한 독자가 날카롭고 회의적이며, 동시에 충분히 공감 가는 질문을 던져왔다.

“알파폴드(AlphaFold)가 엄청난 화제를 모았고 컴퓨터 과학적으로 대단한 성취인 건 알겠는데, 결국 실제 측정 가능한 유일한 결과물은 아무런 실적도 없는 ‘AI 바이오’ 기업들의 과도한 밸류에이션(거품)뿐 아닌가요? 결국 웨트랩(실제 실험실)이 절대적인 병목인데 말입니다.”

2026년 현재 바이오 AI 분야를 바라보는 가장 뼈아프고 적절한 질문이다.

결론부터 솔직하게 말하자면 이렇다. 당신의 진단은 상업 바이오텍 생태계에 대해서는 100% 정곡을 찔렀지만, 기초과학과 실험 생물학에 대해서는 완전히 빗나갔다.

만약 과학적 성과의 가치를 오직 ‘나스닥 주가 티커’, ‘벤처캐피털의 엑싯 배수’, ’5년 안에 출시된 FDA 임상 3상 신약 승인’만으로 측정한다면 당신의 회의론은 옳다. 실리콘밸리가 포장했던 ‘테크바이오(TechBio)’ 내러티브는 거대한 거품이었고, 복잡다단한 인간 생리학이라는 벽에 부딪혀 무참히 깨졌다.

하지만 실제 생물학 연구실의 실험 생산성, 전 세계 과학 인프라, 거대 분자 복합체 해석, 그리고 새로운 단백질을 창조하는 단백질 설계(de novo design)의 영역을 본다면, 알파폴드는 과학사에서 손에 꼽힐 만큼 강력하고 정량적으로 입증된 혁명을 이미 가져왔다.

회의론자들의 시각이 왜 절반은 완벽하게 맞았고, 왜 나머지 절반은 근본적인 범주 오류(category error)를 범했는지 그 팩트를 파헤쳐 본다.

1부: 회의론이 100% 맞은 영역 — ‘테크바이오’ 밸류에이션 숙취

우선 회의론자들의 비판부터 온전히 인정하고 들어가자. 바이오 벤처캐피털 업계는 지금 쏟아지는 냉소를 감당해야 마땅하다.

2020년부터 2022년 사이, 실리콘밸리 VC들과 금융권은 매혹적인 내러티브를 팔았다. “생물학이 디지털화되었다. 알파폴드가 단백질 접힘 문제를 완전히 풀었다. 이제 우리는 느리고 비싼 실험실(wet lab)을 건너뛰고 컴퓨터 안에서만 신약을 설계해, 10~15년 걸리던 개발 기간을 18개월로 단축할 것이다.”

이 가설은 철저하게 깨졌다.

1. 단백질 구조가 신약 자체는 아니다 (Structure != Drug)

단백질의 정적인 3차원 입체 구조를 아는 것은 신약 개발이라는 마라톤의 5~10%에 불과하다. 이는 ’기하학적 열쇠 구멍’을 파악한 것일 뿐, 복잡한 ‘생체 시스템’ 문제를 해결해 주지 않는다.

  • 타깃 유효성 검증(Target Validation): 특정 단백질의 결합 주머니(포켓)를 완벽히 파악해 억제하더라도, 그것이 실제 인간 환자의 질병 진행을 멈출 수 있는지는 완전히 다른 문제다. 임상 2상에 진입한 약물의 약 60%는 유효성 부족(Efficacy failure)으로 탈락한다. 타깃 단백질을 억제해도 인체 내 우회 경로가 작동하거나 병리적 영향이 없기 때문이다.
  • 약물동태학(ADMET)과 독성: 알파폴드 상에서 1나노몰 미만의 환상적인 결합력을 보이는 분자라도, 물에 녹지 않거나(불용성), 간의 시토크롬 P450 효소에 의해 3분 만에 분해되거나, 세포막을 통과하지 못하거나, 심장의 hERG 칼륨 채널을 건드려 치명적인 부정맥을 유발하면 약이 될 수 없다. 간 대사와 독성은 컴퓨터 화면만으로 해결되지 않는다.
  • 단백질의 동역학(Dynamics): 단백질은 딱딱한 플라스틱 장난감이 아니다. 열역학적 요동 속에서 호흡하고, 다양한 알로스테릭(allosteric) 구조를 오가며, 인산화·당화 같은 번역 후 변형(PTM)을 겪는다. 심지어 인간 프로테옴의 약 30~40%는 고정된 3차원 형태가 아예 존재하지 않는 ’고유 무형성 영역(Intrinsically Disordered Regions, IDR)’이다.

2. 처참한 시장의 현실 검증

지난 4년간 소위 ‘AI 퍼스트 신약 개발’ 간판을 달았던 상장사들의 성적표는 그야말로 참혹했다.

  • 베네볼런트AI (BenevolentAI): 2022년 유럽 SPAC 합병 당시 15억 파운드(약 2조 5천억 원) 이상의 기업가치로 상장했다. 그러나 2023년 4월, 회사의 핵심 리드 파이프라인이었던 아토피 피부염 치료제 BEN-2293(국소 pan-Trk 억제제)이 임상 2a상에서 유효성 1차 평가변수를 충족하지 못하고 실패했다. 주가는 95% 이상 폭락했고, 회사는 케임브리지의 실험실을 폐쇄하고 대규모 정리해고를 단행했다.
  • 엑스사이엔티아 (Exscientia): AI 설계 저분자 화합물을 최초로 임상에 진입시켰다며 2021년 나스닥 상장 후 시가총액 30억 달러(약 4조 원)를 찍었던 이 회사는 파이프라인 지연과 경영진 내홍을 겪은 끝에, 2024년 말 리커전 파마슈티컬스(Recursion)에 전액 주식 교환으로 약 6억 8,800만 달러에 인수되었다. 고점 대비 75% 이상 쪼그라든 헐값 매각이었다.
  • 리커전 파마슈티컬스 (RXRX): 2021년 주당 3540달러에 달했던 주가는 최근 69달러 선에 갇혀 있으며, 현금 소진을 억제하기 위해 수많은 임상 프로그램을 통폐합해야 했다.

미국 사이언스(Science)지의 저명한 의약화학자 데릭 로우(Derek Lowe)는 Nature Reviews Drug Discovery의 리뷰 논문을 인용하며 이렇게 꼬집었다. 수십억 달러의 벤처 자금이 쏟아졌지만, AI가 임상 3상 성공률을 실질적으로 끌어올렸거나 신약을 허가받게 했다는 증거는 **“실망스러울 정도로 제한적”**이라고 말이다.

2024년 Jayatunga 등이 Drug Discovery Today에 발표한 메타 분석에 따르면, AI 설계 후보물질들은 건강한 지원자를 대상으로 단순 안전성만을 보는 임상 1상에서는 80~90%라는 높은 통과율을 보였으나, 실제 환자 대상 효능을 검증하는 임상 2상에서는 통과율이 40%로 급락했다. 이는 기존 제약 업계의 역사적 평균치와 사실상 똑같은 수치다.

웨트랩은 대체되지 않았다. 신약 개발의 병목은 여전히 실험실에 존재한다.

2부: 회의론이 완전히 빗나간 영역 — 손에 잡히는 측정 가능한 성과들

그렇다면 알파폴드가 2026년까지 블록버스터 신약을 쏟아내지 못했으니 실패작인가?

망원경의 발명과 안경 판매점의 분기 매출을 혼동할 때만 그런 결론이 나온다. 알파폴드는 애초에 제약사의 분기 실적을 맞추기 위한 상업용 SaaS 툴이 아니었다. 그것은 **생물물리학 역사상 50년간 풀리지 않던 난제(Grand Challenge)**를 해결한 것이며, 그 과학적 파급력은 이미 압도적인 수치로 증명되고 있다.

알파폴드가 물리적 현실 세계에 남긴 5가지 명백한 정량적 성과를 보자.

1. 2억 1,400만 개의 구조 공개와 연구의 민주화

지난 60여 년간 전 세계 구조생물학자들이 땀 흘려 밝혀낸 단백질 구조의 총합(단백질 데이터 은행, PDB)은 2020년 말 기준 약 18만 개에 불과했다.

단 하나의 구조를 밝히기 위해:

  • 대학원생과 박사후연구원이 수개월에서 수년의 노동을 바쳤고,
  • 시약, 단백질 정제, 결정화, 방사광 가속기 빔라인 비용으로 단백질당 5만15만 달러(약 7천만2억 원) 이상이 소모되었다.

2021년 7월 구글 딥마인드와 유럽 생물정보학 연구소(EMBL-EBI)는 알파폴드 2 논문을 Nature에 발표하며 알파폴드 데이터베이스(AlphaFold DB)를 전 세계에 무료로 개방했다. 그리고 2022년, 이를 지구상에 알려진 100만 종의 생물에서 나온 2억 1,400만 개 이상의 단백질 구조로 확장했다.

  • 글로벌 활용도: 전 세계 190개국 이상의 연구자 300만 명 이상이 이 데이터베이스를 일상적으로 사용하고 있다.
  • 기회의 균등화: 이 중 100만 명 이상은 초저온 전자현미경(Cryo-EM)이나 수천억 원짜리 방사광 가속기에 접근조차 할 수 없었던 개발도상국과 중저소득국의 연구자들이다.
  • 인용 속도: 존 점퍼와 데미스 허사비스의 2021년 네이처 논문은 구글 스칼라 기준 55,000회 이상의 인용을 기록하며 21세기 과학 논문 중 가장 빠른 속도로 피인용되는 역사적 기록을 세웠다.
  • 노벨상 수상: 논문 발표 불과 3년 만에 2024년 노벨 화학상이 데미스 허사비스, 존 점퍼, 데이비드 베이커에게 수여되었다. 노벨상 역사상 가장 빠른 수상이자, 순수 인공지능 연구가 자연과학 최고 권위의 상을 거머쥔 순간이었다.

2. 실험실의 최대 병목이었던 ‘위상 문제(Phase Problem)’ 해결

“웨트랩이 병목이라 알파폴드가 소용없다”는 주장은 실험실 내부 사정을 전혀 모르는 소리다. 역설적이게도 알파폴드가 가장 즉각적으로 기여한 곳이 바로 웨트랩의 내부 병목을 뚫어준 일이었다.

X선 결정학(X-ray crystallography)에서 단백질 결정에 X선을 쬐어 회절 패턴을 얻어도, 반사파의 진폭만 기록될 뿐 파동의 위상 정보가 소실된다. 이를 구조생물학의 악명 높은 **‘위상 문제(Phase Problem)’**라고 부른다.

기존에는 PDB에 서열 상동성이 30% 이상인 유사 단백질 구조가 없으면 분자 치환법(Molecular Replacement, MR)을 쓸 수 없었다. 연구자들은 수은이나 백금 같은 중금속에 결정을 담그거나 셀레노메티오닌 변이체를 합성하는 지루한 실험(SAD/MAD)에 수개월, 수년을 허비해야 했다. 수많은 실험실의 하드디스크에는 위상을 풀지 못해 버려진 회절 데이터가 산더미처럼 쌓여 있었다.

알파폴드는 이 병목을 단숨에 끝냈다.

Terwilliger 등의 2023년 연구(Acta Cryst D / Phenix)에 따르면, 알파폴드 예측 모델을 분자 치환법의 템플릿으로 활용한 자동화 파이프라인은 기존 방법으로 풀리지 않던 난치성 결정 데이터의 92~93%를 성공적으로 풀어냈다.

초저온 전자현미경(Cryo-EM)에서도 3~4Å 해상도의 전자 밀도 맵에 원자 모델을 한 땀 한 땀 맞추는 데 수주일이 걸리던 수작업이, 알파폴드 구조 도킹을 통해 단 몇 시간으로 단축되었다. 알파폴드는 실험실을 없앤 것이 아니라, 수년 동안 삽질하던 실험실 연구자들의 시간을 구출해 준 것이다.

3. 실험실 기술만으로는 풀 수 없었던 거대 분자 복합체의 규명

어떤 생체 분자 기계는 너무 거대하고 유연해서 기존의 단일 실험 기법만으로는 도저히 형태를 맞출 수 없다.

대표적인 예가 **인간 핵공 복합체(Nuclear Pore Complex, NPC)**다. 약 1,000개의 단백질 서브유닛이 모여 1억 1,000만~1억 2,000만 달톤(Da)의 질량을 자랑하는 세포 내 최대 크기의 분자 통로다. 지난 20여 년간 Cryo-ET와 생화학적 가교 결합을 동원해도 고리 구조의 일부분만을 흐릿하게 볼 수 있을 뿐 전체 배치를 완성하지 못했다.

2022년 6월, 다국적 연구팀은 사이언스(Science)지에 일련의 기념비적인 논문들을 발표했다(Mosalaganti et al., 2022). 이들은 알파폴드의 정밀 예측 모델을 Cryo-EM 밀도 맵 및 질량분석 데이터와 융합하여, 인간 핵공 복합체의 완전한 3차원 근원자 구조를 완성해 냈다.

생물학자들은 입을 모아 말했다. 알파폴드가 없었다면 이 거대한 퍼즐을 완성하는 데 앞으로도 15~20년의 노가다가 더 필요했을 것이라고.

4. 생성형 바이오의 개막: 새로운 단백질을 직접 짓다 (De Novo Design)

알파폴드 이전의 단백질학은 ‘자연이 만들어 놓은 것을 관찰하는’ 서술적 학문이었다. 하지만 알파폴드는 단백질학을 ‘자연에 없던 물질을 창조하는’ 생성적 학문으로 전환시켰다.

2023년 데이비드 베이커 교수 연구팀은 네이처(Nature)에 RFdiffusion을 발표했다. 이미지 생성 AI와 같은 확산(diffusion) 모델 원리를 이용해 원하는 결합 구조를 가진 단백질 골격을 바닥부터 설계하는 기술이다.

여기서 알파폴드는 무슨 역할을 할까? 바로 가상 검증 오라클(In-silico Fitness Oracle) 역할을 한다.

새로 설계된 아미노산 서열을 박테리아에 넣어 합성(wet-lab)하기 전에, 알파폴드에 먼저 넣어본다. 알파폴드가 “이 서열은 당신이 원하는 구조로 접힐 확률이 90% 이상”이라고 판정하면 비로소 실험실로 보내 합성한다. 그렇지 않으면 0.1초 만에 버린다.

이 선순환 구조는 이미 실제 물질로 구현되었다:

  • 스카이코비원(SKYCovione): 워싱턴대 단백질설계연구소(IPD)와 SK바이오사이언스가 개발한 세계 최초의 컴퓨터 설계 나노입자 백신으로, 실제 허가를 받아 사람에게 투여되었다.
  • 합성 사이토카인: 천연 IL-2의 치명적인 모세혈관 유출 부작용은 없애고 면역세포 자극 활성만 남긴 de novo 인터루킨-2 유사체.
  • 초강력 표적 바인더: 뱀독 독소, 인플루엔자 헤마글루티닌, 암세포 표적을 나노몰 이하의 결합력으로 무력화시키는 미니 단백질들이 불과 며칠 만에 컴퓨터에서 설계되어 실제 실험실에서 합성·검증되었다.

5. 환경 효소 공학과 소외 열대 질환

서구권 대형 제약사의 주판알 튕기기를 벗어난 영역에서도 알파폴드는 뚜렷한 족적을 남기고 있다.

  • 플라스틱 분해 효소: 텍사스 오스틴대와 포츠머스대 효소혁신센터 연구진은 머신러닝과 구조 모델링을 통해 상온(30~50°C)에서 페트병(PET)을 며칠 만에 단량체로 분해하고 재중합할 수 있는 FAST-PETase(Lu et al., Nature 2022)를 개발했다.
  • 말라리아 차세대 백신: 옥스퍼드대 연구진은 알파폴드를 활용해 열대열원충의 감염 핵심인 RH5 복합체의 정밀 구조를 규명하고, 강력한 중화 항체를 유도하는 개량형 백신 항원(RH5.1 / RH5.2)을 설계했다.
  • 소외 열대 질환 치료제: 소외열대질환신약개발재단(DNDi)은 딥마인드와 협력하여 샤가스병, 리슈만편모충증 등을 일으키는 기생충의 미특성화 단백질 수백 종을 모델링했다. 상업성이 없어 민간 제약사가 수천억 원을 들여 구조를 밝혀주지 않던 영역에서 결정적인 치료 타깃을 식별해 낸 것이다.

3부: 결론 — 바이오에 SaaS의 잣대를 들이댄 범주 오류

2026년 오늘날 이 모든 상황을 한 걸음 떨어져 조망해 보면, 모순처럼 보이던 풍경이 비로소 명쾌해진다.

잘못된 것은 알파폴드가 아니었다. 잘못된 것은 실리콘밸리가 저지른 치명적인 ’범주 오류(Category Error)’였다.

소프트웨어는 0과 1이라는 결정론적 비트, 재현 가능한 컴파일러, 한계 비용 0의 세계에서 움직인다. 엔터프라이즈 SaaS와 모바일 앱으로 떼돈을 번 벤처 투자자들은 생물학 역시 18개월 스프린트 주기로 ’디스럽트(disrupt)’할 수 있는 또 하나의 소프트웨어 스택으로 착각했다.

하지만 생물학은 소프트웨어가 아니다. 38억 년 동안 누적된 진화의 땜질, 수천 개의 중복 신호 전달 경로, 후성유전학적 노이즈, 그리고 열역학적 물리 법칙으로 얽혀 있는 카오스다. 환자의 만성 장기 독성을 확인하는 데 수개월이 걸리고, 암 환자의 생존율(Overall Survival)을 확인하는 데 4년이 걸리는 임상 시험은 48시간 만에 A/B 테스트를 돌릴 수 없다.

단순한 상업적 기대감으로 덤벼들었던 AI 바이오 스타트업들이 생물학이라는 거대한 물리적 벽에 부딪혀 추락하자, 이번에는 반대편 극단으로 치달아 *“거 봐라, 전부 사기였고 남은 건 아무것도 없다”*며 혀를 찬다.

두 극단 모두 틀렸다.

알파폴드는 실험실을 없애지 않았다. 대신 실험실 과학자들에게 돋보기 대신 최첨단 전자현미경을 쥐여주었다. 수년이 걸리던 결정학의 위상 문제를 단 1초로 줄였고, 거대 세포 소기관의 설계를 완성시켰으며, 전 세계 수백만 연구자들의 구조 생물학 진입 장벽을 무너뜨렸고, 새로운 단백질을 빚어내는 생성형 바이오의 토대를 닦았다.

VC들의 거품은 마땅히 꺼져야 했다. 그러나 그 거품 아래에서 시작된 진짜 과학의 혁명은 이제 겨우 첫 발을 내디뎠을 뿐이다.

주요 출처 및 검증된 인용 문헌