한미약품이 자체 인공지능(AI) 플랫폼을 활용해 단백질 서열의 미세한 변화에 따른 약리 활성을 예측하고, 최적의 후보물질 설계 방향까지 제안하는 차세대 신약개발 기술을 확보했다.

특히 국내 제약•바이오 기업이 AI를 기반으로 새롭게 발굴한 ‘퍼스트 인 클래스(First-in-Class)’ 후보물질을 실제 임상 단계로 끌어올려 글로벌 개발을 추진하는 선도적 사례라는 점에서 주목된다.

한미약품은독자 AI 플랫폼을 활용해 세계 최초로 체중 감량과 근육 증가를 동시에 실현하는 ‘신개념 비만 혁신신약(LA-UCN2, 코드명: HM17321)’을 도출해 임상 개발을 속도감 있게 진행하고 있으며, 올해 6월 미국당뇨병학회(ADA)에서 공개한 세계 최초 펩타이드 기반 마이오스타틴(myostatin) 억제 기전의 ‘차세대 근육 증진 치료제(LA-MSTN, 코드명: HM500197)’까지 확보하는 성과를 거뒀다.

한미사이언스 핵심 사업회사 한미약품은 지난 12일부터 16일까지 미국 워싱턴 D.C.에서 열린 국제 분자생물학 지능형 시스템 학술대회(ISMB, International Conference on Intelligent Systems for Molecular Biology)에서 자체 개발한 AI 플랫폼 ‘HARP-pSAR’를 활용해 근육 강화 기반의 비만 신약 파이프라인을 도출한 연구 결과를 발표했다고 24일 밝혔다.

ISMB는 생물정보학과 계산생물학 분야의 세계 최대 규모 학술대회로, AI를 활용한 생물학, 신약개발 연구 트렌드를 선도하는 주요 학회로 평가받고 있다. 

올해는 실제 연구 현장에서의 문제 해결 능력, 신약개발 성과와의 연결성을 AI의 경쟁력 지표로 설정하며 AI가 단순한 예측 도구가 아닌 ‘연구 협력자’로서의 역할을 강조했다.

한미약품이 이번 학회에서 발표한 연구는 AI 모델의 예측 성능을 제시한것은 물론, AI가 제안한 단백질 서열 설계가 실제 실험 검증과 후보물질 최적화를 거쳐 임상 개발 단계의 혁신신약으로 연결했다는 점에서 현장 참석자들의 높은 관심을 받았다.

신개념 비만치료제 HM17321은 단순히 근 손실을 보완하는 수준을 넘어, 기존에 불가능하다고 여겨졌던 ‘근육량 증가’와 ‘지방 선택적 감량’을 동시에 구현하는 ‘퍼스트 인 클래스’ 비만 혁신 신약으로,현재 미국 임상 1상이 순조롭게 진행되고 있다.

HM17321은 GLP-1을 비롯한 인크레틴 수용체가 아닌 CRF2(corticotropin-releasing factor 2) 수용체를 선택적으로 타깃하는 UCN2(Urocortin-2) 유사체로 설계됐다. 

CRF family는 스트레스 반응 및 스트레스 회복과 관련된 신호 분자로, 그 수용체 중 CRF2 수용체를 선택적으로 타깃하면 지방 감소와 근육 증가, 근 기능 개선 등을 직접 이끌어낼 수 있다는 게 한미약품 설명이다.

HM17321 개발의 핵심 과제는 표적 수용체인 CRFR2에는 강력하게 결합하면서도, 비표적 수용체인 CRFR1에는 활성을 나타내지 않도록 UCN2 유사체의 서열을 정교하게 최적화하는 것이었다.

한미약품은 고유의 신약 설계 역량을 토대로 자체 개발한 AI 플랫폼 ‘HARP-pSAR(Hanmi AI-driven Research Platform - protein Sequence-Activity Relationship)’을 활용해 후보물질 도출과밸리데이션(검증) 프로세스를 획기적으로 고도화했다.

HARP-pSAR은 신약개발 초기 단계의 최대 걸림돌인 ‘실험 데이터 부족(Low-N)’ 한계를 극복해 연구 효율성을 극대화한 것이 특징이다. 

대규모 데이터와 고성능 컴퓨팅 인프라를 필요로 하는 기존 AI 모델과 달리, 양자화 기술을 적용해 연산 비용을 낮추고 로컬 워크스테이션 환경에서도 공백 없이 신속하게 구동될 수 있도록 설계됐다.

한미약품은 수십 건의 내부 실험 결과만으로도 표적 및 비표적 수용체에 대한 활성을 높은 정확도로 예측하는 모델을 구축했다. 

이를 통해 다양한 단백질 서열 후보를 일일이 설계하고 합성한 뒤 활성을평가해야 했던 기존 과정을 효율화해, AI 예측 결과를 기반으로 유망한 신약 후보물질을 선별하는 초고속 스크리닝을 구현했다.

특히 HARP-pSAR은 학습 데이터에 포함되지 않은 새로운 서열의 활성을 예측하고 최적의 미지 아미노산 잔기(Neo-residue) 위치까지 제안함으로써, 후보물질 설계 과정에서 불필요한 시행착오와 실험 비용을 크게 줄여 HM17321의 개발 완성도를 높이고 임상 진입 속도를 비약적으로 끌어올린 실증 사례로 평가된다.

이 같은 접근은 생성형 AI나 파운데이션 모델(Foundation Model)이 제안한 결과를 실험 데이터로 검증하고, 다시 학습에 반영하는 ‘AI-native 신약개발’ 흐름과도 맞닿아 있다. 한미약품은 HARP-pSAR을 단일 과제용 예측 모델이 아니라, 표적 특성에 따라 지속 확장할 수 있는 신약 설계 기반 기술로 고도화할 계획이다.

한미약품 최인영 미래성장부문장부사장)은 “이번 연구는 AI가 단순한 데이터 분석도구를 넘어, 연구진의 전문성과 결합해 신약 후보물질의 설계 방향을 제시하고 개발 과정의 시행착오를 줄이는 실질적인 연구 파트너로 활용될 수 있음을 보여준 선도적 사례”라며 “특히 세계적인 AI•계산생물학 연구자들이 모인 ISMB에서 AI 기반 설계 결과가 실제 신약 후보물질 도출과 임상 개발로 이어진 한미의 성과를 소개했다는 점에서 의미가 크다”고 말했다.