Anthropic의 초기 진전: Claude를 통한 신약 개발 가속화

핵심 요점

Anthropic의 Claude AI는 이미 여러 전임상 신약 개발 작업을 가속화했습니다—더 짧은 CAR-T 신호 전달 도메인 설계, 식품 알레르기 치료를 위한 수만 개의 항체 후보 생성, 선도 항체 최적화, 규제 문서 검토 자동화—측정 가능한 속도 향상과 성능 개선을 보여주면서도 남아 있는 과제를 강조합니다.

1. 신약 파이프라인 전반에서 Claude가 중요한 이유

분산된 병목 현상 – 신약 개발은 여러 뚜렷한 단계(표적 식별, 분자 설계, 선도 물질 최적화, 제조 문서화, 임상 시험 계획)를 포함합니다. Claude는 단일 '설계' 문제를 겨냥하는 대신 각 단계에 통합되고 있습니다.
실제 파트너십 – Anthropic은 6개의 생명공학 파트너(Generate Biomedicines, Divergence Labs, BigHat Biosciences, Enveda, The Column Group, Bristol-Myers Squibb)와 협력하고 자체 프로그램(Mithril Medicine)을 운영합니다. 이러한 협력은 추측성 데모가 아닌 구체적인 사례 연구를 제공합니다.
반복적 학습 루프 – Claude의 성공과 실패를 관찰함으로써 Anthropic은 이미 항체 분석에서 안정성과 응집에 대한 더 나은 지표 정의와 같은 모델 개선을 우선시했습니다.

2. 정량적 결과가 포함된 사례 연구

Generate Biomedicines – CAR-T 모달리티 엔지니어링

목표: 고형 종양 표적을 위한 유전적 페이로드 공간을 확보하기 위해 CAR-T 수용체의 세포 내 신호 전달 도메인을 단축.
Claude가 생성한 설계는 기능을 유지하면서 70% 더 짧은 도메인을 산출했습니다.
시험관 내에서 최상의 설계는 약 10배 더 많은 표면 수용체를 생성했고, 종양 세포를 더 효율적으로 죽였으며, 면역 세포를 더 오래 활성 상태로 유지했습니다.
결과는 여전히 전임상 단계이며, 인간에 대한 안전성 데이터는 아직 없습니다.

Divergence Labs – 식품 알레르기 IgE 교란을 위한 이중 팔 항체

Claude는 한 달 만에 약 35,000개의 항체 설계를 자율적으로 생성했습니다.
초기 스크리닝에서 IgE에 결합하는 3개의 히트와 IgE를 떨어뜨릴 수 있는 20개의 히트를 식별했으며, 후자 중 3개는 실제 농도에서 승인된 약물 Xolair보다 우수한 성능을 보였습니다.
설계 작업에는 Nvidia H100에서 약 2,750 GPU 시간이 필요했습니다.

BigHat Biosciences – 두 항체 단편의 선도 물질 최적화

Claude는 BigHat의 실험실 데이터 시스템(Reccy)에 연결되어 약 10주 동안 1,010개 변이체에 대한 변경을 제안했습니다.
최종 선도 물질은 암 표적 선도 물질에서 >10배 더 강한 결합, +18°C 열 안정성, 긴 반감기 선도 물질에서 >100배 더 느린 응집을 보였습니다.
Claude는 또한 잘못된 안정성 지표를 식별하고, 이를 재설계했으며, 새로운 프로토콜을 실험적으로 검증했습니다.

Enveda – 문서 중심 워크플로 자동화

제조 기록 검토: Claude는 1,061페이지에서 인간 검토자가 발견한 11개 문제를 모두 식별하고 추가로 7개 문제를 발견했습니다. 검토 시간은 >25시간에서 <3시간으로 단축되었습니다(89% 감소).
규제 문서 작성: Claude는 4시간 만에 IND Module 2의 초안을 작성했습니다(수동으로는 약 3개월 소요). 병행된 연구자 브로셔 초안은 사소한 단위 변환 수정만 필요했습니다.

The Column Group – AI 중심 생명공학 모델(Pleiades)

Claude 기반 '표적 평가' 기술은 45개의 질병-표적 쌍을 평가하여 문헌 검토 시간을 몇 주에서 며칠로 줄이고 의사 결정 품질을 개선했습니다.
임상 전략 기술에 대한 진행 중인 작업은 초기 시험 설계 위험 평가를 자동화하는 것을 목표로 합니다.

Mithril Medicine – '파이프라인 인 어 퍼슨' 모델

단독 창업자 Cody Tranbarger는 계약 물류, 데이터 집계, 실험 계획에 Claude를 사용했습니다.
18개월 미만 만에 LAMA2 관련 근이영양증에 대한 이중 특이적 항체가 약 2배의 쥐 악력 개선과 미처리 대조군 대비 생존율 증가를 보였습니다.
Claude는 많은 운영 단계에서 작업 처리 시간을 1-2개월에서 2-3일로 단축했습니다.

3. 교훈과 모델 개선

지표 충실도가 중요 – BigHat 프로젝트에서 Claude는 표준 열 안정성 및 응집 점수가 서로 다른 현상을 혼동한다는 것을 발견했습니다. 원시 기기 곡선을 재분석함으로써 Claude는 실제 분자 거동을 더 잘 반영하는 새로운 지표(예: 온도 대신 응집 속도)를 제안했습니다.
인간의 판단은 여전히 필수 – 모든 프로젝트에서 Claude는 설계 공간 생성과 문서 문제 식별에 뛰어났지만, 실험 우선순위 지정, 경계 사례 추론 검증, 규제 콘텐츠 승인에는 인간이 필요했습니다.
자율 작업의 확장성 – Claude는 지속적인 인간 프롬프트 없이도 길고 계산 집약적인 설계 루프(예: 35,000개 항체 설계)를 실행할 수 있지만, 방향을 잡기 위해 주기적인 인간 체크포인트의 이점을 여전히 얻습니다.
안전장치 대 유용성 – 일부 HN 댓글 작성자는 Claude의 안전장치가 때때로 상세한 분자 질의를 제한하여 개방적 과학적 사용과 오용 방지 사이의 절충을 시사한다고 지적합니다.

4. Anthropic이 제시한 향후 방향

임상 시험 계획으로 Claude 확장 – Bristol-Myers Squibb와의 초기 협력은 시험 성공 확률을 평가하고 2027년에는 포트폴리오 수준의 결정으로 확장하는 것을 목표로 합니다.
더 넓은 생명과학 출시 – Claude Science 워크벤치, 생명과학자를 위한 Claude 크레딧, 생명과학 검증 프로그램을 출시하여 신뢰할 수 있는 파트너에게 더 허용적인 모델 버전에 대한 접근을 제공합니다.
게스트 연구원 공개 모집 – Anthropic은 외부 연구 그룹이 AI 기반 신약 발견 프로젝트를 제안하도록 초대하여 커뮤니티 차원의 검증을 촉진합니다.
습식 실험실 프로세스 자동화 – Claude를 고급 로봇 공학 및 무세포 단백질 합성 플랫폼과 결합하여 더 높은 처리량의 실험 피드백 루프를 목표로 합니다.

5. 커뮤니티 관점(선별된 HN 댓글)

"분자 설계는 아마도 노력의 10-20%일 것입니다; AI는 그 부분을 가속화할 수 있지만 병목 현상은 다른 곳에 남아 있습니다." – helsinkiandrew

"Claude가 새로운 치료법의 비율을 크게 증가시키려면 더 많은 생명공학 회사와 협력하고 Claude를 더 깊이 통합해야 합니다." – orthogonal_cube (조심스럽게 낙관적).

"서류 작업의 자동화는 가치가 있지만, 규제 관료제 자체도 재고해야 합니다." – gonzalohm

"생물학은 생명의 속도로 움직입니다; 빠른 AI 돌파구에 대한 기대는 완화되어야 합니다." – baq

"오픈 모델은 상세한 분자 질의를 제한하는 안전장치 제약을 피할 수 있습니다." – jijji

이러한 댓글은 Claude의 현재 영향이 임상 성공에 대한 전면적인 지름길이 아닌 프로세스 가속화이며, 더 넓은 채택은 기술적 개선과 신약 개발이 조직되는 방식의 체계적 변화를 모두 필요로 한다는 합의를 강조합니다.

6. 결론

Anthropic의 초기 협력은 Claude와 같은 대규모 언어 모델이 단백질 공학에서 규제 문서 작성에 이르기까지 다양한 신약 개발 작업의 시간과 노동을 상당히 줄일 수 있으며, 전임상 분석에서 실질적인 성능 개선을 제공할 수 있음을 보여줍니다. 작업은 여전히 전임상 단계이며, 실험 설계, 데이터 해석, 규제 준수에는 인간의 전문성이 여전히 중요합니다. 지속적인 모델 개선, 확장된 파트너십, 자동화된 실험실 하드웨어와의 통합이 더 빠르고 저렴한 신약 발견이라는 Claude의 약속을 실현하기 위한 다음 단계입니다.