2026-09-29 · 합성생물학·AI생물정보학

유전체 분석 기업 "영토 확장" AI 신약 개발·美 시장 진출 '속도'

국내 유전체 분석 기업들이 기존의 진단 검사 서비스를 넘어 AI를 결합한 신약 개발과 글로벌 시장 진출로 사업을 확장하고 있다. 지니너스는 멀티오믹스 데이터와 AI를 결합한 '인텔리빌' 플랫폼으로 암 치료 타깃을 발굴하고, 베르티스는 단백체 기반 AI 플랫폼 '서프(SURF)'로 신약 타깃 후보를 탐색하고 있다. 셀레믹스는 미국 임상검사실과 계약을 맺어 NGS 암 진단 패널의 미국 현지 공급 및 로열티 수익 모델을 구축했다. 쓰리빌리언은 텍사스 오스틴에 현지 법인을 세우고 유전체 분석 클리아 랩 구축을 추진 중이다. 이러한 움직임은 국내 NGS 검사 시장의 경쟁 심화로 단순 검사 기술만으로는 차별화가 어려워진 상황에서 비롯된 것으로 보도되었다.

BioIN-뉴스 원문 읽기 ↗

고등학교 생명과학 관련 과목·내용

2022 개정 교육과정에서 이 기사와 연결되는 과목과 내용입니다.

생물의 유전 진로선택: 영역: 생명공학기술
관련 내용: 생명공학기술의 활용
생물의 유전 진로선택: 영역: 유전자와 유전물질
관련 내용: DNA와 유전 현상
세포와 물질대사 진로선택: 영역: 물질대사와 에너지
관련 내용: 효소와 에너지

읽는 순서는 자유예요. 궁금한 항목을 바로 열어보세요.

이 기사의 주장은 어디까지 확인됐을까?팩트체크 · 확인된 사실과 더 살펴볼 근거

기사에서 확인된 사실

유전체(Genome)는 유전자(Gene)와 염색체(Chromosome)의 합성어로, 한 생명체를 구성하는 유전정보의 총합을 의미한다고 기사 본문에 명시되어 있습니다. (출처: 기사 본문)
지니너스는 한국과 일본에서 구축한 5500명 이상 환자의 임상 데이터를 기반으로 AI 플랫폼 '인텔리빌'을 운영하고 있다고 기사에 명시되어 있습니다. (출처: 기사 본문)
베르티스는 혈액 속 단백질로 유방암을 조기 진단하는 '마스토체크'로 알려진 기업으로, 최근 화순전남대병원과 공동연구 협약을 체결했다고 기사에 명시되어 있습니다. (출처: 기사 본문)
셀레믹스는 미국 '어치브 다이아그노스틱스'와 3년간 최소 722만5000달러(약 99억원) 규모의 라이선스 및 진단키트 공급계약을 체결했다고 기사에 명시되어 있습니다. (출처: 기사 본문)
쓰리빌리언은 텍사스 오스틴에 현지 법인을 설립하고 유전체 분석 클리아 랩 구축을 추진 중이며, '내년부터 서비스와 영업망 가동이 목표'라고 관계자가 밝혔다. (출처: 기사 본문)

아직 불확실한 점

'인텔리빌' 플랫폼이 HER2 발현 정도와 공간 분포에 따라 약물 반응이 달라지는 것을 확인할 수 있다는 주장은 지니너스 관계자의 발언으로만 소개되어 있으며, 동료 심사를 거친 독립적 임상 검증 결과가 기사 내에 제시되지 않았습니다. (기사가 인용한 특정 기업 측 주장이므로 독립적 검증 여부 확인 필요)
베르티스의 'SURF' 플랫폼이 발굴한 신약 타깃 후보는 화순전남대병원과의 협약을 통해 '임상·병리적 유의성을 검증하는 연구에 착수'한 단계로, 임상적 효능은 아직 연구 중인 상태입니다.
쓰리빌리언의 미국 클리아 랩 구축 및 서비스 가동 계획은 '목표'로 제시된 것으로, 실제 서비스 실현 여부는 아직 확정되지 않은 미래 계획입니다.

더 확인할 근거

기사에 언급된 각 기업의 AI 플랫폼(인텔리빌, SURF 등)이 동료 심사(peer review)를 거친 학술지에 성능이 검증·발표되었는지 교사가 학생과 함께 확인하도록 권장합니다. 또한 셀레믹스 계약 규모(722만5000달러)가 확정 매출인지, 최소 보장 금액인지 원문 공시를 통해 구분하도록 지도할 필요가 있습니다.

알고 보면 더 재미있는 과학과학이야기 · 핵심 개념어 · 함께 공부하면 좋은 내용

이 기사의 과학이야기는 아직 불러오지 못했어요. 아래 개념부터 살펴보세요.

이 기사를 이해하는 열쇠, 핵심 개념어

유전체(Genome): 한 생명체가 가진 모든 유전정보의 총합으로, 유전자(Gene)와 염색체(Chromosome)의 합성어입니다. 인간의 경우 약 30억 쌍의 염기서열로 이루어져 있으며, 암이나 희귀질환의 원인이 되는 특이적 돌연변이를 찾아내는 데 활용됩니다.
NGS(차세대 염기서열 분석, Next Generation Sequencing): 기존보다 훨씬 빠르고 저렴하게 DNA 염기서열을 대량으로 분석하는 기술입니다. 질병과 관련된 여러 유전자를 한꺼번에 검사하는 '패널 검사'에 주로 사용되며, 표적 항암제 선택 등 맞춤 치료에 활용됩니다.
다중 오믹스(Multi-omics): 유전체(DNA 정보), 전사체(mRNA 정보), 단백체(단백질 정보) 등 여러 층위의 생물학적 정보를 통합하여 분석하는 접근법입니다. 단일 정보만 분석할 때보다 질병의 원인과 약물 반응을 더 입체적으로 이해할 수 있다고 보고되고 있습니다.
공간 전사체(Spatial Transcriptomics): 세포 내에서 어떤 유전자가 발현되는지를 세포의 '공간적 위치 정보'와 함께 분석하는 기술입니다. 종양 내 암세포와 면역세포가 어디에 분포하고 서로 어떻게 상호작용하는지를 파악하여 치료 전략 수립에 활용하는 것을 목표로 연구 중입니다.
HER2(Human Epidermal Growth Factor Receptor 2): 세포 표면에 있는 단백질 수용체 중 하나로, 이 유전자가 과발현되거나 돌연변이가 생기면 세포가 비정상적으로 증식하여 암이 발생할 수 있습니다. 유방암, 위암 등에서 중요한 치료 타깃으로 알려져 있으며, HER2를 표적으로 하는 항체 치료제가 임상에서 사용되고 있습니다.
ADC(항체-약물 접합체, Antibody-Drug Conjugate): 암세포 표면의 특정 단백질(항원)에 결합하는 항체에 강력한 항암 약물을 연결한 형태의 치료제입니다. 항체가 암세포를 정밀하게 찾아가 약물을 전달하므로, 정상 세포의 손상을 줄이면서 암세포를 공격하는 것을 목표로 개발되고 있습니다.

지식 연결 개념도

전체 연결을 한눈에 살펴보세요. 글씨가 작으면 크게 보기를 눌러 좌우로 움직이며 읽을 수 있어요.

함께 공부하면 좋은 내용더 이해하고 싶을 때, 배경지식을 이어서 읽어보세요.

자료를 준비 중입니다. 전체 교육자료 링크에서도 확인할 수 있어요.

이 기사에서 시작하는 탐구 질문근거와 개념을 살펴본 뒤, 질문을 골라 나만의 탐구 보고서로 이어가 보세요.

좋은 질문을 만드는 힘도, 질문을 접하고 연습하며 자라요.

다양한 질문을 읽으며 어떤 점이 좋은 질문인지 생각해 보세요. 마음에 드는 질문은 질문함에 모아 두고, 나만의 질문을 만드는 데 참고해 보세요.

읽는 데서 한 걸음 더 나아가, 질문함에서 직접 답변도 적어 보세요. 어떤 근거가 필요한지, 무엇을 비교하거나 확인할 수 있을지 고민하는 과정이 탐구를 배우는 연습이 됩니다. 완벽한 답이 아니어도 괜찮아요.

질문 하나를 골라 담고, 내 생각으로 답해 본 뒤, 새롭게 떠오른 나만의 질문을 적어 보세요.

질문을 구체화하는 방법의 예시

“효과가 있을까?” → “어떤 조건에서, 무엇과 비교했을 때 효과가 달라질까?”

조건과 비교 대상을 정하면 살펴볼 근거가 더 분명해져요. 아래 예시를 보며 내 질문도 만들어보세요.

1.탐구 질문 1: 유전체, 전사체, 단백체는 서로 어떤 관계에 있으며, 같은 유전자를 가진 사람이라도 단백질의 종류와 양이 다를 수 있는 이유는 무엇인가?
2.탐구 질문 2: NGS 기반 암 진단 패널 검사와 기존의 단일 유전자 검사는 민감도·특이도·비용·검사 시간 측면에서 어떤 차이가 있으며, 각각 어떤 상황에서 더 적합한가?
3.탐구 질문 3: 동일한 HER2 양성 암 환자라도 치료 반응이 다를 수 있다는 주장을 검증하기 위해 어떤 변인을 설정하고, 어떤 데이터를 수집·비교하는 탐구를 설계할 수 있을까?
4.탐구 질문 4: 환자가 병원에서 유전체 검사를 받을 때 자신의 데이터가 기업의 AI 신약 개발에 활용될 수 있다면, 어느 수준의 동의 절차와 어떤 형태의 이익 공유가 윤리적으로 정당한가?
5.탐구 질문 5: 이 기사는 국내 유전체 기업들의 성장 가능성을 긍정적으로 서술하고 있는데, 기사에서 언급되지 않은 위험 요인이나 한계는 무엇이며, 독자는 이를 어떻게 파악할 수 있는가?

이 관심을 나만의 탐구로 이어가려면?학생부 활용 아이디어 · 타교과 연계

탐구의 방향

기사를 단순히 읽고 요약하는 수준을 넘어, '다중 오믹스 데이터가 단일 오믹스 분석보다 암 치료 타깃 발굴에 왜 더 유리한가'라는 생물학적 원리를 직접 탐구하는 방향으로 접근합니다. 예를 들어 유전체·전사체·단백체 각 층위의 정보가 어떻게 연결되는지를 센트럴 도그마 관점에서 분석하고, AI가 이 데이터를 통합할 때 발생하는 과학적·윤리적 쟁점을 함께 논의한 기록으로 세특을 구성합니다.

심화 탐구 아이디어 1: NCBI의 공개 유전체 데이터베이스(GenBank, GEO 등)에서 유방암 관련 HER2 발현 데이터를 검색하고, 발현 수준에 따라 환자 군을 분류한 선행 연구 결과를 표로 정리하여 '같은 HER2 양성이라도 발현 정도와 공간 분포가 다를 수 있음'을 데이터 기반으로 확인하는 문헌 탐구를 수행합니다.
심화 탐구 아이디어 2: 제임스 왓슨·프랜시스 크릭의 DNA 이중나선 발견부터 인간 게놈 프로젝트(HGP), 그리고 NGS 기술의 발전을 다룬 도서(예: 『게놈 오디세이』, 『생명의 설계도, 게놈』 등)를 읽고, 염기서열 분석 비용이 20년간 어떻게 급감했는지를 그래프로 시각화한 뒤, 기술 발전이 임상 현장에 미친 영향을 탐구 보고서로 작성합니다.
심화 탐구 아이디어 3: 정보 교과(또는 수학)와 융합하여 AI가 다중 오믹스 데이터를 분류·학습하는 원리(머신러닝의 지도학습·비지도학습 개념)를 간략히 조사하고, 사회 교과의 '생명 윤리' 단원과 연계하여 환자 유전체 데이터의 상업적 활용 시 동의 절차·데이터 소유권·이익 공유 문제를 포함한 윤리 토론문을 작성합니다.

활동을 기록하는 문장 예시

직접 수행한 활동을 바탕으로 수정하는 예시입니다. 아직 하지 않은 활동을 수행한 것처럼 쓰지 마세요.

유전체·전사체·단백체가 센트럴 도그마의 각 단계와 대응됨을 확인하고, 동일한 유전자를 가져도 전사 후 조절과 번역 후 변형에 의해 단백질 종류와 양이 달라질 수 있음을 문헌을 통해 탐구했습니다. HER2 양성 유방암 환자 데이터를 다룬 공개 연구 자료를 검토하여, 발현 정도와 공간적 분포 차이가 치료 반응에 영향을 줄 수 있다는 연구 가설의 근거를 정리하고, 이를 검증하기 위해 필요한 변인 설정 방법을 탐구 보고서로 작성했습니다. 나아가 환자의 유전체 데이터가 기업의 AI 신약 개발에 활용될 때 요구되는 동의 절차와 이익 공유의 윤리적 기준을 다른 국가의 사례와 비교 조사하여, 과학 기술의 발전과 생명 윤리 사이의 균형점을 논의했습니다.

다른 교과의 관점으로 살펴보면

연결 과목: 정보 · 인공지능 기초 · 확률과 통계 · 실용 통계 · 수학과제 탐구 · 인공지능 수학 · 현대사회와 윤리 · 윤리문제 탐구 · 법과 사회 · 정치 · 독서와 작문 · 주제 탐구 독서 · 독서 토론과 글쓰기

정보

유전체·전사체·단백체 등 방대한 오믹스 데이터를 AI가 어떻게 학습하고 치료 타깃을 예측하는지, 머신러닝 모델의 기본 원리와 생물정보학 파이프라인을 연결하여 이해할 수 있습니다.

정보

5500명 이상의 환자 임상 데이터를 정제·분석하는 과정에서 사용되는 데이터 전처리, 시각화, 패턴 인식 등의 방법론을 탐구하고, 유전체 빅데이터 분석의 실제 흐름을 이해할 수 있습니다.

수학

NGS 검사 결과의 민감도·특이도, 임상 데이터 기반 AI 모델의 성능 평가(정확도, p값 등)를 통계적으로 해석하는 능력을 기를 수 있습니다.

수학

단백체 및 유전체 데이터를 기반으로 신약 타깃을 예측하는 AI 모델에 사용되는 행렬 연산, 분류 알고리즘의 수학적 원리를 연결하여 탐구할 수 있습니다.

윤리

환자 유전정보의 상업적 이용, 데이터 동의 원칙, 이익 공유 문제 등 생명공학 기술이 제기하는 생명윤리 쟁점을 헬싱키 선언과 생명윤리법의 맥락에서 분석하고 토론할 수 있습니다.

사회

유전정보 보호 관련 법률(생명윤리법, 개인정보 보호법)과 신약 허가 절차, 라이선스 계약 구조 등 유전체 산업을 둘러싼 법·제도적 맥락을 탐구할 수 있습니다.

국어

기업 홍보성 기사와 동료 심사 학술 논문을 비교하며 과학 정보를 비판적으로 읽는 방법을 실습하고, 탐구 보고서 작성에 활용할 수 있습니다.

이 문제를 다른 입장에서 보면?윤리 쟁점 · 여러 관점과 토론 질문

방대한 환자 유전체·임상 데이터를 기업이 AI 신약 개발에 상업적으로 활용할 때, 정보 제공 동의와 데이터 소유권·이익 공유의 문제가 제기된다.

찬성/지지 입장

대규모 환자 데이터를 AI와 결합하면 기존보다 더 정확한 치료 타깃을 발굴하여 신약 개발 기간과 비용을 줄일 수 있고, 이는 결과적으로 더 많은 환자가 효과적인 치료를 받을 기회를 늘립니다. 기업이 데이터를 분석·정제하는 데 막대한 비용과 기술을 투자한 만큼, 이를 바탕으로 수익을 창출하는 것은 연구개발 지속성을 위해 필요하다는 논리입니다.

반대/우려 입장

환자가 검사를 받을 당시 자신의 유전체 데이터가 기업의 AI 신약 개발 플랫폼에 활용된다는 사실을 충분히 인지하고 동의했는지 불분명할 수 있습니다. 또한 데이터를 제공한 환자는 상업적 이익에서 배제되는 반면 기업만 수익을 얻는 구조는 공정하지 않다는 우려가 있습니다. 유전 정보는 개인뿐 아니라 가족에게도 영향을 미치는 민감 정보이므로 보안과 이차 활용에 대한 엄격한 규제가 필요하다는 입장입니다.

헬싱키 선언(충분한 정보에 의한 사전 동의, informed consent 원칙), 대한민국 「생명윤리 및 안전에 관한 법률」(인체유래물 및 유전정보 이용 시 동의 의무), 개인정보 보호법(민감정보로서의 유전정보 처리 제한), GDPR(유럽 일반 데이터 보호 규정, 유전자 데이터의 특별 범주 보호)

병원에서 암 유전자 검사를 받은 환자의 데이터가 기업의 AI 신약 개발에 활용될 때, 환자는 어느 수준의 동의와 어떤 형태의 이익 공유를 요구할 권리가 있을까?

읽고 나니, 무엇이 달라졌을까?핵심 정리 · 오개념 · 자기점검

기억할 핵심

유전체(Genome)는 한 생명체의 모든 유전정보의 총합이며, 유전체·전사체·단백체는 센트럴 도그마(DNA→RNA→단백질)의 각 단계와 대응되는 서로 다른 층위의 생물학적 정보입니다.
NGS(차세대 염기서열 분석)는 기존 방법보다 훨씬 빠르고 저렴하게 대량의 유전자 정보를 분석할 수 있어, 여러 암 관련 유전자를 동시에 검사하는 패널 검사와 표적 항암제 선택에 활용됩니다.
기사에서 소개된 기업들의 AI 플랫폼 성능과 임상적 효능은 일부 아직 연구·검증 중인 단계이며, 기업 측 주장과 독립적으로 검증된 연구 결과를 구별하여 읽는 비판적 시각이 필요합니다.

헷갈리기 쉬운 부분

오개념 1: '유전자가 같으면 단백질도 동일하다' → 올바른 이해: 전사 후 조절(RNA 스플라이싱, 마이크로RNA 등)과 번역 후 변형(인산화, 당화 등)에 의해 같은 유전자라도 만들어지는 단백질의 종류와 양이 달라질 수 있으므로, 유전체·전사체·단백체는 서로 다른 정보를 담고 있습니다.
오개념 2: 'HER2 양성이면 모두 동일한 치료 반응을 보인다' → 올바른 이해: HER2 양성이라도 발현 정도(과발현 수준)와 종양 내 공간적 분포에 따라 치료 반응이 다를 수 있다는 연구 가설이 있으며, 이는 현재 탐구·검증 중인 내용으로 확정된 임상 결론이 아니다.

다중 오믹스(Multi-omics) 접근법이 단일 오믹스(예: 유전체만 분석)보다 암 치료 타깃 발굴에 유리할 수 있는 이유를 센트럴 도그마와 연결하여 자신의 말로 설명할 수 있는가?

이 과학은 실제로 어디에 쓰일까?산업 연계 · 기업과 기관 · 미래 전망

국내 유전체 분석 기업들은 기존의 NGS 기반 암 진단 서비스 시장에서 쌓은 데이터와 기술력을 바탕으로, AI와 결합한 신약 타깃 발굴 플랫폼 사업으로 영역을 확장하고 있습니다. 또한 단순 제품 수출을 넘어 현지 임상검사실(클리아 랩) 운영과 로열티 수익 모델 등을 통해 미국 시장에 직접 진입을 시도하고 있다고 기사는 전하고 있습니다.

시장 동향

기사 본문에 글로벌 유전체 시장 규모 그래픽이 언급되어 있으나 구체적 수치는 기사 텍스트에 명시되지 않아 인용하지 않습니다. 공개된 시장조사 자료에 따르면 글로벌 차세대 염기서열 분석(NGS) 시장은 최근 수년간 빠르게 성장하고 있는 것으로 보고되고 있으며(출처: Grand View Research, MarketsandMarkets 등 공개 보고서 요약 참고), 진단을 넘어 치료제 개발 분야로의 확장이 주요 성장 동력 중 하나로 분석됩니다. 다만 특정 수치를 인용하려면 해당 보고서 원문을 직접 확인하도록 권장합니다.

이런 문제를 다루는 사람들은?직업 · 학과 · 진로 탐색

생물정보학자(Bioinformatician)

유전체·전사체·단백체 등 방대한 오믹스 데이터를 수집·정제·분석하는 파이프라인을 설계하고, AI 모델을 적용해 의미 있는 생물학적 패턴을 도출합니다. 기사에서 언급된 '인텔리빌', 'SURF' 같은 AI 분석 플랫폼의 핵심 인력입니다.

임상유전학자(Clinical Geneticist) / 유전상담사

NGS 패널 검사 결과를 해석하여 환자의 질환 원인 유전 변이를 찾아내고, 적합한 표적 치료제를 제안하거나 유전 정보를 환자와 가족에게 설명합니다. 상급종합병원 중심으로 수요가 증가하고 있다고 기사는 전하고 있습니다.

신약 개발 연구원(Drug Discovery Scientist)

AI 플랫폼이 제안한 치료 타깃 후보의 생물학적 유의성을 세포·동물 실험 수준에서 검증하고, 항체 또는 ADC 등 최적 치료 모달리티를 선정하는 연구를 수행합니다. 기사에서 베르티스가 화순전남대병원과 공동으로 추진하고 있는 타깃 검증 연구가 이 업무에 해당합니다.