최근 대두되고 있는 CBTM(cell behavior targeted medicines)과 이 분야에서 잘 알려져 있는 셀러러티(Cellarity)라는 회사에 대해 이야기 해본다.

지금까지 신약개발과정으로 가장 많이 쓰였던 접근방법은 해당 질환에 직접적으로 관여하는 특정한 타깃을 찾고, 병증을 치료하기 위해 이 타깃과 원하는 방법으로 직접적인 반응을 하는 물질을 개발하는 식이었다. 

그동안 이러한 시도로 여러 성공적인 신약들이 개발된 것도 사실이지만, 다양한 반응들이 네트워크에서 복잡하게 일어나는 체내 생물학적 현상을 너무 단순화했다는 한계가 있다. 

실제로 많은 질병들 경우, 이러한 특정한 타깃이 존재하지 않고 있어, 더 이상 이런 시도로는 치료제를 개발할 수 없는 한계에 부딪히게 된다. 어떤 의미로는, 이러한 현재 접근방법은 많은 여러 병증들에서 마치 실지로 존재하지도 않는 '실버불렛'(silver bullet)을 찾으려는 시도였다고 말할 수도 있다. 

이러한 한계를 극복하는 시도들 중 하나로 특정 타깃이 아닌 세포들의 행동(behavior)를 타깃하는 방법이 대두되고 있다.  

복잡한 질병 경우에도 적용할 수 있는 고도로 표적화된 신약을 개발하기 위해, 셀러러티 (Cellarity)는 고해상도 세포 데이터(high-resolution single-cell data)와 기계학습(machine learning)을 이용하는 새로운 접근방법으로 세포 행동들(cell behaviors)에 대한 데이터를 만들고, 이를 이용해 디지털화된 모델링을 하고 있다. 

이를 위해 우선 각 세포 행동들(cell behaviors)의 여러가지 형태를 고도 해상도 데이터로 얻고, 이 데이터를 전부 기계가 해석할 수 있는 포맷으로 바꾸어 줌으로써 디지털화한다.  

이 회사는 이것을 ‘셀러러티 맵(Cellarity Maps)’이라고 부른다.  

이러한 맵을 이용함으로써, 복잡한 생물현상들을 전에는 가능하지 않았던 높은 해상도로 정확하게 관찰할 수 있고, 이를 기반으로 건강한 상태에서 병증으로 넘어 가면서 세포들이 어떻게 변화되는 지를 이해할 수 있다. 

이러한 강력한 탐색도구(navigational tool)로 병을 치료하기 위해 타깃을 할 수 있는 세포 행동들을 찾아 낼 수 있을 것으로 보고 있다. 결국 이 데이터를 이용해, 회사 기계학습 알고리즘으로 세포행동을 원하는 방식으로 바꾸는 신약 디자인을 할 수 있게 된다.

이 새로운 시도는 여러가지 이점들을 제공할 수 있을 것으로 보고 있다.  

여러 장점들 중 가장 눈에 띄는 것은 상당히 높을 것으로 예상되는 예측능력(predictive capabilities)이다. 

이렇게 세포 행동을 중심으로 하는 새로운 접근 방법은 생명현상에 대해 좀 더 포괄적 (comprehensive)인 이해를 할 수 있게 하므로, 각 질병에 의한 세포 행동 변화를 특정하게 타깃할 수 있는 물질들을 예측할 수 있게 만든다.  

이로써 그 질병 변화에 더 잘 맞추어진 후보물질을 개발할 수 있게 될 뿐 아니라 그동안 거의 해결이 불가능해 보이던 복잡한 질병들에 대한 치료제를 개발할 수 있게 만들어 줄 수 있고, 또한 임상실험 성공률을 높여 줄 것으로 보고 있다. 이와 함께 빠른 디지털 예측을 이용하는 후보물질 개발로 오랜 시간이 소요되던 스크린 과정을 대폭 줄일 수 있으므로, 개발 속도와 개발 비용을 줄이는 효과도 있을 것으로 예상된다.

여기서 언급된 신약개발을 위한 셀러러티의 새로운 시도는 매우 혁신적이고 흥미로와, 벌써부터 바이오텍 커뮤너티의 많은 오피니언 리더들과 회사들 관심을 끌고 있다.  

하지만 이 새로운 시도가 정말 성공적인 결과를 낼 수 있는지는 좀 더 시간을 두고 지켜 보아야 할 것이다.

# 커뮤니티 기계 학습 대회 활용  업계 채택 및 참조 가속화

지난 2017년 플래그쉽 파이니어링의 플래그쉽 연구소(Flagship Pioneering's Flagship Lab)에서 설립한 셀러러티(Cellarity)는 의학 개발 프로세스 혁신을 추구하는 기계 학습 (machine learning) 회사다.  이 회사 기계 학습 플랫폼은 고해상도 세포 데이터를 활용해 세포 행동 (cell behavior) 중심 관점에서 의약품을 만든다. 현재 이 새로운 접근 방식을 통해, 호흡기, 혈액, 면역 종양 및 대사 기반 질병들에 대한 더 나은 치료를 위한 신약을 개발하고 있다.    

2022년 8월 17일 Cellarity는 "시간 경과에 따라 세포 상태 전반에 걸친 다중 모드 유전 정보를 매핑(mapping)하는 혁신을 가속화하는 ‘단일 세포 데이터’(single-cell dataset)"라는 자사 최신 성취를 발표했다. 셀러러티는 회사 자체에서 이루는 혁신에 촛점을 맞추기 보다는, 업계 여러 회사들과 협업을 만들 수 있는 브랜드를 만드는 것을 선택했다.

회사의 전반적인 인식을 높이는 것이 과제였던 셀러러티(Cellarity)는 온라인 대회를 주최함으로써, 기계 학습(machine learning) 커뮤니티에서 입지를 더욱 확대하는 데 집중했다.

# 캐글 (Kaggle),플래폼 개발자 위해 다양한 이점 제공 기계 학습 커뮤니티 허브

셀러러티는 기계 학습 커뮤니티인 ‘캐글’(Kaggle)에서 우승자에게 총 $25,000의 상금을 제공하는 대회를 주최했다. 

 캐글은 다양한 수준의 데이터 과학자들을 교육하기 위해 구축된 교육 플랫폼이다.  1천만 명 이상의 사용자들은 여기서 새로운 정보를 습득하고, 실제 데이터 세트를 다루면서 서로 경쟁한다. 이러한 데이터 세트들은 비디오 게임 판매 같은 간단한 문제부터 대기 오염과 같은 복잡한 문제에 이르기까지 다양하다.

이 사이트는 원래 대학 강의 코스에 쓰기 위한 도구로 만들어 졌지만 이제는 연구 기관에서 유명 다국적 기업에 이르는 많은 참가자들이 이 생태계(ecosystem)에 합류했다. 셀러러티 (Cellarity)와 같은 브랜드가 이 플랫폼에서 여러가지 대회들(Featured Competitions)을 후원하고 또 이를 이용해 여러 비즈니스 문제를 해결하도록 돕고 있다.

이러한 경쟁 이벤트를 활용해 셀러러티(Cellarity)는 참여한 회원들로부터 실시간 데이터 테스트 및 해당 솔루션을 제공 받을 수 있다. 

알고리즘의 모든 버그들은 참가자들에 의해 신속하게 발견되고, 이러한 과정에서 참가자 개인 가치를 보여주고, 또 차례로 해당 데이터 문제들이 해결된다. 특히 캐글은 여기에 참가하는 많은 사람들에게 고용 기회를 찾을 수 있게 해주고, 그 반대로 참여 기업들에게는 회사가 필요로 하는 적절한 인재들을 찾게 해 준다.

셀러러티(Cellarity)도 팀 확장을 모색하므로, 적절한 인재를 찾기 위해 이러한 큰 온라인 기계 학습 커뮤니티를 이용하는 것은 어쩌면 당연한 일이다.  실제로 우승한 참가자가 종종 그 이벤트를 후원했던 회사와 이벤트 후에 더 많은 기회를 갖기 위해 미팅을 갖는 것은 이젠 아주 당연한 일이 됐다.

# 온라인 업계 커뮤니티 통한 네트워킹

온라인 대회를 주최함으로써 셀래러티(Cellarity)는 기계 학습(machine learning) 커뮤니티 전체에서 자사의 기술 발전에 대한 인식을 빠르게 높일 수 있었다. 구글(Google) 과 메이요 클리닉(Mayo Clinic) 등을 포함해 주요 의료 및 기술 업체들이 이 플랫폼에 참여하고 있다.  캐글(Kaggle) 커뮤니티는 특히 데이터 분석가, 데이터 과학자 및 기계 학습 엔지니어를 이 곳에  모으는 데 초점을 맞추고 있다.  

캐글 회원들은 네트워크를 형성하고 온라인 포럼에 참여해 일반적인 질문, 업계 뉴스, 데이터세트 탐색 팁 등에 대해 서로 토론한다. 이 포럼은 기계 학습 개발자가 업계 구성원과 관계를 구축하고 업계 구성원 사이에서 리더십을 발휘할 수 있는 좋은 기회이기도 하다.  

참여자들은 여러 다른 주요 영역들의 포럼에 참여하며, 캐글(Kaggle)에서 제공하는 참가자들 순위는 누가 최고 인재인지를 보여준다.

현재 미국 시장에 진출하는 기계 학습 개발자들은 이러한 커뮤니티 중심 온라인 대회를 통해 커뮤니티 존재감을 키워야 한다.  

그리고 이러한 경쟁 이벤트에 주최하고 후원함으로써, 회사는 자사 데이터 세트를 업계에 더 가치 있고 흥미롭게 만들고, 회사에 대한 좋은 인식이 시장 전체에 퍼질 수 있도록 할 수 있다.   

셀러러티 사례는, 캐글과 같은 온라인 플랫폼을 전략적으로 이용하면, 알려져 있지 않던 신생 기업일지라도 지지자 그룹 및 참조 네트워크를 단시일내에 효과적으로 구축할 수 있음을 보여주는 예라 할 수 있다.

▷BDMT Global 공동 설립자/사이언스 헤드 이재익 박사 :jake@bdmtglobal.com

▷BDMT Global 사업 개발 및 마켓 혁신 매니징 파트너/보스톤 에머슨 대학 마케팅 임수지 교수: sim@bdmtglobal.com