클로드가 전갈 독 단백질 17개 결합체 설계… "해독제까진 멀다"

앤스로픽이 내놓은 결과물

앤스로픽이 내부 연구용 모델 클로드에게 전갈 신경독소에 붙는 미니바인더 설계를 맡겼다. 64시간 동안 318,484개 후보를 생성해 180개를 추렸고, 연구진이 31개를 더해 총 211개를 실험실로 보냈다. 위탁연구기관 애답티브 바이오와 트위스트 바이오사이언스가 검증한 결과 17개가 결합 기준을 통과했다.

이 수치는 앤스로픽 기술 보고서와 외부 전문가 검토를 거친 공식 발표다. 하지만 발표문 스스로 **"세포 환경에서 독을 중화하는지 확인하지 않았다"**고 못 박았다. 해독제가 아니라 결합체 후보 17개일 뿐이다.

왜 전갈 독인가

전갈 쏘임은 연간 120만 건 이상, 사망 3,250건 이상으로 집계된다. 피해는 의료 접근이 어려운 지역 어린이에게 몰린다. 기존 항독소는 말 피에서 항체를 뽑아 만드는데 수개월 걸리고, 독소 몇 종만 잡으며, 비싸고 부족하다.

이 문제를 **'방치된 열대성 질환'**이라 부른다. 돈 안 돼 제약사가 외면해 온 영역이다. 앤스로픽과 투자 연구사 시트리니 리서치는 "전문가 아닌 집단도 AI로 진짜 건강 문제를 풀 수 있는가"를 테스트하려 이 주제를 골랐다.

클로드가 한 일, 하지 않은 일

클로드는 표적 독소 4종을 받아 설계 규칙, 도구, 점수 함수, 다양성 조건까지 프롬프트 하나에 담아 64시간 동안 자율적으로 돌렸다. 데이터 분석, 도표 생성, 보고서 초안까지 맡았다. 연구진은 중간에 네 번 방향만 잡았다.

반면 독소-나트륨 채널 결합 부위를 막아 중화하는지, 세포 독성이 없는지, 체내에서 안정적인지는 전혀 검증되지 않았다. 외부 전문가 수사나 바스케스 토레스와 티모시 젠킨스도 "유망한 첫걸음"이라면서 약물화까진 별도 과제라 선 그었다.

기존 방식과 다른 점

구분	기존 항독소	드 노보(De novo) 설계
원리	말 면역 → 항체 정제	계산으로 단백질 새로 창조
기간	수개월	설계 수일, 실험 수주
표적 범위	소수 독소	특정 부위 정밀 겨냥
생산	동물 사육 필요	미생물 발현 가능
비용	높음	최적화 시 낮출 여지

드 노보 설계는 결합 부위만 정확히 노리면 독소가 채널에 닿기 전에 차단할 수 있다. 안정성·강도 등 약물다운 성질도 처음부터 설계에 넣을 수 있다. 이게 지역 생산·저가 공급으로 이어질 수 있다는 게 이론적 기대다.

커뮤니티가 짚은 한계

해커뉴스 댓글에선 **"LLM은 오케스트레이션 도구"**란 평이 나왔다. 프롬프트에 도구·점수·규칙을 다 명시해 줬으니 클로드가 '설계'한 게 아니라 파이프라인을 돌린 것이란 지적이다. 또 "표적 효과는 모델링 가능하지만 오프타겟(부작용)은 너무 복잡해 완전 모사 불가"란 반응도 있었다. 임상이 불가피한 이유다.

한국 맥락에서 보면

국내에선 전갈 쏘임 사망 사례가 드물다. 하지만 뱀 독, 해파리 독, 세균 독소 같은 단백질 독소 대응엔 같은 파이프라인이 적용될 수 있다. 질병청과 국립독성연구원이 보유한 독소 라이브러리와 이 설계 방식을 연결하면 국산 항독소 개발 기간을 앞당길 여지가 있다. 다만 임상·허가·생산 인프라는 별도 투자 영역이다.

쉽게 풀어보면

앤스로픽이 AI 클로드에게 '전갈 독의 독소 4종에 딱 붙는 작은 단백질'을 설계하게 했습니다. 클로드는 64시간 동안 31만 개가 넘는 후보를 컴퓨터로 만들어내고, 그중 180개를 골라 "이건 붙을 것 같다"며 실험실로 보냈습니다. 연구진이 31개 더 얹어 총 211개를 실제 단백질로 만들어 테스트했더니 17개가 진짜로 붙었습니다.

이게 왜 중요할까요. 지금 쓰는 전갈 해독제는 말에게 독을 주사해 항체를 뽑아 만듭니다. 수개월 걸리고, 비싸고, 몇 종 독소만 잡습니다. 가난한 나라 아이들이 제때 맞지 못해 죽는 이유입니다. AI 설계는 컴퓨터로 며칠 만에 후보를 뽑고, 미생물로 대량 생산할 수 있게 최적화도 가능합니다. 이론상 지역 공장에서 싸게 만들 수 있다는 뜻입니다.

하지만 붙는다고 해독제는 아닙니다. 세포 안에서 독을 무력화하는지, 몸에서 안전한지, 오래 버티는지는 아직 모릅니다. 외부 전문가들도 "첫걸음은 맞지만 약이 되려면 갈 길이 멀다"고 했습니다. 클로드가 한 건 '후보 추리기'까지입니다. 나머지는 사람과 실험실이 해야 합니다.

나에게 미치는 영향

당장 병원에서 쓸 약이 나온 건 아닙니다. 하지만 AI가 신약 후보 탐색 속도를 '년'에서 '주'로 줄였다는 신호는 분명합니다.

제약·바이오 업계 종사자라면 이번 분기 안에 파일럿 프로젝트 하나를 정해 파이프라인 도입을 테스트해 보세요. 앤스로픽 기술 보고서 깃허브(github.com/anthropics/protein-binder-design)에 공개된 211개 설계 데이터와 프롬프트 템플릿을 그대로 내려받아 자기 표적에 적용해 보면 됩니다.

연구자라면 오늘 바로 콜랩(Colab) 노트북에서 RFdiffusion·ProteinMPNN 조합으로 동일 워크플로우를 돌려볼 수 있습니다. 앤스로픽이 쓴 도구 체인 상당수가 오픈소스라 별도 라이선스 없이 즉시 실험 가능합니다.

일반인이라면 "단백질 설계 AI" "드 노보 바인더" "항독소 파이프라인" 키워드로 구글 알리미를 걸어두세요. 국내 바이오텍(에이비온, 지놈앤컴퍼니, 티움바이오 등) 채용 공고에 이 스택이 등장하기 시작하면 현장 도입이 가시화된 신호로 읽힙니다.

남은 쟁점

세포·동물 실험에서 중화 확인 — 결합만으론 부족하다.
오프타겟 독성·면역원성 검증 — 컴퓨터로 다 못 잡는다.
대량 생산·제형·안정성 — 실험실 단백질과 상품은 다르다.
규제·허가 경로 — 기존 항독소와 다른 새 모달리티다.
비즈니스 모델 — 시장이 작아도 지속 가능한가.

앤스로픽은 모든 설계 데이터와 기술 보고서를 공개했다. 다음 단계는 학계와 바이오텍이 이 파이프라인을 자기 표적으로 복제·검증하는 일이다. 그게 진짜 시작이다.