일본산업뉴스요약

프로틴 AI에 대한 새로운 발상
단백질 의약품 개발 스타트업 레볼카, 신∙구형 AI를 적재적소에 나누어 사용

생성 AI(인공지능)의 활용이라고 하면 흔히 '최신 AI 기술로 제로에서부터 획기적인 성과물을 만들어내는 것'이라는 이미지를 떠올리기 쉽다. 하지만 AI 자체는 단지 수단에 불과하다. 중요한 것은 뛰어난 성과물을 얻어내는 것이다.

이것을 단적으로 보여주고 있는 곳이 단백질 의약품 개발 스타트업 '레볼카(Revolka)'이다. 레볼카는 구형과 신형 AI를 적재적소에 나누어 사용하고 있다. 최첨단 AI만을 고집하지 않는 이러한 유연한 자세는 다른 산업 영역에서도 충분히 참고할 만하다.

레볼카는 도호쿠(東北)대학 발 스타트업으로 2021년에 창업했다. 미야기(宮城)현 센다이(仙台)시의 도호쿠대학 아오바 산(青葉山) 캠퍼스 부지 내에 실증 시설을 갖추고 있다. 레볼카 사업의 토대가 된 것은 도호쿠대학 대학원 공학연구과의 우메쓰(梅津) 교수 연구팀이 추진하던 연구이다. 우메쓰 교수는 현재 레볼카의 CSO(최고과학책임자) 겸 연구개발부 부장과 도호쿠대학 교수를 겸임하고 있다.

우메쓰 교수 연구팀은 본래 실험을 베이스로 항체 등의 단백질을 설계해 왔으나, 성과가 나오기까지 수년의 시간이 걸린다는 문제를 안고 있었다. 그러다 이화학연구소와의 공동 연구를 계기로 가우시안 과정이나 베이지안 최적화와 같은 전통적인 기계학습 기법을 도입하게 되었다. 우메쓰 교수는 "그전까지는 연구가 한 발자국씩 나아가던 것에 비해, 기계학습을 도입한 후에는 연구가 비선형적(비연속적이고 비약적)으로 바뀌었다"라고 기계학습 도입 효과에 대해 말한다.

2018년, 우메쓰 연구팀은 연구 성과를 논문으로 발표. 단백질 내부의 아미노산 4개를 변경하는 경우, 100개 정도의 소량의 실험 데이터만으로도 기계학습을 통해 원하는 단백질을 찾아낼 수 있다는 것을 실증했다. 이 방법론이 레볼카의 단백질 설계 기술의 핵심 이다.

-- 엄청난 규모의 거대 공간을 AI로 압축 --
단백질의 아미노산 배열이 가질 수 있는 모든 가능한 조합을 의미하는 '배열 공간'은 거대하다. 가령, 230개의 아미노산으로 구성된 단백질의 경우, 그 배열 공간은 20의 230승(10의 약 300제곱)이라는 엄청난 규모가 된다. 우주에 존재하는 모든 원자 수도 10의 80승 정도에 불과하다.

우메쓰 교수에 따르면, 이 거대한 공간을 10의 6승(100만 가지) 오더까지 축소할 수 있을 경우, 앞서 언급한 기존형 기계학습을 사용해 유망한 단백질을 찾아낼 수 있다고 한다. 레볼카는 이 공간의 압축에 최신 프로틴 AI인 단백질 언어 모델(pLM)을 사용하고 있다. 단백질로서 성립하기 쉬운 배열인지 여부를 pLM으로 판별하고 있다.

우메쓰 교수는 "공간 압축에는 pLM뿐만이 아니라 다양한 기법을 사용하고 있다"라고 말한다. 구체적으로는 화학공학에서 사용되는 '공정을 작은 처리 단위로 나누어 조합한다'라는 개념을 응용하여 다양한 예측기나 문헌 추출 머신 등을 조합하고 있다고 한다. 예측기는 단백질의 배열 별로 활성이나 물성과 같은 특성을 예측, 문헌 추출 머신은 기존 문헌에서 유용한 정보를 추출한다.

레볼카는 10의 6승 오더로 축소된 배열 공간을 대상으로 실험을 통해 얻은 약 100개의 데이터를 학습한 기존형 기계학습 모델을 사용해 활성 등의 목적을 얼마나 충족하고 있는지에 따라 순위를 매긴 후보군을 출력. 상위 50~100개의 후보에 대해 그 단백질 특성을 다시 한번 실험을 통해 확인하고 최종적인 단백질 배열을 결정했다.

레볼카는 실험을 포함한 이러한 일련의 작업을 단백질 설계 서비스인 'aiProtein'이라는 이름으로 제공하고 있다. 현재 개발을 추진하고 있는 것은 컴퓨터상의 모든 작업을 AI가 알아서 처리하는 'AI 에이전트'이다. 우메쓰 교수는 "2027년도쯤에는 레볼카만의 독자적인 AI 에이전트를 완성하겠다"라고 포부를 밝혔다.

-- 효소도 설계할 수 있는 것이 강점 --
현재, 단백질 의약품 시장은 항체가 주류로, 많은 제약사들이 처음부터 항체만을 타깃으로 후보를 탐색하는 경우가 많다. 이와는 달리 레볼카의 기술은 단백질 전반을 대상으로 하고 있기 때문에 화학 반응을 촉진하는 단백질인 '효소'의 설계에도 활용할 수 있다. 효소의 유전자 결핍으로 발생하는 희귀 질환용 효소 대체 요법 등에 사용되는 효소 의약품 설계가 가능하다. 또한 효소는 의료용뿐만 아니라, 화학 산업이나 제조업 등으로의 응용도 기대할 수 있다.

실제로 레볼카에 들어오는 의뢰 중 항체를 대상으로 한 것은 30% 정도로, 효소에 대한 의뢰가 훨씬 많다고 한다. 우메쓰 교수는 "효소 설계는 전 세계적으로 의뢰할 수 있는 기관이 별로 없다. 항체는 구조나 배열이 어느 정도 정형화되어 있어 동일한 기법으로 다양한 배열을 만들 수 있지만, 효소는 하나하나가 완전히 다르기 때문에 각각에 맞는 최적의 전략을 짜지 않으면 안 된다"라고 설명. 효소 설계 기술을 특별히 어필하고 있지 않아도 의뢰가 끊이지 않는 상황이라고 한다.

레볼카는 독자적인 신약 개발도 추진하고 있다. 유전성 대사질환을 대상으로 하는 mRNA(메신저 RNA) 의약품이다. 향후의 실용화를 목표로 현재는 자체적으로 개발 중이지만, 제약사와의 공동 개발도 염두에 두고 있다.

레볼카는 2026년 4월 1일, AI 항체 설계 서비스인 'RevoAb'의 제공도 개시했다. 웹사이트에 항체 배열을 입력하면, 지금까지 축적해 온 항체 설계 노하우를 바탕으로 발현량, 안정성, 용해성 등의 특성이 개선된 배열을 제안해 주는 서비스이다.

RevoAb는 신청 후 빠르면 당일에 최대 3가지 종류의 항체 배열을 납품한다. 실험이 필요한 경우에는 상위 서비스인 'aiProtein'으로의 전환도 가능하다. 즉, 상위 서비스로의 유도 루트 역할도 겸하고 있다.

레볼카는 실적이 있는 기존형 AI를 축으로 프로틴 AI와 AI 에이전트를 통해 서비스를 강화하고 있다. 우메쓰 교수는 "AI를 전혀 사용하지 않는 단백질 연구는 이제 사라질 것"이라며 AI의 중요성을 강조한다.

하지만 AI만을 고집하는 것은 아니다. 레볼카는 참여하고 있는 신에너지·산업기술종합개발기구(NEDO)의 프로젝트에서 양자 인스파이어드(Quantum-inspired)나 양자 어닐링(Quantum Annealing)과 같은 양자 기술을 자사의 단백질 설계 기술과 조합하는 방법을 연구하고 있다. 여기에는 기술을 목적이 아닌 어디까지나 수단으로 생각하는 레볼카의 자세가 잘 드러나 있다고 말할 수 있다.

-- 끝 --

Copyright © 2026 [Nikkei XTECH] / Nikkei Business Publications, Inc. All rights reserved.