인공지능
AI 기반 신약 발견이 바이오테크 M&A 슈퍼사이클을 촉발하고 있다
AI와 디지털 생물학은 신약 발견의 시간과 비용, 실패 위험이 발생하는 지점을 바꾸고 있습니다. Eli Lilly를 비롯한 대형 제약사는 독점 데이터, 자동화 연구실, 컴퓨팅 플랫폼을 결합하고 있으며, 빠르게 늘어나는 파트너십과 인수합병은 AI 신약 발견 시장이 구조적인 투자 사이클로 접어들고 있음을 보여줍니다.
Securities.io를 Google의 선호 소스에 추가
AI 기반 바이오테크의 새로운 시대
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.
생산하거나 발견하기 쉬운 화합물은 이미 대부분 찾아냈고, 나머지 분자들은 불안정하거나 독성이 강하고 제조가 어려운 등 의약품으로 쓰기에 적합하지 않은 경우가 많습니다.
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.
그 이유는 단 하나의 인간 세포조차 한 사람이 온전히 이해하기 어려울 만큼 복잡하기 때문입니다. 몇 년 전 화제가 된 인간 세포 구성 요소의 컴퓨터 생성 이미지는 이러한 복잡성을 잘 보여줍니다.
출처: Newsweek
다행히 AI를 바이오 연구실에 도입하면서 새로운 바이오테크 혁신의 물결이 일고 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.
이러한 흐름을 잘 보여주는 사례가 2026년 1월 12일 발표된 엔비디아 (NVDA )와 Eli Lilly (LLY )의 파트너십입니다. 두 회사는 향후 5년간 AI 신약 발견 인프라와 연구에 최대 10억 달러를 공동 투자할 계획입니다.
디지털 생물학 시대
디지털 생물학은 신약 발견 파이프라인에서 시간과 비용, 실패 위험이 발생하는 지점을 바꾸고 있습니다. 가장 비용이 많이 드는 습식 실험을 시작하기 전에 더 많은 탐색과 최적화를 컴퓨터 안에서 수행하도록 옮기는 것입니다.
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 | 막다른 개발 프로그램을 줄여 더 많은 후보를 시험 | 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 임상 전환 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
생명체의 엄청난 복잡성은 생명과학의 여러 ‘오믹스’ 분야를 하나로 결합하며 바이오테크의 다음 단계로 주목받는 멀티오믹스의 등장으로 이어졌습니다:
- 유전체학: 세포 핵 안의 DNA 서열 분석.
- 전사체학: DNA의 지시를 전달하는 mRNA 분석.
- 후성유전체학: 유전 서열에 영향을 주지 않고 유전체를 변형하는, 즉 “에피제네틱스”.
- 단백질체학: 단백질 분석, 당(“포스트‑트랜슬레이션”)과 같은 단백질 변형 포함.
- 대사체학: 화학 물질 및 대사 과정 분석.
- 미생물체학: 신체 내부 혹은 표면에 서식하는 모든 미생물 분석.
- 단일세포 멀티오믹스: 개별 세포에 대한 멀티오믹스 분석.
- 공간생물학: 3D에서 특정 mRNA, 단백질, 혹은 세포의 위치를 분석.
출처: Ark Research
멀티오믹스는 유전체 시퀀서부터 공간생물학에 이르는 훨씬 더 강력한 분석 도구의 발전 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?
최근 바이오테크 연구에는 하나 이상의 가상 세포를 컴퓨터에서 모의실험하는 인실리코 접근법이라는 새로운 선택지가 등장했습니다.
“2026년에는 질병 타깃을 식별하는 것이 습식 실험 검증에 앞서 인실리코 탐색에 의존하게 될 것입니다.
이는 전임상 개발 중 정체되는 프로그램 수를 줄일 것입니다.
이 가상 세포에 잠재적인 신약 후보를 적용하면 시뮬레이션이 세포의 반응을 계산합니다.
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 성능이 최대 500배 향상되었습니다.
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 가격 차트
Eli Lilly 개요
Eli Lilly는 퀴닌과 인슐린을 기반으로 의료 제국을 구축한 거대한 제약 기업입니다.
당뇨병 치료는 회사의 핵심 사업으로, 지난 30년 동안 이 질환을 위한 수많은 치료 물질이 개발되고 승인되었습니다. 여기에는 마운자로(Mounjaro)라는 제품명으로 출시된 티르제파타이드가 포함됩니다.
2010년대에 Eli Lilly는 인수와 파트너십을 통해 암 치료 분야에서도 대규모로 진출했으며, 자체적인 신약 개발을 통해 강력한 종양학 포트폴리오를 구축했습니다.
티르제파타이드는 이후 젭바운드(Zepbound)라는 비만 치료제로 용도가 확대되어 오젬픽(Ozempic)의 최대 경쟁 제품이 되었습니다. 기존 약물 다수의 특허가 만료돼 제네릭 제조업체와 가격 경쟁을 벌이게 된 Eli Lilly에 이 제품은 중요한 성장 동력이 되었습니다.
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
Eli Lilly의 AI 신약 발견 전략과 관련해 가장 최근에 나온 최대 규모의 발표는 엔비디아와의 파트너십입니다.
“NVIDIA와 Lilly는 양사의 강점을 결합해 신약 발견의 새로운 청사진을 만들고 있습니다. 과학자들이 단 하나의 분자를 실제로 만들기 전에 방대한 생물학적·화학적 공간을 인실리코로 탐색할 수 있는 방식입니다.”
이 계획은 Lilly의 에이전트형 습식 실험실과 컴퓨팅 기반 건식 실험실을 결합해 AI 지원 실험을 연중무휴로 수행할 수 있게 합니다. 여기에 앞서 발표된 NVIDIA Blackwell Ultra GPU 1,000개를 사용하는 AI 팩토리용 슈퍼컴퓨터가 더해집니다. 이 시스템은 새로운 분자를 식별하고 최적화하며 검증하는 대규모 생의학 기반 모델과 최첨단 모델을 훈련할 예정입니다.
“우리의 기반 모델은 화학자들에게 새로운 가능성을 열어 주며, 기존 방법으로는 찾아내기 어려웠던 새로운 원자 패턴과 배열을 발견하도록 돕고 있습니다.”
이 10억 달러 규모의 파트너십은 이 제약사가 AI 신약 발견 분야에서 내놓은 가장 최근이자 최대 규모의 행보일 뿐입니다. 앞서 Eli Lilly는 다음과 같은 협력을 추진했습니다:
- Insilico Medicine과 연구 협력을 체결했으며, 연구 성과 달성 여부에 따라 이 스타트업에 최대 1억 달러를 지급하기로 했습니다.
- Circle Pharma와 협력해 Eli Lilly의 AI를 활용하고, 기존에는 약물 표적화가 어려웠던 표적을 포함한 거대고리 치료제를 개선했습니다.
- 신약 발견·개발용 머신러닝의 선구자인 insitro와 머신러닝 모델을 개발했습니다.
- OpenAI와 협력해 약제내성 세균을 치료할 신약을 발굴하고 있습니다.
- Genetic Leap의 AI 모델을 활용해 RNA 표적 치료제를 발굴하는 4억 900만 달러 규모의 계약을 체결했습니다.
- Google/Alphabet의 디지털 바이오테크 기업 Isomorphic Labs와 AI 파트너십을 맺었습니다. Isomorphic Labs는 선급금 4,500만 달러와 성과에 따라 최대 17억 달러의 마일스톤 지급금을 받을 수 있습니다.
- Genesis Therapeutics의 분자 AI 플랫폼을 활용하기 위해 최대 6억 7,000만 달러 규모의 계약을 체결했습니다.
- G단백질결합수용체(GPCR)를 표적으로 삼는 독자적인 AI 플랫폼을 활용해 비만 치료제를 발굴하고 Eli Lilly의 비만 시장 선도 지위를 강화하기 위해 Superluminal과 13억 달러 규모의 계약을 체결했습니다.
- BigHat Biosciences의 Milliner 플랫폼을 활용해 AI 기반 항체 치료제 발굴을 진전시키는 계약을 체결했습니다.
Eli Lilly는 생명과학 R&D용 클라우드 소프트웨어 플랫폼 Benchling과도 협력해, 바이오테크 스타트업이 수십 년간 축적된 Lilly의 독점 연구 데이터로 훈련한 모델을 사용할 수 있도록 했습니다.
TuneLab이라는 이 플랫폼은 Eli Lilly가 “Catalyze360” 프로그램을 통해 초기 단계 생명과학 기업과 협력하는 데 도움을 줄 것입니다.
종합하면, 전방위적인 AI 신약 발견 파트너십과 인프라 구축은 Eli Lilly의 신약 발굴 파이프라인을 재건하고 항생제, 항암제, 희귀질환 및 비만 치료 분야에서 입지를 강화할 가능성이 큽니다.
Eli Lilly(LLY) 최신 주식 뉴스 및 동향
