RosettaFold2-PPI란 무엇인가: AI가 그린 인간 단백질 지도, 신약주 투자자가 걸러야 할 것

미국 텍사스대 사우스웨스턴 의료센터의 첸 콩(Qian Cong) 교수팀과 2024년 노벨화학상 수상자 데이비드 베이커(David Baker) 교수팀이 인공지능 모델 로세타폴드2-PPI(RoseTTAFold2‐PPI)로 사람 단백질 2억 쌍을 스캔해, 면역, 대사, 세포 신호전달에 관여하는 단백질을 포함해 약 5,500개의 알려지지 않았던 인간 단백질 상호작용의 예측 구조를 제시한 논문을 국제학술지 사이언스(Science)에 발표했다. 이 자체는 특정 상장사의 실적이나 주가를 당장 흔드는 뉴스는 아니다. 하지만 이 연구가 서 있는 자리, 즉 AI 기반 신약개발이라는 투자 테마의 최전선을 이해하면 관련 종목을 볼 때 무엇을 걸러 들어야 할지가 분명해진다.

AlphaFold, RosettaFold 등 AI 도구가 예측한 단백질 구조 모델 자료: RCSB PDB. 이미지 “Computed Structure Models from AI and PDB Experimental Structures.png”의 제작자는 Mariaurszula입니다. Wikimedia Commons 원본을 CC BY 4.0 조건으로 사용했으며 WebP로 변환했습니다.

논문 제목은 'Predicting protein‐protein interactions in the human proteome'이고, 학술 식별번호(DOI)는 10.1126/science.adt1630이다. 검색창에 이 숫자나 저자 이름 일부만 넣어도 원문에 닿을 수 있을 만큼, 최근 생물정보학·AI 신약개발 커뮤니티에서 자주 언급되는 논문이다.

무엇을 어떻게 찾아냈나

단백질은 혼자 일하지 않는다. 두 개 이상의 단백질이 서로 결합해야 세포 안에서 신호를 전달하거나 물질을 대사하는 등 실제 기능이 작동한다. 문제는 사람 단백질만 해도 이론상 짝을 지을 수 있는 조합이 2억 쌍에 이르는데, 실험으로 이걸 하나하나 확인하려면 수십 년이 걸린다는 점이다.

연구팀의 해법은 두 가지였다. 30페타바이트에 달하는 조립되지 않은 유전체 데이터를 활용해 기존보다 7배 더 깊은 다중서열정렬로 진화적 공진화 신호를 강화하고, 2억 개의 예측 단백질 구조에서 뽑아낸 도메인-도메인 상호작용 데이터셋으로 학습한 새로운 딥러닝 네트워크를 개발한 것이다. 이렇게 만들어진 모델이 RoseTTAFold2-PPI다.

AI 예측 구조 파란색 와 실험으로 확인된 실제 구조 초록색 를 겹쳐본 모습. 이미지 “AlphaFold 2.png”의 제작자는 John Jumper et al입니다. Wikimedia Commons 원본을 CC BY 4.0 조건으로 사용했으며 WebP로 변환했습니다.

앞서 공개된 프리프린트(정식 게재 전 논문) 버전에서는 2억 개의 인간 단백질 쌍을 체계적으로 스크리닝해 90% 예상 정밀도로 18,316개의 상호작용을 예측했고, 이 중 5,578개가 새로운 예측이라고 밝힌 바 있다. 정식 게재된 사이언스 논문에서는 이 수치가 다소 다듬어져 약 5,500개의 미확인 상호작용으로 정리됐다. 숫자가 버전마다 조금씩 다른 것은 흔한 일이고, 핵심은 정밀도 90%라는 기준을 유지하면서 실험 없이 컴퓨터 연산만으로 대규모 스크리닝이 가능해졌다는 점이다.

이 모델은 논문 저자들이 직접 코드를 깃허브에 공개해, 누구나 내려받아 돌려볼 수 있는 오픈소스 도구다. 특정 기업이 독점한 상용 소프트웨어가 아니라 학계 기초연구 성과라는 뜻이다. 이 지점이 투자자 입장에서 가장 먼저 짚어야 할 대목이다.

왜 이 연구가 나왔나: 노벨상 이후의 베이커 연구실

데이비드 베이커는 2024년 노벨화학상을 받은 인물이다. 2024년 노벨화학상은 절반이 컴퓨터를 이용한 단백질 설계 공로로 데이비드 베이커에게, 나머지 절반이 단백질 구조 예측 공로로 데미스 하사비스와 존 점퍼에게 공동 수여됐다. 베이커가 이끄는 워싱턴대 단백질디자인연구소는 지난 수십 년간 무료로 공개하는 계산 도구를 개발해온 것으로 유명하고, 이번 RoseTTAFold2-PPI 논문도 그 연장선에 있다.

중요한 건 이런 기초연구가 실제 돈이 되는 사례로 이어진 전례가 있다는 점이다. 다케다제약은 단백질디자인연구소의 스핀아웃 기업인 PvP 바이올로직스를 3억 3천만 달러에 인수했고, 아스트라제네카는 자연 발생 바이러스를 표적으로 하는 합성 백신을 개발하는 또 다른 스핀아웃 이코사백스를 11억 달러에 인수했다. 베이커 연구실의 최신 스핀아웃인 자이라 테라퓨틱스(Xaira Therapeutics)는 2024년에 10억 달러 이상의 총 펀딩과 함께 출범했지만, 아직 비상장이라 개인 투자자가 직접 살 수 있는 종목은 아니다.

정리하면, 이번 사이언스 논문 자체는 특정 종목을 바로 움직일 재료가 아니다. 다만 "학계 기초연구 → 스핀아웃 창업 → 대형 제약사 인수"로 이어지는 흐름이 이 분야에서 실제로 반복돼 왔다는 사실은, 이 테마를 장기로 지켜볼 이유는 된다.

그래서 지금 살 수 있는 종목은 있나

이 논문의 직접적인 수혜주는 없다. 하지만 "AI로 단백질 구조·상호작용을 예측해 신약 후보를 찾는다"는 같은 방향성을 가진 상장사들은 이미 존재하고, 이들의 현재 상태를 확인해두는 것이 이 테마에 대한 판단 기준이 된다.

리커전 파마슈티컬스(RXRX)는 8월 7일(현지시간) 종가 기준 주당 3.215달러, 시가총액 약 16억 8,800만 달러로 거래됐다. 매출 대비 주가(PSR)는 25.4배에 달하지만 최근 4개 분기 연속 순마진이 크게 마이너스(-842.93%TTM)이고, 매출 성장률은 11.07%에 그친다. 다만 최근 분기 실적은 예상보다 손실 폭이 작게 나오는 흐름을 이어왔다.

슈뢰딩거(SDGR)는 같은 날 주당 18.41달러, 시가총액 약 13억 3,000만 달러다. 매출총이익률은 55.33%로 리커전보다 훨씬 견조하지만 영업이익률은 여전히 -64.65%다. 다만 직전 분기(2026년 2분기)는 주당순이익 0.08달러를 기록해 시장 예상치(-0.4916달러)를 크게 웃돌았고, 2025년 4분기에도 흑자 서프라이즈가 있었다. 두 회사 모두 시가총액이 20억 달러를 밑도는 중소형주이고, 유전자 편집 기업 인텔리아(NTLA)나 신덱스(SNDX) 같은 동종 계산생물학 소형주들도 대체로 마이너스 순마진을 벗어나지 못하고 있다는 점은 이 업종 전체의 공통된 리스크다.

이 회사들이 이번 RoseTTAFold2-PPI를 실제로 쓰고 있는지는 공식적으로 확인되지 않았다. 이들을 언급하는 이유는 어디까지나 "AI 기반 계산 신약개발"이라는 같은 투자 테마 안에 있는 상장 비교군이기 때문이지, 이번 논문의 직접 수혜주라는 뜻은 아니다.

투자자가 놓치면 안 되는 한계

AI가 예측한 상호작용은 어디까지나 예측일 뿐이다. 90% 정밀도라는 것도 나머지 10%는 틀릴 수 있다는 뜻이고, 예측된 상호작용이 실제 신약 표적으로 검증되려면 세포·동물실험, 이후 임상시험까지 다시 몇 년이 걸린다. 컴퓨터 화면 속 단백질 구조 하나가 곧바로 팔릴 수 있는 약이 되는 게 아니다.

또 하나, 위에서 본 리커전과 슈뢰딩거처럼 'AI 신약개발' 딱지가 붙은 상장사들은 이미 실적 대비 상당히 높은 밸류에이션을 받고 있으면서도 대부분 적자 상태라는 점을 숫자로 확인해야 한다. 이런 뉴스 하나에 테마가 들썩일 때일수록, 매출과 순이익 같은 기본 숫자부터 먼저 대조하는 습관이 손실을 줄이는 길이다.

다음에 확인할 신호

이 흐름을 계속 지켜보고 싶다면 세 가지를 확인하면 된다. 첫째, 자이라 테라퓨틱스 같은 베이커 연구실 스핀아웃이 기업공개(IPO)나 대형 제약사와의 라이선스 계약 뉴스를 내는지다. 둘째, 이번 논문이 예측한 상호작용 중 일부가 실제 실험으로 검증됐다는 후속 발표가 나오는지다. 셋째, 리커전·슈뢰딩거 같은 상장 AI 신약개발 기업들의 다음 분기 실적에서 파트너십 매출이 실제로 늘어나는지다. 뉴스의 화제성이 아니라 이 세 가지 확인 사실이 쌓이는 속도가 이 테마의 진짜 온도계다.

출처

• Computing the Human Interactome - Casts
• Computing the Human Interactome | bioRxiv
• GitHub - CongLabCode/RoseTTAFold2-PPI: Fast deep learning methods for large-scale protein-protein interaction screening · GitHub
• RoseTTAFold2-PPI: Predicting Protein Interactions with AI - Rosetta Commons
• Computing the human interactome - Department of Biochemistry and Biophysics
• Press release: The Nobel Prize in Chemistry 2024 - NobelPrize.org
• Protein Design’s AI Revolution: Inside David Baker’s “Communal Brain”
• 2024 Nobel Prize in chemistry: Three scientists win for groundbreaking work in proteins