🔬 AI 실험 수만 건 돌리며 신약 후보 찾아내는 기업: Recursion 사례 중심 정보성 분석
AI + 실험 자동화로 신약 개발 패러다임을 바꾸는 기업이 실제로 존재해. 네가 말한 것과 유사한 케이스도 여럿 있고, 대표적인 회사가 Recursion Pharmaceuticals야. 다음은 Recursion 중심으로 기술력, 투자, 리스크 등을 정리한 내용.
회사 개요: Recursion
-
회사명: Recursion Pharmaceuticals, Inc. Labiotech.eu+2Recursion+2
-
본사: 유타 주 솔트레이크 시티 (Salt Lake City, Utah, USA) Recursion
-
설립: 약 2013년경 GEN+2Labiotech.eu+2
기술력: Recursion OS + 실험 자동화
-
Recursion Operating System (OS)
단순한 AI 모델이 아니고, 생물/화학/환자 데이터(proprietary data)를 대량 확보하고 자동화된 실험장비(bot, robotics, 컴퓨터 비전 등)를 사용해 “수백만 개의 세포 실험(cell experiments)”을 주 단위로 수행해. Recursion+1 -
실험 처리량 및 데이터 스케일
-
“2.2 million samples per week” 같은 수치로 실험을 돌릴 수 있음. Recursion
-
생물학적 맵(Maps of Biology and Chemistry) 구축 → 질병 생물학(disease biology)에서 기존에 잘 탐색되지 않은 영역도 탐색 가능. Recursion+1
-
-
AI + Generative Chemistry
후보 물질(hit)를 식별 → 합성(synthesis-aware generative AI) → 실험 → 결과 → AI 학습 반복 (feedback loop) 구조. Recursion
투자 및 파트너십
-
엔비디아(NVIDIA) 투자 및 협업
Recursion은 NVIDIA와 협업 중임. 그 중 하나가 고성능 하드웨어 지원, BioHive-2 supercomputer 등을 구축한 것. 이걸 통해 데이터 처리 및 AI 모델 학습 인프라를 강화함. Recursion+1 -
ARK, Cathie Wood 관심도
뉴스에 따르면 Cathie Wood 쪽도 Recursion을 주목하고 있음. NVIDIA가 지분을 일부 확보했다는 보도도 있고. Nasdaq+2Fool+2 -
제약사 파트너십
Recursion은 Bayer, Takeda, AbbVie, Genentech 등 여러 제약사와 제휴하여 AI 기반 신약 탐색 및 개발 프로그램을 함께 수행 중임. Labiotech.eu+1
성장 가능성과 리스크
성장 가능성
-
시간 단축 & 비용 절감: 전통적 신약 개발은 수년, 수십억 달러 소요됨. AI 자동화 + 고속 실험 덕분에 초기 탐색 단계(hit 발굴) 시간이 크게 단축될 수 있음.
-
미충족 수요(Unmet needs) 많은 희귀질환, 신규 종양, 면역 질환 등 아직 치료제가 없거나 효능 낮은 분야에서 AI가 “새로운 후보(target)”를 찾을 가능성 큼.
-
데이터 축적 효과: 실험이 많아질수록 AI가 학습할 데이터 양이 많아지고, 모델이 더 정확해짐.
리스크
-
임상 및 규제 리스크: 탐색 단계에서 후보물이 도출돼도 임상시험, 인허가 거치는 과정이 매우 긴 시간이 걸리고 실패 확률도 높음.
-
자금 소모가 큼: 실험 자동화, 데이터 인프라, 합성 화학(synthesis) 등이 비용이 많이 듦.
-
기술 경쟁 심화: 비슷한 AI 신약개발 회사 많이 생기고 있고, IP (특허), 데이터 접근성, 하드웨어 리소스 등이 경쟁력 차이를 만듦.
