2026-10-01 · 합성생물학·AI생물정보학

동아에스티, 갤럭스와 AI 항체 설계 기반 ADC 신약 공동 연구 협약 체결

동아에스티와 AI 신약 개발기업 갤럭스는 2026년 10월 1일 신규 항체약물접합체(ADC) 개발을 위한 공동 연구 협약을 체결했다. 갤럭스는 자체 AI 단백질 설계 플랫폼 '갤럭스디자인'을 활용해 처음부터 설계하는 '드노보(de novo)' 방식으로 ADC에 적용 가능한 신규 항체 후보를 도출하며, 동아에스티는 축적된 ADC 링커-페이로드 개발 역량으로 해당 항체의 ADC 적용 가능성을 평가한다. 이번 협력의 목표는 기존 치료제가 없는 미개척 신규 타깃을 대상으로 차별화된 ADC 신약 후보물질을 발굴하는 것이다. 양사는 발굴된 후보물질을 '계열 내 최고(Best-in-class)' 수준의 신약으로 발전시키는 것을 최종 목표로 제시했다.

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
통합과학1 공통: 영역: 시스템과 상호작용
관련 내용: 생명 시스템

읽는 순서는 자유예요. 궁금한 항목을 바로 열어보세요.

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

기사에서 확인된 사실

동아에스티와 갤럭스가 신규 ADC 개발을 위한 공동 연구 협약을 체결했다고 2026년 10월 1일 밝혔다. (출처: 기사 본문 첫 문단)
갤럭스는 AI 단백질 설계 플랫폼 '갤럭스디자인(GaluxDesign)'을 보유하고 있으며, 이를 활용해 드노보 방식으로 항체를 설계한다고 밝혔다. (출처: 기사 본문 갤럭스 설명 문단)
ADC는 특정 타깃을 인식하는 항체, 암세포를 사멸시키는 페이로드, 이 둘을 연결하는 링커로 구성된 치료접근법(모달리티)이라고 기사에 명시되어 있습니다. (출처: 기사 본문 ADC 설명 문단)
동아에스티는 ADC 기반 기술과 링커-페이로드 개발 노하우를 보유하고 있다고 기사에 서술되어 있습니다. (출처: 기사 본문 동아에스티 역할 문단)

아직 불확실한 점

'계열 내 최고(Best-in-class)' 수준의 신약 개발을 목표로 한다는 것은 양사의 목표 선언이며, 실제 신약 개발 성공 여부는 아직 불확실합니다. 신약 개발은 후보물질 발굴 이후 전임상·임상 시험 등 복수의 단계를 거쳐야 하며, 실패율이 높은 것으로 알려져 있습니다.
'드노보 항체 설계 기술이 전통적 실험 기반 방법으로 확보하기 어려운 항체 후보를 도출할 수 있다'는 박태용 갤럭스 대표의 발언은 해당 회사의 주장으로, 실제 도출된 항체 후보의 성능이 기사에서 구체적으로 검증·비교된 것은 아니다.

더 확인할 근거

기사는 갤럭스디자인 플랫폼의 실제 성능(예: 기존 항체 발굴 방식 대비 성공률, 도출된 항체의 특이도·결합력 데이터 등)을 구체적인 수치로 제시하지 않습니다. 학생들이 AI 단백질 설계 기술의 실제 성능 수준에 대해 관련 논문이나 공개 데이터를 추가로 탐색해볼 것을 권장합니다.

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

항체약물접합체(ADC): 특정 암세포 표면 단백질(타깃)을 인식하는 항체에 암세포를 죽이는 약물(페이로드)을 링커로 연결한 치료제로, 항체가 암세포를 정확히 찾아가 약물을 전달함으로써 정상 세포 손상을 줄이는 것을 목표로 합니다.
드노보(de novo) 단백질 설계: 기존에 알려진 단백질 서열을 모방하거나 변형하는 것이 아니라, 원하는 기능과 특성을 갖는 단백질의 구조와 아미노산 서열을 '처음부터' 설계하는 방식으로, AI와 단백질의 물리화학적 원리를 결합해 수행합니다.
페이로드(payload): ADC에서 항체에 연결되어 운반되는 약물로, 암세포 내부로 전달된 후 암세포의 DNA 합성을 방해하거나 세포 분열을 억제하는 방식으로 암세포를 사멸시키는 역할을 합니다.
계열 내 최고(Best-in-class): 같은 타깃이나 같은 치료 메커니즘을 가진 기존 약물들 중에서 효능·안전성·편의성 등에서 가장 뛰어난 수준의 신약을 개발하겠다는 전략적 목표를 나타내는 제약 산업 용어다.
링커(linker): ADC에서 항체와 페이로드(약물)를 화학적으로 연결해주는 분자 구조물로, 혈액 내에서는 안정적으로 결합을 유지하다가 암세포 내부의 특정 환경(예: 낮은 pH, 특정 효소)에서 절단되어 약물이 방출되도록 설계됩니다.
모달리티(modality): 신약 개발에서 치료 목적을 달성하기 위해 사용하는 접근 방법의 종류를 말하며, 소분자 화합물, 항체, ADC, 세포치료제, 유전자치료제 등이 각각 서로 다른 모달리티에 해당합니다.

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: ADC를 구성하는 세 요소(항체, 링커, 페이로드)는 각각 어떤 생물학적·화학적 원리에 기반하고 있으며, 각 요소의 특성이 ADC의 치료 효과에 어떤 영향을 미치는가?
2.탐구 질문 2: 기존의 실험 기반 항체 발굴 방식(예: 하이브리도마 기술, 파지 디스플레이)과 AI 드노보 설계 방식은 항체 후보를 찾는 과정에서 어떤 차이가 있으며, 각각의 장단점은 무엇인가?
3.탐구 질문 3: 항체가 특정 암세포 표면 단백질(타깃)에만 결합하는 '특이성'이 ADC 치료제의 핵심인데, 모형 실험이나 문헌 조사를 통해 항체-항원 특이성이 어떻게 형성되는지 탐구할 수 있는 방법을 설계해보자.
4.탐구 질문 4: AI가 설계한 항체를 신약에 활용할 때, 임상 단계에서 예상치 못한 부작용이 발생한다면 그 책임은 누구에게 있으며, 이를 예방하기 위한 사회적·제도적 장치는 어떻게 마련되어야 하는가?
5.탐구 질문 5: 이 기사는 AI 항체 설계 기술의 가능성을 긍정적으로 소개하고 있는데, 기사에서 다루지 않거나 충분히 설명하지 않은 정보(예: 실제 성능 데이터, 실패 사례, 경쟁 기술과의 비교)는 무엇이며, 독자는 이를 어떻게 보완해서 이해해야 할까?

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

탐구의 방향

기사 독해에서 멈추지 않고, ADC의 세 구성 요소(항체·링커·페이로드)의 생물학적·화학적 원리를 교과서 개념과 직접 연결하여 분석하거나, AI 드노보 설계 방식과 기존 항체 발굴 방식을 비교한 문헌 조사를 수행하고 그 결과를 자신의 언어로 재구성하는 형태로 세특에 담습니다.

심화 탐구 아이디어 1: 항체의 항원 인식 원리(항원결정기-항원결합부위 상보성)를 교과서 면역 단원과 연결하여 정리한 뒤, ADC에서 항체가 암세포 표면 단백질에만 결합해야 하는 이유와 그 특이성이 치료 효과 및 부작용 최소화에 어떻게 기여하는지를 도식화하는 개념 정리 탐구를 수행해봅니다.
심화 탐구 아이디어 2: 파지 디스플레이 또는 하이브리도마 기술을 설명한 고등 수준의 생명과학 교양서나 공개된 리뷰 논문(예: PubMed 무료 접근 논문)을 찾아 읽고, AI 드노보 설계 방식과 비교하는 표를 직접 작성해봅니다. 이때 각 방식의 탐색 공간, 소요 시간, 성공 사례 등을 비교 항목으로 설정하되, 기사에서 검증되지 않은 수치는 '미확인'으로 명시하는 비판적 읽기 습관을 기릅니다.
심화 탐구 아이디어 3: 화학 교과의 '분자 구조와 반응성' 개념을 활용하여 링커의 pH 의존적·효소 의존적 절단 메커니즘을 탐구하고, 세포 소기관(라이소좀의 낮은 pH 등) 관련 생명과학 개념과 융합하여 '링커가 암세포 내부에서만 선택적으로 절단되는 과정'을 화학반응식 또는 개념도로 표현해보는 교과 융합 활동을 진행합니다.

활동을 기록하는 문장 예시

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

ADC의 구성 요소(항체·링커·페이로드)를 생명과학 교과서 면역 단원 및 세포 소기관 개념과 연결하여 각 요소의 작동 원리를 도식으로 정리했습니다. 기존 하이브리도마 방식과 AI 드노보 설계 방식의 차이를 공개 문헌을 참고하여 비교표로 작성하면서, 기사에서 구체적 성능 데이터가 제시되지 않았다는 점을 비판적으로 인식하고 추가 검증이 필요한 주장과 확인된 사실을 구분하여 기록했습니다. 링커의 선택적 절단 원리를 화학의 반응성 개념과 결합하여 탐구함으로써, 신약 개발에서 생명과학과 화학 지식이 어떻게 통합적으로 적용되는지를 스스로 설명할 수 있게 되었습니다.

다른 교과의 관점으로 살펴보면

연결 과목: 정보 · 인공지능 기초 · 화학 · 물질과 에너지 · 현대사회와 윤리 · 윤리문제 탐구 · 인공지능 수학 · 수학과제 탐구 · 법과 사회 · 정치

정보

갤럭스디자인 플랫폼이 단백질의 물리화학적 원리와 AI 기술을 결합해 항체 구조와 서열을 설계하는 방식은, AI 모델이 대량의 단백질 데이터를 학습해 패턴을 추출하는 머신러닝 원리와 직접 연결됩니다. AI 기초에서 학습하는 지도학습·비지도학습 개념을 단백질 구조 예측 문제에 적용해볼 수 있습니다.

화학

항체가 특정 항원에만 결합하는 특이성은 단백질 결합 부위의 분자 구조와 수소결합, 반데르발스 힘 등 분자 간 상호작용에 기반합니다. 화학 반응의 세계에서 다루는 분자 결합 원리와 반응 특이성을 ADC의 항체-항원 인식 메커니즘에 적용해 이해할 수 있습니다.

윤리

AI가 신약 설계에 개입하는 과정에서 발생하는 알고리즘 투명성, 책임 소재, 환자 안전 문제는 현대사회와 윤리에서 다루는 과학기술 윤리 및 생명윤리와 직결됩니다. AI 개발의 책임 윤리와 신약 임상시험에서의 피험자 보호 원칙을 함께 논의할 수 있습니다.

수학

AI 단백질 설계 플랫폼은 방대한 단백질 서열·구조 데이터를 수학적 모델로 학습합니다. 인공지능 수학에서 다루는 행렬 연산, 최적화 함수, 손실함수 최소화 개념이 드노보 단백질 설계 알고리즘의 수학적 기반과 연결됩니다.

사회

ADC 신약 개발 협약은 바이오 산업의 협력 생태계(오픈 이노베이션)를 보여주는 사례로, 경제 과목에서 다루는 기업 간 협력, 지식재산권(특허), 신약 허가 후 시장 경쟁(계열 내 최고 전략) 개념과 연결됩니다.

이 문제를 다른 입장에서 보면?윤리 쟁점 · 여러 관점과 토론 질문

AI가 생명공학 신약 개발에 깊이 개입할 때, 알고리즘 설계의 투명성·책임 소재·안전성 검증을 어떻게 보장할 것인가.

찬성/지지 입장

AI 드노보 설계는 기존 실험 기반 방식으로는 발굴하기 어려운 신규 항체 구조를 탐색할 수 있어, 미충족 의료 수요(치료제가 없는 암 타깃)를 해결할 가능성을 넓힙니다. 또한 반복적인 동물·세포 실험 횟수를 줄여 연구 윤리(동물실험 3R 원칙)와도 부합할 수 있으며, 개발 기간 단축으로 환자가 새로운 치료 옵션에 더 빨리 접근하게 될 수 있습니다.

반대/우려 입장

AI가 설계한 단백질·항체는 학습 데이터의 편향이나 모델 오류가 결과물에 반영될 수 있으나, 알고리즘 내부 작동 방식이 공개되지 않는 '블랙박스' 문제로 인해 전문가조차 오류를 사전에 파악하기 어려울 수 있습니다. 이로 인해 임상 단계에서 예상치 못한 독성이나 부작용이 발생했을 때 책임 소재가 불분명해질 수 있으며, 충분한 전임상 검증 없이 개발 속도에만 집중될 경우 환자 안전에 위험이 될 수 있다는 우려가 있습니다.

생명윤리 및 안전에 관한 법률(생명윤리법), 헬싱키 선언(임상연구에서의 피험자 보호 원칙), 동물실험 3R 원칙(대체·감소·개선), 식품의약품안전처 의약품 허가 규정, EU AI Act(AI 시스템의 위험 등급 분류 및 투명성 요건)

AI가 설계한 항체를 기반으로 만든 신약이 임상에서 예상치 못한 부작용을 일으켰다면, 그 책임은 AI 개발사·제약사·규제기관 중 누구에게 있으며, 어떤 기준으로 판단해야 할까?

읽고 나니, 무엇이 달라졌을까?핵심 정리 · 오개념 · 자기점검

기억할 핵심

ADC는 항체(표적 인식), 링커(연결·조절), 페이로드(약물 작용)의 세 요소가 협력하여 암세포에 선택적으로 약물을 전달하는 치료 접근법(모달리티)입니다.
갤럭스의 AI 드노보 설계 방식은 기존 단백질 서열을 변형하는 것이 아니라 원하는 기능을 가진 항체를 처음부터 설계하는 방식이며, 이 기사에서는 해당 기술의 실제 성능 수치가 구체적으로 검증·제시되지 않았습니다.
이번 협력의 목표는 기존 치료제가 없는 새로운 타깃을 대상으로 ADC 후보물질을 발굴하는 것이며, '계열 내 최고(Best-in-class)' 신약 개발은 목표 선언일 뿐 실제 성공이 보장된 것은 아니다.

헷갈리기 쉬운 부분

오개념 1: '항체가 암세포를 직접 죽인다' → 올바른 이해: ADC에서 항체는 암세포 표면 단백질을 인식하고 결합하여 약물을 전달하는 역할을 하며, 실제 암세포 사멸은 항체에 연결된 페이로드(약물)가 담당합니다.
오개념 2: 'AI가 설계한 항체는 기존 방식보다 반드시 우수하다' → 올바른 이해: AI 드노보 설계는 탐색 방식이 다를 뿐이며, 설계된 항체가 실제로 우수한지는 실험적 검증과 임상 결과를 통해 확인해야 합니다. 이 기사는 가능성을 소개한 것이지 성능 우위를 증명한 것이 아니다.

ADC의 링커가 혈액 속에서는 안정적으로 유지되다가 암세포 내부에서만 절단되어야 하는 이유를 항체의 특이성, 세포 내 환경(pH, 효소)의 차이와 연결하여 스스로 설명할 수 있는가?

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

ADC는 항체의 표적 특이성과 세포독성 약물의 강력한 살상력을 결합한 항암 치료 모달리티로, 2000년대 초 첫 ADC 신약 승인 이후 기술이 발전하면서 전 세계 제약·바이오 기업들이 활발하게 개발 중인 것으로 알려져 있습니다. 이번 동아에스티-갤럭스 협약은 국내 제약사의 ADC 역량과 AI 스타트업의 단백질 설계 기술을 결합하는 오픈 이노베이션 형태로, AI 기술이 신약 후보물질 발굴 단계에 접목되는 국내 사례다.

시장 동향

글로벌 ADC 시장은 다수의 시장조사 기관이 빠른 성장세를 보고하고 있으나, 구체적 수치는 조사 기관과 발표 시점에 따라 상이하므로 본 자료에서는 특정 수치를 인용하지 않습니다. 학생들은 한국바이오협회, IQVIA, EvaluatePharma 등 공개된 시장 보고서를 직접 검색해 최신 동향을 확인하기를 권장합니다.

이런 문제를 다루는 사람들은?직업 · 학과 · 진로 탐색

항체 엔지니어(Antibody Engineer)

암세포 표면의 특정 단백질에 정밀하게 결합하는 항체를 설계하고 최적화하는 연구자로, 이번 기사에서는 AI 드노보 설계 방식으로 항체 후보를 도출하는 역할이 이에 해당합니다. 단백질 구조·기능, 면역학, 분자생물학 지식이 요구됩니다.

AI/생물정보학 연구원

방대한 단백질 서열·구조 데이터를 머신러닝 모델로 학습시켜 원하는 특성을 가진 단백질 후보를 예측·설계하는 연구자로, 갤럭스디자인 플랫폼을 개발·운용하는 업무가 이에 해당합니다. 생물학과 컴퓨터과학을 함께 다루는 학제간 역량이 필요합니다.

ADC 비임상/임상 개발 전문가

설계된 ADC 후보물질의 효능·독성·안전성을 세포 및 동물 실험(전임상)과 임상시험을 통해 검증하고, 규제기관(식품의약품안전처, FDA 등) 허가 자료를 준비하는 전문가로, 이번 기사에서 동아에스티가 담당하는 역할과 연결됩니다.