
Overall, these AI drug discovery partnerships and infrastructure building in all directions are likely to rebuild Eli Lilly’s discovery pipeline and boost its position in antibiotics, cancer drugs, rare diseases, and obesity.
최신 Eli Lilly (LLY) 주식 뉴스 및 개발
