아이젠사이언스(대표 강재우)와 멥스젠(대표 김용태)이 효율적인 혁신 신약개발을 목표로 협력 양해각서(MOU)를 체결했다고 7일 발표했다. 이번 협약을 통해 양사는 아이젠사이언스의 AI 기반 신약개발 플랫폼과 멥스젠의 미세생리시스템(MPS, microphysiological system; 생체조직칩, 오가노이드 칩 등 체외 장기 모델) 기술을 접목해 신약개발 과정의 병목현상을 줄이고, 보다 정밀한 데이터 분석과 효율적인 체외 실험 모델을 구현할 방법을 탐구할 예정이다. 구체적으로 아이젠사이언스의 AI 플랫폼을 활용해 설계 및 개발한 신약 후보 물질을 멥스젠의 생체조직칩을 활용해 검증하고 초기 후보 물질의 약효 및 독성을 분석해 아이젠사이언스의 AI 플랫폼에 지속적으로 업데이트하는 방안을 계획 중이다. 뿐만 아니라 아이젠사이언스가 보유한 기존 독성 데이터와 생체조직칩 실험 데이터를 결합해 부작용을 사전에 예측하고, 이 과정을 반복해 동물실험 없이 신약의 안전성을 검증하는 새로운 연구 패러다임을 구축해나갈 예정이다. 이를 통해 임상시험 성공 가능성을 예측함으로써 기존의 신약 개발 기간을 획기적으로 단축하는 것을 기대하고 있으며, 글로벌 네트워크 구축 및 확장을 통
아이젠사이언스가 120억원 규모의 투자 유치에 성공했다고 16일 밝혔다. 이번 투자는 기존 투자자인 파트너스인베스트먼트, 쿼드자산운용, 메디톡스벤처투자와 신규 투자자인 프리미어파트너스, 케이투인베스트먼트, 스케일업파트너스가 참여했다. 아이젠사이언스는 고려대학교 강재우 교수 연구팀이 의생명 AI 국제경연대회에서 7회 우승한 기술력을 바탕으로 2021년 4월에 설립한 AI 신약개발 벤처다. 동사는 자체 AI 신약개발 플랫폼을 이용해 미충족 수요가 높은 난치성 질환 영역에서 우수한 저분자 합성 신약을 빠르고 효율적으로 개발하고 있으며, 단기간 내 다수의 선도물질 최적화 및 전임상 후보물질 단계 제품으로 구성된 파이프라인을 구축했다. 또한 국내 대형 제약사들과 파트너십을 체결하고, 신규 ADC 페이로드(Antibody Drug Conjugate Payload) 발굴을 포함한 공동연구를 진행 중이다. 최근 아이젠사이언스가 고려대학교, 영국의 임페리얼 칼리지 런던과 공동 개발한 ‘Meerkat’ 대형언어모델(LLM)은 미국 의사면허시험(USMLE)에서 OpenAI의 GPT-4를 능가하는 85.8점을 기록하며 주목받은 바 있다. 이를 토대로 아이젠사이언스는 현재 LLM
아이젠사이언스가 국가 차원의 대형 사업인 ‘연합학습 기반 신약개발 가속화 프로젝트’의 AI 솔루션 개발 주관연구기관으로 선정됐다. 이번 프로젝트는 보건복지부와 과학기술정보통신부가 공동으로 추진하는 대규모 국책 사업으로, 향후 5년간 총 348억 원의 예산이 투입될 예정이다. 해당 프로젝트는 연합학습 플랫폼 구축 및 개발, 신약개발 데이터 활용 및 품질관리, 연합학습 플랫폼 활용 AI 솔루션 개발 등 총 3개의 과제로 구성돼 있다. 아이젠사이언스는 이번 프로젝트에서 신약 개발 과정의 실험 데이터를 활용한 고도화된 AI 모델 개발을 담당한다. 이 AI 모델은 약물의 흡수, 분포, 대사, 배설, 독성(ADMET) 특성을 정확히 예측해 효과적인 약물 후보 물질을 신속하게 발굴하는 데 기여할 예정이다. 아이젠사이언스 외 광주과학기술원, 목암생명과학연구소, 전북대산학협력단, 한국과학기술원 등 총 5개 기관이 이 연구를 주관한다. 신약개발 분야에서 AI 기술 적용의 가장 큰 난관은 양질의 데이터가 부족하다는 점이다. 이를 해결하기 위해 본 프로젝트는 연합학습(Federated Learning) 기술을 활용한 ADMET 예측 모델 개발에 초점을 맞추고 있다. 연합학습은 각
아이젠사이언스가 고려대학교, 임페리얼 칼리지 런던(I.C.L.)과의 공동 연구를 통해 의료 분야 언어모델 인공지능(AI)의 새 지평을 열었다. 아이젠사이언스는 3개 기관이 연합해 개발한 sLLM (small LLM, 소형언어모델)인 ‘Meerkat-7B’가 미국 의사면허시험(USMLE)을 통과하는 데 처음으로 성공했다고 밝혔다. OpenAI, 구글 등 빅테크들이 주도하는 LLM (거대언어모델)들이 성과를 보이고 있지만, 이는 외부 클라우드를 사용하기 때문에 병원이나 기업 등에서 사용하기에는 민감한 데이터가 유출될 위험이 있다. 이에 기관 내부에 설치해 보안성을 높일 수 있는 ‘온프레미스(On-premise)’ 방식이 가능한 sLLM에 대한 수요가 증가하고 있다. sLLM은 모델의 매개변수(parameter)를 줄여 비용을 줄이고, 미세조정(fine-tuning)으로 정확도를 높인 모델을 의미한다. 매개변수의 경우 OpenAI의 GPT-3.5(ChatGPT)는 1750억개, 구글의 PaLM은 5400억개에 달하지만, Meerkat-7B는 70억개에 불과하다. 이는 PC 한 대에서도 설치 및 활용할 수 있는 크기의 모델이라는 점에서 의의가 있다. Meerkat-