AI 로 화학 합성 10배 단축? ‘레트로키메라’, 신약 개발 비용 대폭 낮춘다

마이크로소프트 CEO 사티아 나델라가 9월 25일 밝혔다. ‘레트로키메라’는 AI 가 분자 발견 속도를 높이는 사례다. 맞춤형 분자를 만드는 과정이 느렸지만, 이 기술로 단축된다.

누가, 언제, 어디서 발표했나

여기서 궁금한 것은 AI 가 제안한 합성 경로를 실제 실험실에서 성공적으로 구현했을 때 어떤 검증 절차가 필요할까?

왜 이 기술이 주목받나

마이크로소프트는 9월 25일 LinkedIn 을 통해 '레트로키메라'가 화학 합성 속도를 높이는 예시라고 밝혔다. 사티아 나델라는 "Custom-made molecules are advancing medicine, materials, and agriculture, but producing them is slow and expensive"라며 맞춤형 분자 생산의 어려움을 지적했다.

[배경 출처 1] 에 따르면 Nature 는 물리적 우주나 자연계의 법칙을 가리키는 말이다. 인간은 자연 일부지만 때로는 대조적이거나 별개로 묘사된다.

역합성은 원하는 분자를 만들기 위해 거꾸로 합성 경로를 찾는 과정이다. 과거에는 숙련된 화학자의 판단에 의존했다.

그렇다면 이 기술이 도입되면 기존 연구진이 맡던 역할은 어떻게 변할까?

내 업무와 지갑에 미치는 영향

레트로키메라는 신약 개발과 소재 공정의 비용을 낮춘다. 사티아 나델라에 따르면 합성 과정이 느리고 비싼 것은 새 분자가 실험실 밖으로 나가는 것을 막는 주된 이유다.

• 기업 경영자: 연구 개발 (R&D) 사이클을 단축해 신약 출시 시간을 앞당길 수 있다. 기존에 화학자가 수주일씩 설계하던 합성 계획을 AI 가 하루 안에 제안한다.
• 투자자: AI 는 예측만 하는 소프트웨어를 넘어 물리적 세계의 문제를 해결하므로, 관련 기업은 고성장 가능성이 높다.
• 일반인: 의약품 원가 절감으로 신약 접근성이 높아진다. 소재 비용 하락은 친환경 농업과 지속 가능한 제품 가격 안정에 기여한다.

하지만 AI 가 제안한 경로가 항상 실험실에서 통하는 건 아니다. 다음 단계의 핵심 장벽은 무엇일까?

숫자로 보는 효율성 변화

레트로키메라는 'de novo 모델'과 '템플릿 기반 모델'을 결합해 두 가지 접근법의 제안을 평가한다.

• 합성 계획 시간: 기존 숙련된 화학자가 수 주 걸리는 작업을 AI 가 지원한다고 가정한다. 효율성 향상 비율은 계산할 수 없다.
• 비용 절감 효과: 맞춤형 분자 생산 비용이 현재 느리고 비싸다는 점만 확인된다. 정확한 수치는 unavailable data 이다.

만약 AI 가 제안하는 화학 반응이 실패하면, 다음 단계로 넘어가는 검증 프로토콜은 어떻게 달라져야 할까?

쟁점: 예측 vs. 실행의 격차

출처 0: 사티아 나델라는 이번 네이처 논문을 동료 검토를 거친 신호라고 강조했다.

"우리의 팀은 AI 가 분자 발견 속도를 높이는 데 기여하는 훌륭한 예시임을 보여주었다." 라고 밝혔다. 반면, Chungsam Lee 는 "예상된 경로가 실행 가능한 로드로 전환되는 시점은 중요한 질문이다"라고 지적했다.

• AI 의 한계: AI 가 제안한 합성 제안은 화학적으로 타당해 보일 수 있으나, 시약 공급 여부, 반응 조건, 장비 상태, 안전 제약 사항 등 실제 실험실의 변수에 좌우된다. 즉, 실행 가능한 단계로의 전환 여부가 검증된 과정이어야 한다.
• 인력의 변화: 워크 퓨처스 리포트는 이 기술이 화학자를 대체하지 않는다고 본다. 오히려 단순 생성 작업을 벗어나 평가와 검증을 담당하는 전문가의 역할을 강화시킨다.

결국 AI 가 제안한 경로를 실험실 기계로 옮겨놓을 때, 인간은 어떤 안전 장치를 더 갖춰야 할까?

앞으로의 전망과 변수

마이크로소프트는 9월 25일 발표한 이번 내용을 통해 AI 가 과학에 활용되는 실제 사례임을 확인했다. 향후 로드맵은 폐쇄형 실험실 워크플로우 (closed-loop laboratory workflows) 로의 전환에 있다.

• 검증 프로토콜: 각 실험 단계를 다음 단계로 넘어가기 전에 검증하는 과정이 필수적이다. 이는 'AI 가 화학을 제안한다'는 수준에서 'AI 가 안전하고 재현 가능하게 화학에 참여한다'는 단계로의 진화다.
• 공식 일정: 구체적인 새로운 발표 일정은 아직 공개되지 않았다. 다만 Microsoft Research 는 이 기술을 바탕으로 물리적 세계의 근본적 문제를 해결하는 데 집중할 예정이다.

다음 주에는 이 검증 프로토콜의 실제 적용 사례가 나올까?

출처

1. Our team’s work in Nature this week. A great example of how AI is helping to accelerate molecular discovery. — Microsoft Source 뉴스
2. Nature — Wikipedia (en)

이 기사는 AI 보조 도구로 초안을 작성하고 편집 책임자가 1차 출처와 대조해 사실을 확인한 뒤
수정·게재했습니다. 사실과 다른 내용이 있으면 정정 요청을 보내주세요.