신약개발의 실패는 대부분 늦게 발견됩니다. 효과가 좋아 보여 자원을 쌓았는데 뒤늦게 독성이 드러나거나, 반대로 안전하지만 효과가 부족해 탈락하는 경우입니다. 이 문제는 대개 스크리닝 단계의 설계에서 시작됩니다.
스크리닝은 무엇을 정하는 단계인가
신약 후보물질 스크리닝은 많은 후보 가운데 다음 단계로 보낼 소수를 고르는 작업입니다. 단순해 보이지만 이후 수년간의 투자 방향을 결정하는 단계입니다. 여기서 잘못 골라내면 그 비용은 뒤로 갈수록 불어납니다.
그런데 보통의 초기 스크리닝은 효능부터 봅니다. 효과가 있는 후보를 먼저 추리고, 그 다음에 독성을 확인하는 순서입니다. 언뜻 합리적으로 보이지만, 여기에 구조적인 함정이 있습니다.
순차적 평가의 문제
첫째, 늦게 버려지는 비용입니다. 효능만 보고 선별한 후보가 다음 단계에서 독성 문제로 탈락하면, 그까지 투입한 시간과 비용은 회수되지 않습니다. 독성 신호는 빨리 보일수록 좋습니다.
둘째, 조건이 달라 비교가 어렵습니다. 효능은 A 방법으로, 독성은 B 방법으로, 심지어 서로 다른 기관에서 측정하면 두 결과를 나란히 놓고 판단하기가 까다로워집니다. 농도와 노출 시간 같은 기본 조건이 다르면 비교 자체가 성립하지 않습니다.
셋째, 치료창을 볼 수 없습니다. 실무에서 중요한 것은 효과가 있는지 없는지가 아니라, 독성이 나타나는 농도와 효과가 나타나는 농도 사이의 간격입니다. 이 간격이 넓어야 실제로 쓸 수 있는 후보입니다. 따로 측정하면 이 간격을 직접 볼 수 없습니다.
동시 평가가 바꾸는 것
같은 조건에서 효능과 독성을 함께 측정하면, 후보별로 효과와 위험의 균형을 한 장에서 비교할 수 있습니다. 효과는 조금 낮지만 안전 구간이 넓은 후보가, 효과는 크지만 독성 농도가 바로 따라붙는 후보보다 나은 선택일 수 있습니다. 순차적으로 보면 이런 판단이 불가능합니다.
또한 전체 일정이 줄어듭니다. 두 번 나눠 진행하던 시험을 한 번에 처리하면 대기 시간과 샘플 준비가 줄고, 가망없는 후보를 더 일찍 버릴 수 있습니다.
동시 평가가 가능하려면
단순히 두 시험을 붙인다고 되는 것은 아닙니다. 같은 개체에서 효능 지표와 독성 지표를 동시에 읽을 수 있는 모델이 필요하고, 그 측정이 대규모로 반복되어도 조건이 흔들리지 않는 자동화가 필요합니다. 그리고 다차원 데이터를 하나의 판단으로 묶어줄 분석이 필요합니다.
이 세 가지가 모두 맞물려야 동시 평가가 의미를 갖습니다. 모델만 있고 자동화가 없으면 처리량이 나오지 않고, 데이터만 많고 해석이 없으면 판단이 늦어집니다.
elegslab의 접근
elegslab은 예쁜꼬마선충을 미세유체 칩 위에서 관찰해 단일 개체에서 행동, 분자, 세포 수준의 다차원 데이터를 동시에 얻습니다. 생존과 운동성 같은 독성 지표와 표현형 개선 같은 효능 지표를 같은 실험 안에서 함께 볼 수 있다는 뜻입니다.
여기에 자동화 측정장비가 조건을 일정하게 유지하며 대규모로 반복하고, AI가 모인 데이터를 해석해 효능과 독성을 함께 판정합니다. 순차적으로 거르는 대신, 한 번에 균형을 보고 고르는 구조입니다.
정리
신약 후보물질 스크리닝에서 효능과 독성을 따로 보면 늦게 버려지는 비용이 생기고, 정작 중요한 치료창을 판단할 수 없습니다. 같은 조건에서 함께 볼 때 초기 의사결정의 질이 달라집니다.
이런 동시 평가를 가능하게 하는 모델이 궁금하다면 예쁜꼬마선충 신약개발 글을 함께 보시고, 보유하신 후보물질이나 원료의 시험 가능 여부는 elegslab에 문의해 주시기 바랍니다.