Recursion과 Genentech, 최초의 AI 매핑 신경과학 타깃 개발 진전

Recursion은 Genentech와 함께 검증한 첫 신경과학 타깃을 초기 신약 발굴 단계로 진전시키며, 주목을 끄는 Google 뉴스 헤드라인을 넘어서는 중요한 경계를 넘었다. 이 타깃은 실험실에서 생산된 1조 개 이상의 신경세포를 사용해 구축한 AI 지원 지도에서 도출됐다. Genentech의 결정으로 이 프로그램은 분자 설계와 실험적 검증을 위한 제약 산업의 자원을 확보했다. 그러나 아직 Recursion에 후보물질이 생긴 것은 아니다.

이 구분이 이 이야기의 핵심이다. AI 신약 발굴 기업들은 수년간 더 큰 생물학 데이터세트, 스크리닝 시스템, 예측 모델을 구축해 왔다. 더 어려운 시험대는 제약 파트너가 예상 밖의 계산 기반 통찰을 신뢰해 추가 자금과 실험실 시간을 투입할 만큼 가치 있다고 판단하는지다.

Genentech는 이제 이 신경과학 협업 내에서 한 차례 그런 결정을 내렸다. 타깃의 정체는 공개되지 않았지만, 이 결정은 Recursion의 매핑 전략에 대한 초기 상업적 검증을 제공한다. 또한 이 프로그램은 종종 실망스러운 임상 결과를 낳아 온, 신경과학 연구를 지배해 온 전통적인 가설 주도 접근법과 대비된다.

Google 뉴스 헤드라인 뒤에서 달라진 점

Genentech의 결정으로 AI가 생성한 생물학적 통찰 하나가 자금을 지원받는 초기 발굴 프로그램으로 전환됐지만, 이 작업은 여전히 인간 대상 시험과는 거리가 멀다.

Recursion은 2026년 6월 30일 종료 분기 실적과 함께 이 진전을 공개했다. 회사에 따르면 Genentech는 생물학적 검증을 거친 뒤 협업의 첫 신경과학 타깃을 선택했다. 이제 두 파트너는 해당 타깃을 중심으로 소분자 발굴을 추진한다.

타깃은 일반적으로 단백질이나 유전자처럼 연구자들이 의약품으로 그 활성을 바꾸고자 하는 생물학적 구성 요소다. 타깃 검증은 그 구성 요소를 바꿨을 때 관련성 있고 재현 가능한 생물학적 효과가 나타나는지 시험한다. 이는 필수 단계지만, 안전한 의약품이 사람에게서 해당 타깃에 도달하거나 이를 조절할 수 있음을 입증하지는 않는다.

이 프로그램은 유전적 개입과 인간 유래 신경세포에서 관찰 가능한 변화 사이를 연결한 대규모 실험 데이터세트인 Recursion의 Neuromap에서 시작됐다. Recursion은 기반 지도를 구축하기 위해 연구진이 1조 개 이상의 세포를 생산했다고 밝혔다. 연구진은 유전자 녹아웃을 포함한 전장 유전체 유전적 교란을 이용해 세포 특징이 어떻게 변하는지 관찰했다.

phenomap은 이러한 관찰 가능한 세포 변화를 구조화해 표현한 것이다. 머신러닝 모델은 이미지를 비교하고 유사한 효과를 내는 교란을 그룹화한다. 이후 연구자들은 사전에 선택하지 않았던 유전자, 세포 상태, 질병 생물학 간의 연결을 조사할 수 있다.

이는 이미 질병과 연관된 것으로 알려진 유전자를 논문 데이터베이스에서 검색하는 방식과 다르다. 이 지도는 광범위한 유전 공간에 걸친 체계적 실험에서 출발한다. 알고리즘은 패턴을 식별하는 데 도움을 주며, 실험실 검증은 그 패턴이 신뢰할 수 있는 생물학을 나타내는지 시험한다.

타깃의 진전이 중요한 이유는 Genentech가 계속 진행할지에 대한 실질적 결정권을 갖고 있기 때문이다. Recursion은 순위와 가설을 생성할 수 있지만, 추가 작업을 정당화할 만큼 증거가 충분한지는 제약 파트너가 결정해야 한다. 이 선택은 내부 연구 결과나 모델 벤치마크보다 더 의미가 크다.

그럼에도 중요한 세부 사항은 아직 공개되지 않았다. 두 회사는 타깃, 관련 질환, 검증 분석법, 효과 크기를 공개적으로 밝히지 않았다. 따라서 외부 과학자들은 타깃의 참신성, 재현성, 인간 질환과의 관련성을 평가할 수 없다.

공개된 증거가 뒷받침하는 결론은 제한적이다. Recursion의 지도는 파트너들이 초기 발굴 단계로 넘기기 위한 내부 기준을 통과한 타깃을 최소 하나 생성했다. 이것이 플랫폼이 실행 가능한 의약품을 만들었거나 신경과학 신약 개발 문제를 해결했다는 주장을 뒷받침하지는 않는다.

이 때문에 이 진전은 최초의 Google 뉴스 프레이밍이 시사하는 것보다 더 면밀한 검토를 받을 가치가 있다. 이 이정표는 방대한 생물학적 지도를 특정 프로그램 결정과 연결한다. 다음 시험은 선택된 생물학이 약물 같은 분자를 뒷받침할 수 있는지다.

Genentech의 결정이 또 하나의 AI 모델보다 중요한 이유

핵심 검증은 Recursion이 또 하나의 대규모 데이터세트를 생산하는 데서가 아니라, 파트너가 과학자와 실험을 투입하는 데서 나온다.

Recursion과 Genentech의 모회사 Roche는 2021년 12월 협업을 구축했다. 이 파트너십은 신경과학과 위장관 종양학의 한 영역에 초점을 맞춘다. Recursion의 이미지 기반 스크리닝과 Roche 및 Genentech의 단일세포 데이터, 질환 전문성, 신약 개발 역량을 결합한다.

Roche는 최초 전략을 개별 타깃과 익숙한 경로를 넘어 생물학을 조사하는 방법으로 설명했다. discovery partnership에 대한 설명은 병렬 유전적 교란, 소분자 스크린, RNA 프로파일링을 강조했다. 이 방법들을 함께 사용하면 동일한 생물학적 가설을 여러 방식으로 검증할 수 있다.

이 협업은 규모를 염두에 두고 설계됐다. Recursion은 관련 세포 맥락 전반에서 지도를 구축하고, 제약 파트너들은 결과 해석과 선택된 프로그램의 진전을 돕는다. 두 회사는 이전에 위장관 종양학 프로그램 하나를 진전시켰고 신경과학 지도 두 개를 받아들였다.

첫 번째 신경과학 지도는 인간 유도만능줄기세포에서 유래한 뉴런을 사용했다. 이 세포들은 유연한 상태에서 시작해 특수한 세포 유형으로 유도될 수 있다. 살아 있는 인간 뇌 조직에 직접 접근하는 것은 극히 제한적이기 때문에 연구자들은 이를 사용한다.

이 규모로 신경세포를 생산하는 일은 컴퓨팅 문제만큼이나 제조 문제였다. 뉴런은 일반적인 실험실 세포주처럼 증식하지 않는다. Recursion은 유전체 규모 실험에 필요한 충분한 양의 일관된 세포를 제공하기 위한 생산 방식을 개발했다.

회사의 Neuromap account에 따르면 50명으로 구성된 팀이 이 프로젝트에 참여했다. 또한 이 지도에는 내부적으로 생산된 1조 개 이상의 신경세포가 사용됐다. 이후 머신러닝 시스템이 생성된 세포 이미지를 분석했다.

두 번째 지도는 뇌 환경 유지에 기여하는 면역세포인 미세아교세포에 초점을 맞췄다. 기능 이상 미세아교세포는 신경퇴행성 및 신경염증성 질환과 연관된 것으로 알려져 있다. 회사 공시와 microglia map에 관한 보도에 따르면, 이 데이터세트에는 실험적으로 교란된 수백만 개 세포의 이미지가 담겼다.

큰 수치만으로 유용한 지도가 만들어지는 것은 아니다. 배치 효과, 세포 성숙도, 실험 노이즈, 이미지 처리 선택은 모델이 생물학으로 오인하는 패턴을 만들 수 있다. 따라서 이 협업에는 동일한 제안 관계를 서로 다른 방법으로 조사하는 시험, 즉 직교 검증이 필요하다.

Genentech는 이 단계에서 중요한 전문성을 제공한다. 관찰된 세포 패턴이 인간 유전학, 질환 샘플, 단백질 생물학, 기존 실험 결과와 부합하는지 평가할 수 있다. 또한 타깃이 실용적인 신약 프로그램을 뒷받침할 수 없다면 흥미로운 패턴도 배제할 수 있다.

이러한 필터링 기능이 타깃 선정에 무게를 더한다. 제약 파트너가 모든 모델 출력을 진전시킬 이유는 거의 없다. 추가 프로그램마다 다른 타깃에 투입할 수 있는 화학, 생물학, 독성학, 관리 자원이 소모된다.

이 결정은 Recursion의 사업 모델도 시험한다. 회사는 자사의 운영 체제가 산업화된 실험을 반복적으로 신약 프로그램으로 전환할 수 있다고 주장해 왔다. 파트너의 수용은 이러한 지도가 Recursion 자체 파이프라인을 넘어 유용하다는 외부 신호 하나를 제공한다.

그러나 한 번의 선택으로 반복 가능성이 입증되지는 않는다. 플랫폼은 서로 다른 지도와 세포 맥락에서 추가로 수용된 타깃을 만들어야 한다. 그런 타깃은 이후 화학 연구, 동물 연구, 규제 검토, 임상 시험을 통과해야 한다.

당장의 성과는 더 제한적이지만 여전히 가치가 있다. Recursion은 연구 자산을 구축하는 단계에서 초기 제약 포트폴리오 결정에 영향을 미치는 단계로 나아갔다. 바로 이 지점에서 AI 플랫폼은 다른 모든 신약 발굴 조직과 같은 생물학적 제약에 직면하기 시작한다.

AI 매핑과 가설 주도 신경과학의 비교

주된 경쟁은 Recursion과 다른 소프트웨어 회사 사이의 경쟁이 아니다. 이는 광범위한 실험 매핑과 확립된 질병 가설에 집중된 연구의 경쟁이다.

전통적 신약 발굴에 컴퓨팅이 부족한 것은 아니다. 제약 회사들은 이미 유전체학, 구조생물학, 통계 모델, 고속 스크리닝을 활용한다. 의미 있는 차이는 연구자들이 어떤 생물학을 먼저 조사할지 선택하는 방식에 있다.

전통적인 프로그램은 흔히 알려진 경로에 관한 기존 증거에서 시작한다. 과학자들은 인간 유전학, 학술 문헌, 동물 모델, 이전 의약품에서 단서를 얻을 수 있다. 이 접근법은 생물학적 근거가 가장 강해 보이는 곳에 자원을 집중한다.

이러한 집중은 실험을 해석 가능하고 효율적으로 만들 수 있다. 동시에 많은 조직이 유사한 타깃을 추구하는 과밀한 분야를 만들 수도 있다. 신경과학에서는 제한된 질병 기전 집합에 대한 반복적 투자에 기여해 왔다.

Recursion의 매핑 접근법은 탐색 범위를 넓히려 한다. 연구자들은 수천 개 유전자를 체계적으로 교란하고 다수의 세포 특징에서 변화를 측정한다. 이어 모델이 인간 관찰자로서는 그 규모에서 수작업으로 검토할 수 없는 관계를 식별한다.

매력은 AI가 독립적으로 질병을 이해한다는 데 있지 않다. 체계적인 실험이 최초 가설 밖의 패턴을 드러낼 수 있다는 데 있다. Recursion은 이를 기존 지식이 비추는 익숙한 영역 너머를 탐색하는 것으로 설명한다.

이러한 약속은 신경퇴행 분야에서 특히 관련성이 크다. 뇌 질환은 종종 수십 년에 걸쳐 발병하며 여러 세포 유형, 경로, 환경 요인이 관여한다. 타깃은 실험실 표현형에 영향을 줄 수 있지만 환자에게 해를 끼치는 과정을 통제하지는 못할 수 있다.

Genentech는 파트너십을 논의하면서 이러한 불확실성을 인정했다. 연구진은 기저 생물학에 대한 이해가 여전히 부족하기 때문에 새로운 타깃을 추구하는 데 위험이 따른다고 언급했다. 이들의 목표는 단일 신호에 의존하기보다 여러 실험적 접근법을 통해 확신을 얻는 것이었다.

새 프로그램은 지도에서 도출된 타깃 하나가 그 과정의 초기 버전을 통과했음을 시사한다. Recursion은 Genentech가 이를 발굴 단계로 넘기기 전에 타깃이 생물학적으로 검증됐다고 밝혔다. 그러나 두 회사는 독립적 평가를 위한 기저 증거를 공개하지 않았다.

공개되지 않은 타깃은 확립된 가설과의 직접 비교도 막는다. 지도가 전혀 낯선 기전을 발견했는지, 근거가 약한 아이디어를 강화했는지, 알려진 생물학을 새롭게 연결했는지는 불분명하다. 이 결과들은 서로 다른 과학적 함의를 지닌다.

완전히 새로운 타깃은 해당 분야의 탐색 공간을 확장하는 플랫폼의 능력을 시험할 것이다. 사전 가정 없이 발견된 알려진 타깃은 신뢰할 수 있는 생물학을 다시 찾아내는 지도의 능력을 검증할 것이다. 알려진 구성 요소 간의 새로운 관계는 이 두 사례의 중간에 위치한다.

세 경우 모두 유용한 프로그램을 낳을 수 있다. 그러나 AI 매핑이 간과된 질병 기전을 일관되게 발견한다는 가장 강한 주장을 뒷받침하는 것은 첫 번째 경우뿐이다. 공개된 정보는 아직 그 결론을 정당화하지 않는다.

이 프로그램은 세포 모델과 환자 사이의 번역 문제에도 직면해 있다. 실험실의 뉴런은 인간 신경세포의 일부 특성을 포착하지만, 노화된 뇌를 재현하지는 못한다. 혈액순환, 면역계, 조직, 환자 병력 간의 완전한 상호작용도 결여돼 있다.

미세아교세포 모델은 또 다른 관련 세포 유형을 도입하지만, 복잡성은 여전히 제한적이다. 세포 이미지를 정상화하는 교란이 기억력, 운동 기능 또는 질병 진행을 바꾸지 못할 수 있다. 또한 용인하기 어려운 안전성 위험을 초래하는 무관한 과정에 영향을 미칠 수도 있다.

따라서 전통적 연구와 AI 매핑을 상호 배타적인 것으로 여겨서는 안 된다. Genentech는 기존 신경과학 지식과 함께 Recursion의 지도를 활용하고 있다. 파트너는 광범위한 발견을 표적 검증, 인간 데이터, 확립된 약리학과 결합할 수 있다.

압력은 근거 기반을 확장하지 않은 채 익숙한 표적에 과도하게 의존하는 조직에 가해진다. 지도 기반 프로그램이 반복적으로 진전된다면, 연구팀은 광범위한 표현형 데이터를 무시할 더 강한 이유가 필요해질 것이다. 반대로 해당 프로그램들이 초기 단계에서 실패한다면, 가설 주도형 선별은 실질적 우위를 유지한다.

현재로서는 경쟁 결과가 불완전하다. Recursion은 자사의 탐색 과정이 실행 가능한 가설을 만들 수 있음을 보여줬다. 그 가설이 의약품이 될 가치가 있는지는 전통적인 개발 과정이 결정할 것이다.

검증된 표적이 곧 검증된 약물은 아니다

가장 큰 위험은 생물학적 표적 검증과 환자에게 안전하게 작용하는 분자 사이의 격차다.

“검증된 표적”이라는 표현은 실제보다 더 확정적으로 들릴 수 있다. 검증은 수행된 실험, 사용된 모델, 적용된 의사결정 기준에 따라 달라진다. 어떤 표적은 여러 분석에서 설득력 있게 보이더라도 약물 설계나 임상 개발 과정에서 실패할 수 있다.

첫 번째 장애물은 실용적인 치료 방법으로 표적을 조절할 수 있는지를 뜻하는 접근 가능성이다. 일부 단백질에는 기존 저분자에 적합한 결합 부위가 없다. 또 다른 단백질은 여러 필수 기능을 수행하기 때문에 선택적 개입이 어렵다.

Recursion과 Genentech는 이 프로그램에 저분자 발견을 활용할 계획이다. 다음 단계의 작업에는 분자 설계, 히트 생성, 검증이 포함된다. 히트는 초기 스크리닝에서 의도한 표적에 대해 측정 가능한 활성을 보이는 화합물이다.

초기 히트가 의약품에 필요한 모든 특성을 갖추는 경우는 드물다. 화학자들은 효능, 선택성, 안정성, 조직 노출, 안전성을 개선해야 한다. 신경과학 화합물은 뇌 조직으로 들어갈 수 있는 물질을 제한하는 혈액-뇌 장벽도 통과해야 할 수 있다.

Recursion의 화학 역량은 Exscientia와의 결합을 통해 확대됐다. 기업 거래는 계산 설계와 자동화된 저분자 합성을 하나의 조직으로 통합했다. 이 통합으로 Recursion은 표적 인사이트에서 실험용 화합물에 이르는 경로를 더 잘 통제할 수 있게 됐다.

통합이 생물학적 불확실성을 없애지는 않는다. 잘 설계된 분자도 질병 진행을 바꾸지 못한 채 표적에 결합할 수 있다. 인간에게 전이되지 않는 동물 모델에서만 이점을 보일 수도 있다.

Recursion의 더 광범위한 플랫폼은 가족성 선종성 용종증을 대상으로 한 별도 프로그램인 REC-4881에서 임상 근거를 확보했다. 이 프로그램은 회사가 플랫폼 지원 연구를 환자 대상 연구로 옮길 수 있음을 보여주는 근거다. 그러나 새로 선택된 신경과학 표적을 검증하는 것은 아니다.

표적의 정체가 공개되지 않았다는 점도 외부 평가에 또 다른 제약을 만든다. 독립 연구자들은 유전적 근거를 검토하거나, 이전 출판물을 비교하거나, 알려진 안전성 위험을 식별할 수 없다. 투자자와 독자는 주로 파트너들이 내부 결정을 설명하는 방식에 의존해야 한다.

양사는 이번 선정과 직접 연결된 마일스톤 지급도 공개하지 않았다. 이전 협업 이벤트에는 공개적인 재무적 결과가 수반됐다. Roche와 Genentech는 2024년에 첫 번째 Neuromap과 관련된 옵션을 행사했고, 미세아교세포 지도 수용은 2025년에 또 다른 지급을 촉발했다.

Recursion은 2025년 말까지 파트너십 전반에서 누적 선급금 및 마일스톤 지급액이 5억 달러를 넘었다고 보고했다. 이 총액은 이번 신경과학 연구뿐 아니라 여러 협력사와 프로그램을 포괄한다. 이는 각 자산의 과학적 품질을 드러내지 않으면서도 상업적 참여를 보여준다.

재무적 마일스톤은 유용하지만 불완전한 근거다. 이는 파트너가 계약상 산출물을 수용했거나 프로그램 결정을 내렸음을 보여준다. 동료 검토 데이터, 규제 제출 문서 또는 임상 결과를 대체할 수는 없다.

공개된 실험 세부 정보의 부족은 발표를 설명하는 데 사용하는 언어에 반영돼야 한다. Genentech는 파트너들이 검증됐다고 판단하는 표적을 선택했다. 이 표적은 공개된 데이터를 통해 독립적으로 검증되지 않았으며, 어떤 약물 후보도 전임상 개발에 진입하지 않았다.

그렇다고 이번 발표가 공허한 것은 아니다. 초기 발견 프로그램은 언제나 완전한 증거가 갖춰지기 전에 시작된다. 주의할 점은 이 사건을 긴 개발 일정에서 올바른 위치에 놓는 것이다.

약물 발견에는 표적 선정 이후에도 여러 실패 가능성이 있다. 연구자들은 적합한 화합물을 찾아야 하고, 활성을 재현하며, 질병 관련성을 확립하고, 독성학을 시험하고, 일관된 물질을 제조해야 한다. 이후 규제기관은 인간 대상 연구를 허용해야 한다.

임상 개발에서는 안전성과 유효성에 대한 더 큰 시험이 추가된다. 신경퇴행성 질환 임상시험에는 긴 관찰 기간, 민감한 바이오마커, 신중하게 정의된 환자군이 필요할 수 있다. 생물학적으로 활성이 있는 약물도 임상 평가변수를 달성하지 못할 수 있다.

따라서 가장 신뢰할 수 있는 해석은 조건부다. 표적 선정은 Recursion의 지도가 파트너가 수용할 수 있는 가설을 생성할 수 있다는 주장을 뒷받침한다. 그러나 이 지도가 임상 성공 확률을 높인다는 주장을 아직 뒷받침하지는 않는다.

독자는 규모와 정확성도 구분해야 한다. 더 많은 세포와 이미지는 일부 형태의 불확실성을 줄일 수 있지만, 다른 불확실성을 증폭시킬 수도 있다. 데이터 품질, 생물학적 관련성, 실험적 통제가 규모의 도움이 되는지를 결정한다.

Recursion의 플랫폼은 반복적인 실험실 실험을 통해 이 문제의 일부를 해결한다. 모델은 인사이트를 생성하거나 우선순위를 정하고, 과학자들은 피드백 루프에서 이를 시험한다. 이는 언어 모델에게 텍스트만으로 표적을 제안하도록 요청하는 방식보다 더 근거에 기반한다.

하지만 폐쇄형 실험 루프도 이용 가능한 분석법에 의존한다. 시스템은 질병을 약하게만 대표하는 측정값에 대해서도 잘 최적화될 수 있다. 루프 내부에서의 우수한 성능이 환자에게 유용한 성능을 보장하지는 않는다.

가장 강력한 근거는 여러 프로그램이 매핑 단계를 벗어나 개발 마일스톤에 도달할 때 나올 것이다. 그때까지 Genentech의 결정은 결정적 판결이 아니라 중요한 데이터 포인트다.

프로그램이 진전될 경우 압박을 받는 주체

반복 가능한 지도-프로그램 전환 과정은 AI 바이오테크 경쟁사와 기존 발견팀 모두에게 비교 가능한 실험적 검증을 제시하라는 압박을 가할 것이다.

Recursion은 기술 중심의 광범위한 신약 발견 기업군 안에서 경쟁하고 있다. 일부 기업은 지식 그래프와 과학 문헌을 강조한다. 다른 기업들은 단백질 구조, 생성형 화학, 환자 데이터 또는 자동화 실험실을 우선시한다.

이 접근법들은 서로 다른 병목을 겨냥한다. 단백질 구조 모델은 연구자들이 결합 가능성을 이해하는 데 도움을 줄 수 있다. 생성형 시스템은 분자를 제안할 수 있다. 지식 그래프는 기존 생의학 근거를 연결하는 반면, 표현형 지도는 측정된 세포 반응에서 출발한다.

Recursion의 차별화 주장은 통합에 초점을 맞춘다. 이 회사는 대규모 생물학 실험, 머신러닝, 분자 설계, 임상 개발 도구를 결합한다. Genentech 프로그램은 이 통합 시스템이 세포 매핑의 인사이트를 화학으로 이어갈 수 있는지를 시험한다.

Exscientia와의 합병도 비교 구도를 바꿨다. Recursion은 더 이상 자신을 표적 발견 플랫폼으로만 제시하지 않는다. 이제 생물학, 설계, 임상 개발의 일부를 포괄하는 엔드투엔드 과정을 주장한다.

이는 더 높은 기준을 만든다. 통합 플랫폼은 단순히 더 많은 표적을 식별해서는 안 된다. 더 적은 인계, 더 빠른 피드백 또는 더 나은 의사결정을 통해 적합한 표적을 차별화된 화합물로 전환해야 한다.

경쟁사들은 자체적인 파트너십 마일스톤과 임상 프로그램으로 대응할 수 있다. AI가 설계한 분자는 이미 업계 전반에서 인간 대상 임상시험에 진입했다. 아직 어떤 회사도 제약 개발을 규정하는 근본적인 탈락률을 없애지는 못했다.

대형 제약사는 다른 압박에 직면한다. 다수는 이미 방대한 데이터세트, 자동화, 머신러닝 팀을 보유하고 있다. 핵심 질문은 외부 플랫폼이 내부 시스템으로는 효율적으로 재현할 수 없는 생물학적 지도나 운영 속도를 제공하는지 여부다.

Genentech의 지속적인 참여는 Recursion이 유용한 무언가를 제공한다는 점을 시사한다. Genentech는 신경과학, 단일세포 측정, 계산생물학 분야에서 깊은 내부 전문성을 갖추고 있다. 프로그램을 진전시키려는 의지는 단순한 파트너십 발표보다 플랫폼에 더 큰 신뢰성을 부여한다.

그럼에도 제약사들은 일반적으로 여러 외부 실험을 동시에 진행한다. 파트너는 제공업체의 전체 기술 논지를 채택하지 않고도 하나의 프로그램을 진전시킬 수 있다. 화학 연구가 시작되면 Genentech는 통상적인 신약 발견 기준에 따라 표적을 판단할 것이다.

학계 신경과학 역시 경쟁 환경의 일부다. 대학과 연구기관은 상업적 지도가 종종 통합하는 질병 모델, 유전적 근거, 기전적 인사이트를 생산한다. 공개된 과학적 발견은 독점적 결과에 이의를 제기하거나 이를 뒷받침할 수 있다.

독점 표적은 지식재산상 이점을 만들 수 있지만, 비밀주의는 독립적 검토를 늦춘다. 협업은 출판, 특허 보호, 상업적 시점 사이의 균형을 맞춰야 한다. 더 많은 증거가 나타나기 전까지 외부 관찰자는 새로움과 기밀성을 구분할 수 없다.

이 분야를 추적하는 지식 노동자에게 이번 사건은 더 광범위한 연구 문제를 부각한다. 헤드라인, 투자자 슬라이드, 과학 논문, 임상 등록부는 종종 서로 겹치는 언어로 서로 다른 단계를 설명한다. 검색 가능한 지식 기반은 팀이 업데이트 전반에서 이러한 구분을 유지하는 데 도움이 될 수 있다.

여기서 핵심 구분은 간단하다. “표적 선정”은 내부 포트폴리오 결정이 이뤄졌다는 뜻이다. “히트 식별”은 팀이 활성이 있는 화학 물질을 찾았다는 뜻이다. “개발 후보물질”은 정식 전임상 연구에 적합한 프로필을 가진 화합물을 의미한다.

각 단계는 플랫폼에 대한 더 강력한 시험을 만든다. 또한 각 단계에는 원래 지도가 완전히 예측할 수 없는 실패 요인이 도입된다. 용어를 추적하면 유망한 초기 사건을 임상적 증거로 오인하는 일을 막을 수 있다.

google news 결과는 첫 번째 단계에 관심을 불러왔다. 경쟁 압력은 Recursion과 Genentech가 다음 단계의 진전을 공개할 때에만 커질 것이다. 다른 플랫폼들도 데이터세트 규모만이 아니라 같은 진척을 기준으로 평가받게 될 것이다.

Recursion의 신경 표적을 시험할 세 가지 신호

다음으로 의미 있는 근거는 공개된 분자 마일스톤, 더 폭넓은 지도-표적 전환의 반복 가능성, 외부 평가를 가능하게 하는 과학적 세부 정보가 될 것이다.

첫 번째 신호는 표적 선정에서 검증된 화학적 히트로의 진전이다. Recursion은 파트너들이 설계, 히트 생성, 검증에 자사 화학 플랫폼을 사용할 것이라고 밝혔다. 보고된 히트 마일스톤은 해당 표적이 저분자 개입을 뒷받침할 수 있음을 보여줄 것이다.

그 결과는 Recursion의 통합 워크플로우가 가진 설득력을 강화할 것이다. 표적 식별에서 멈추지 않고 생물학적 매핑을 화학으로 연결하게 된다. 선택적이고 약물화 가능한 활성을 찾지 못한다면, 해당 프로그램의 첫 번째 주요 장벽은 표적의 약물화 가능성이라는 점이 드러날 것이다.

이 신호가 가장 강력하게 나타나려면 표적의 실명, 분석 데이터, 명확한 선택성 측정치가 포함되어야 한다. 이를 뒷받침하는 세부 정보 없이 계약상 마일스톤만 달성되더라도 파트너의 의지는 보여줄 수 있다. 다만 분자의 품질에 관한 과학적 근거는 더 제한적일 것이다.

두 번째 신호는 동일한 맵에서 또 다른 신경과학 표적이 발견 단계로 진입하는 것이다. 플랫폼의 가치는 단 한 번의 운 좋은 결과가 아니라 포트폴리오를 만들어낼 때 입증되므로, 재현성은 중요하다. Recursion은 Roche 및 Genentech와 함께 여러 신경과학 검증 노력을 진행 중이라고 밝힌 바 있다.

두 번째 표적 선정은 이 프로그램이 고립된 성공 사례일 가능성을 낮출 것이다. 또한 이 맵이 서로 다른 기전을 뒷받침하는지, 아니면 반복적으로 같은 생물학적 영역으로 돌아가는지도 보여줄 것이다. 추가 선정이 없다고 해서 실패가 입증되는 것은 아니지만, 단기 확장성에 대한 주장은 약화될 수 있다.

세 번째 신호는 과학 발표, 논문, 특허 또는 규제 제출을 통한 더 큰 공개다. 외부 연구자들은 신규성, 질환 관련성, 검증 품질을 평가할 수 있을 만큼의 세부 정보를 필요로 한다. 표적의 정체만으로도 인간 유전학 및 기존 치료 프로그램과의 비교가 가능해질 것이다.

공개는 이 경우 “검증됐다”는 표현이 무엇을 의미하는지도 명확히 할 것이다. 연구자들은 증거가 이미지 기반 표현형, 전사체학, 복구 실험, 질환 모델 또는 여러 독립적 방법에서 비롯됐는지 평가할 수 있다.

파트너들은 지식재산권 보호를 위해 해당 정보 공개를 늦출 수 있다. 이는 상업적으로는 이해할 만하지만, 검증 공백은 유지된다. 그러면 대중의 신뢰는 직접적인 과학 검토가 아니라 이후 프로그램 마일스톤에 달려 있게 된다.

이 신호들은 이 순서대로 지켜봐야 한다. 화학은 즉각적인 운영상 시험대다. 두 번째 표적은 재현성을 시험하며, 공개된 증거는 기저 생물학의 강도와 신규성을 시험한다.

결과는 Recursion을 넘어 중요한 의미를 지닌다. 성공적인 진행은 폭넓은 실험 우선 매핑이 가설 주도 신경과학을 생산적으로 보완할 수 있음을 뒷받침할 것이다. 초기 단계에서 멈춘다면, 흥미로운 표적을 찾는 일은 그 표적을 중심으로 의약품을 개발하는 것보다 여전히 쉽다는 점을 보여줄 것이다.

google news를 통해 이 글에 도달한 독자에게 유용한 질문은 AI가 “치료법을 발견했는가”가 아니다. 그렇지 않았다. 더 나은 질문은 이 표적이 화학, 독립적 증거, 그리고 표준 신약 개발 제약과 맞닥뜨렸을 때도 계속 전진하느냐는 것이다.

실명이 공개된 표적, 검증된 히트, 그리고 파트너가 선정한 또 다른 프로그램을 주목해야 한다. 이러한 진전은 초기 포트폴리오 결정을 AI 유도 생물학에 대한 더 강력한 시험으로 바꿀 것이다. 그때까지 Recursion이 얻은 것은 의미 있는 다음 실험이지, 승리의 자축은 아니다.