UCB, 항체 발굴 프로젝트에 Cradle의 AI 플랫폼 도입

Cradle과 UCB는 2026년 11월 4일 전략적 협업을 발표했다. 이번 협업에 따라 Cradle의 AI 단백질 설계 및 엔지니어링 플랫폼을 UCB가 선정한 항체 발굴 프로젝트에 적용한다. 적용 범위는 초기 히트 발굴부터 리드 최적화와 전임상 단계 진입 준비까지다.

이번 협업으로 UCB의 확대 중인 디지털 항체 발굴 및 엔지니어링 프로그램에 Cradle의 엔드투엔드 시스템이 추가된다. 이 프로그램은 UCB의 기존 항체 발굴 플랫폼에 계산과학, 질병 생물학 전문성, 기술 및 연구 파트너 네트워크를 결합한다. UCB는 환자에게 더 나은 치료 선택지가 여전히 필요한 질환을 대상으로 고품질 후보물질을 더 빠르게 발굴하고 최적화하는 것을 목표로 한다.

실험 결과로 프로젝트 모델 재학습

UCB 과학자들이 플랫폼을 사용함에 따라 실험 결과가 프로그램별 모델에 피드백될 것입니다. 두 회사는 결과적인 사이클을 복합 학습 루프 또는 “실험실 내 루프”라고 설명합니다. 각 실험실 증거의 라운드가 다음 설계 세트를 알려줍니다. 과학자들은 후보 물질을 최적화하고 잠재적 후보 물질로의 진행을 평가하면서 계속해서 전문 지식과 판단을 적용합니다.

Cradle의 플랫폼 문서에는 기본 작업 흐름이 설명돼 있다. 분석 데이터로 개별 단백질의 적합도 지형을 학습하는 모델을 훈련한다. 플레이트에서 얻은 결과, 즉 Cradle이 생성한 설계안, 팀이 합리적으로 설계한 변이체 또는 이 둘을 섞은 결과를 업로드하면 다음 실험에 앞서 해당 모델을 재훈련한다. 초기 히트 발굴 단계에서는 분석 데이터가 없는 단일 서열 하나로 프로젝트를 시작할 수도 있고, 디스플레이 또는 선별 캠페인에서 나온 NGS 농축 수치와 같은 잡음이 많은 스크리닝 풀을 출발점으로 삼을 수도 있다.

여러 특성을 고려한 항체 설계

Cradle의 항체 관련 문서에서는 최적화 목표를 결합력, 안정성, 제조 용이성, 면역원성 및 개발 가능성으로 구분한다. 측정 가능한 목표에는 특이성과 교차 반응성, 열 안정성과 응집, 발현 수율, T세포 에피토프 위험, 탈아미드화나 산화와 같은 취약성이 포함될 수 있다. 이는 성공에 필요한 모든 특성에 걸쳐 후보물질을 최적화해야 한다는 발표 내용을 구체적으로 보여준다.

사용자는 핵심 목표와 제약 조건을 설정해 목표 후보물질 프로파일을 정의한다. Cradle에 따르면 플랫폼은 지정된 특성을 동시에 최적화하고, 상충 관계를 관리하며, 분석을 진행하기 전에 각 목표를 달성할 가능성을 추정하고, 비현실적인 목표에는 표시를 한다. 또한 합성 및 분석에 비용을 투입하기 전에 후보물질 플레이트를 학습된 모델로 평가할 수 있다. 이때 예상 히트율, 각 목표의 점수 분포, 남은 개선 여지에 대한 추정치를 제공한다. 이러한 예측은 다음 실험을 진행할지, 설계를 다시 할지, 해당 회차를 중단할지 결정하는 데 도움이 된다.

이 시스템은 과학자를 위한 노코드 웹 애플리케이션과 계산과학 팀을 위한 API로 이용할 수 있다. 연구팀은 변이체를 살펴보고 돌연변이를 비교할 수 있으며, 자체 설계안을 Cradle이 생성한 후보물질과 같은 플레이트에 배치할 수 있다. 외부에서 만든 설계안도 동일한 기준으로 평가되며 이후 회차의 학습 데이터로 활용된다. 이에 따라 과학자들이 세운 자체 가설도 모델에 반영될 수 있다.

경영진, 과학자 주도 발굴의 중요성 강조

UCB 최고과학책임자 알리스테어 헨리는 AI를 생물학, 화학 및 중개 연구 전반에서 인간의 전문성을 보완하는 ‘과학적 역량 증폭기’라고 표현하며, AI 자체를 추구하는 것이 목적이 되어서는 안 된다고 말했다. 그는 예측 모델링과 실험실 검증을 결합하면 더 나은 분자를 설계하고, 학습을 가속하며, 고품질 치료제를 환자에게 더 빨리 제공하는 데 도움이 될 가능성이 있다고 밝혔다.

Cradle의 CEO 겸 공동 창업자인 스테프 판 흐리켄은 AI가 개별 실험이나 프로그램을 넘어 발굴 조직 전반에서 과학자들이 일하는 방식의 일부가 될 때 바이오의약품 R&D에 가장 큰 영향을 미칠 것이라고 말했다. 이러한 비전 아래 UCB의 과학자들은 회사의 바이오치료제 파이프라인 전반에서 더 많은 프로그램과 모달리티, 더 복잡한 엔지니어링 과제를 다룰 수 있는 공통 플랫폼을 활용하게 된다. 다만 공식적인 도입 범위는 선정된 발굴 프로젝트에 한정된다.

이번 협업은 반복적인 실험을 통한 학습으로 이러한 목표를 뒷받침한다. 각 분석 결과가 다음 설계 회차의 개선에 활용되는 한편, 후보물질에 관한 결정은 과학자들이 계속 책임진다. UCB가 실질적으로 확인하려는 것은 이러한 순환 과정을 통해 결합력, 안정성, 제조 용이성 및 개발 가능성 요건을 모두 충족하고 전임상 단계 진입을 향해 나아가는 항체를 만들어 낼 수 있는지다.