항체치료제, ADC, 이중특이항체, 알파폴드, AI신약개발, 단일클론항체, 맞춤형 치료
2025년 기준, 전 세계에서 승인된 항체 치료제가 최소 212개에 달합니다. 처음 이 수치를 접했을 때 솔직히 좀 놀랐습니다. 암이나 치매를 '표적'으로 잡는다는 개념이 불과 50년 전만 해도 공상에 가까웠는데, 지금은 수천만 명의 환자가 실제로 이 약으로 치료를 받고 있다는 사실이 쉽게 실감이 나지 않았습니다. 일반적으로 항체 치료제는 '새로운 약'처럼 여겨지는데, 제가 관련 자료를 파고들수록 이미 암 치료의 판을 완전히 바꿔놓은 기술이라는 것을 확인하게 됐습니다.
암세포만 골라 찾아가는 항체, 그 원리와 진화
항체는 Y자 모양의 단백질입니다. 이 Y자의 양쪽 팔 끝부분이 특정 항원(antigen), 즉 암세포나 병원체 표면의 특정 물질에 열쇠처럼 딱 달라붙도록 설계되어 있습니다. 정상 세포가 아닌 암세포에만 유독 많이 존재하는 단백질이 대표적입니다. 이 선택성 때문에 항체를 흔히 '유도 미사일'에 빗대어 표현합니다.
제가 이 분야를 처음 공부하면서 가장 흥미로웠던 사례는 HER2 양성 유방암입니다. HER2란 특정 유방암세포 표면에 비정상적으로 많이 발현되는 단백질로, 암의 성장을 촉진하는 역할을 합니다. 과거에는 이 유방암의 예후가 특히 나빴는데, HER2를 표적으로 하는 단일클론항체(monoclonal antibody)가 등장하면서 치료 성적이 극적으로 바뀌었습니다. 이 기술의 토대를 만든 Köhler와 Milstein의 hybridoma 방법은 1975년에 개발됐고, 지금 우리가 쓰는 수많은 항체 치료제의 출발점이 됐습니다(출처: BRIC 한국생물과학정보센터).
항체 치료제는 여기서 한 단계 더 진화했습니다. 바로 항체-약물 접합체(ADC, Antibody-Drug Conjugate)입니다. ADC란 항체와 강력한 항암제를 링커(linker)로 연결한 복합체로, 항체가 암세포 표면의 표적 단백질에 결합하면 항암제가 암세포 내부로 직접 방출되는 방식입니다. 항체는 내비게이션, 항암제는 탄두인 셈입니다. 제 경험상 이 설명을 처음 들었을 때는 다소 추상적으로 느껴졌는데, 실제로 유방암·폐암·혈액암 환자의 임상 결과를 살펴보고 나서야 이게 단순한 개념이 아님을 실감했습니다.
한 단계 더 나아간 기술이 이중특이항체(bispecific antibody)입니다. 일반 항체가 한 종류의 표적만 잡는다면, 이중특이항체는 한쪽 팔로 암세포를, 다른 쪽 팔로 면역세포인 T세포를 동시에 붙잡습니다. 항체가 중매인처럼 T세포와 암세포를 강제로 붙여놓아 면역세포가 암세포를 직접 제거하도록 유도하는 방식입니다. 이 기술이 실용화되면서 면역세포가 암세포를 회피하는 문제를 상당 부분 극복할 수 있게 됐습니다.
- 단일클론항체: 암세포 표면의 특정 단백질(HER2 등)에 결합해 성장 신호를 차단
- ADC(항체-약물 접합체): 항체가 암세포를 찾아가 항암제를 직접 전달·방출
- 이중특이항체: 두 표적을 동시에 잡아 T세포가 암세포를 직접 공격하도록 유도
- 알츠하이머 치료제: 뇌 속 아밀로이드 베타(비정상 단백질)를 찾아 제거를 촉진
AI가 바꾸는 신약개발, 맞춤형 치료의 가능성과 현실적 한계
일반적으로 항체 치료제가 암 치료의 궁극적 해결책이 될 것이라고 보는 시각도 있는데, 저는 조금 다르게 봅니다. 사람마다 유전자 구성, 암세포의 분자적 특성, 면역 반응이 모두 다릅니다. 현재의 항체 치료제는 특정 표적을 가진 환자군에게는 탁월하지만, 표적이 없거나 다른 변이를 가진 환자에게는 효과가 제한적입니다. 이것이 범용 치료제의 한계입니다. 결국 진정한 해결책은 개인 맞춤형 치료제로 가야 한다고 생각합니다.
여기서 AI가 등장합니다. 제가 알파폴드(AlphaFold)라는 이름을 처음 접한 것은 단백질 구조 예측 얘기에서였는데, 처음엔 그게 신약 개발과 어떻게 연결되는지 잘 몰랐습니다. 알파폴드란 구글 딥마인드가 개발한 AI 모델로, 아미노산 서열 정보만 입력하면 단백질의 3차원 구조를 90% 이상의 정확도로 예측해 냅니다. 아미노산이란 단백질을 구성하는 기본 단위로, 이 아미노산들이 어떤 순서로 연결되고 어떻게 3차원으로 접히느냐에 따라 단백질의 기능이 결정됩니다. 과거에는 이 구조를 알아내는 데 X선 결정학 같은 고가 장비와 수년의 실험이 필요했는데, 알파폴드는 이것을 수 분으로 압축했습니다.
알파폴드 3은 단백질 구조 예측을 넘어 단백질과 DNA, RNA, 리간드(ligand)의 상호작용까지 예측합니다. 여기서 리간드란 특정 단백질에 열쇠처럼 결합하는 작은 분자로, 약물이 대표적인 예입니다. 어떤 리간드가 어떤 단백질에 얼마나 잘 맞는지를 컴퓨터 안에서 미리 확인할 수 있다는 것이 AI 신약 개발의 핵심입니다. 기존 물리 법칙 기반의 예측 방법보다 50% 이상 정확하다는 결과가 나왔고, 이 플랫폼은 학계에 무료로 공개돼 전 세계 연구자들이 쓸 수 있습니다.
제 경험상 이 부분에서 가장 실질적인 변화는 '실패 비용의 절감'입니다. 신약 개발에서 돈이 가장 많이 드는 이유는 성공보다 실패가 압도적으로 많기 때문입니다. 통상 후보 물질 1만 개 이상이 선별 과정을 거쳐 최종 승인에 이르는 건 한두 개에 불과하고, 전체 기간은 10~15년이 걸립니다. AI가 후보 물질의 독성이나 효능을 사전에 시뮬레이션해 걸러주면 이 실패의 총량이 줄어들고, 개발 비용도 20~50% 절감할 수 있다는 전망이 나오고 있습니다.
다만 한 가지 짚고 싶은 것이 있습니다. AI가 후보 물질 설계를 빠르게 해 준다 해도, 임상시험 자체를 건너뛸 수는 없습니다. 컴퓨터 안에서의 예측과 실제 인체 반응은 여전히 간극이 있습니다. 저는 AI 신약 개발이 혁명적이라는 점엔 동의하지만, 이것이 인체 실험을 완전히 대체한다는 식의 이야기는 아직 섣부르다고 봅니다. AI는 '어디를 먼저 파야 하는지'를 알려주는 도구이지, 삽질 자체를 없애주는 기술은 아닙니다.
자주 묻는 질문
Q. 항체 치료제는 일반 항암제랑 뭐가 다른가요?
A. 일반 항암제는 빠르게 분열하는 세포를 전반적으로 공격하기 때문에 정상 세포도 함께 손상됩니다. 항체 치료제는 암세포 표면의 특정 단백질만 골라 결합하기 때문에 정상 세포에 가해지는 피해가 상대적으로 적습니다. 물론 항체가 엉뚱한 단백질에 결합하는 부작용이 전혀 없는 건 아니라서, 환자마다 맞는 표적이 있는지 먼저 확인하는 과정이 중요합니다.
Q. ADC 항체-약물 접합체가 기존 항체 치료제보다 더 효과적인가요?
A. 상황에 따라 다릅니다. ADC는 항체가 찾아간 암세포 안에 항암제를 직접 쏴주는 방식이라 암세포 살상력이 강화된 게 맞습니다. 일반적으로 더 강력하다고 알려져 있는데, 제가 살펴본 자료로는 암의 종류와 환자의 표적 발현 정도에 따라 효과 차이가 크기 때문에 ADC가 무조건 우월하다고 단정하기는 어렵습니다.
Q. 알파폴드가 신약 개발 기간을 얼마나 줄여줄 수 있나요?
A. 후보 물질을 찾고 설계하는 초기 단계에서 수년이 걸리던 과정을 수 주에서 수 달로 단축할 수 있다는 전망이 나오고 있습니다. 다만 이후 임상시험 단계(1~3상)는 여전히 수년이 필요하기 때문에, 전체 개발 기간이 절반으로 줄어드는 건 아닙니다. 초기 연구 단계의 효율을 높여주는 도구라고 이해하는 것이 정확합니다.
Q. 이중특이항체는 어떤 암에 주로 쓰이나요?
A. 현재는 혈액암 분야에서 임상 적용이 가장 활발합니다. T세포를 암세포에 직접 끌어붙이는 방식이 혈액을 순환하는 혈액암 세포에 접근하기 용이하기 때문입니다. 고형암(폐암, 유방암 등)에 대한 적용도 연구 중이지만, 종양 내부로의 침투 문제 등 아직 넘어야 할 기술적 과제가 남아 있습니다.
결론
항체 치료제가 암 치료의 판을 바꿔놓은 건 사실입니다. 단일클론항체에서 ADC, 이중특이항체로 이어지는 진화의 속도는 제가 예상했던 것보다 훨씬 빠릅니다. 하지만 솔직히 이건 아직 '기성복'에 가깝습니다. HER2가 있는 사람에게는 잘 맞지만, 표적이 다른 사람에게는 효과가 없거나 제한적입니다.
AI와 알파폴드가 개입하면서 진짜 '맞춤 정장' 시대가 열릴 가능성이 생겼습니다. 환자 개인의 단백질 구조와 유전자 데이터를 분석해 그 사람에게만 맞는 항체를 설계하는 일이 현실로 다가오고 있습니다. 다만 이 과정이 실제 치료 현장까지 오려면 임상 검증이라는 긴 관문을 통과해야 하고, 비용 문제도 해결돼야 합니다. AI가 그 속도를 앞당겨줄 거라는 기대는 충분히 근거가 있고, 저도 그 방향에 무게를 두고 있습니다.
