관심 급증..! 리커젼 파마슈티컬스의 정체와 전망 간략히 설명

 

 

 

1. Recursion의 정체성과 방향성

• Recursion은 전통적인 제약사가 아니다.
  - 생물학적 실험 데이터를 바탕으로 한 AI·ML 기반 “시스템"으로, 매 실험을 통해 데이터가 축적되고, 그 데이터가 다시 다음 연구에 반영되는 재귀적(Recursive) 피드백 루프를 형성.
  - 이 방식으로 약물 개발 기간을 과거 수십 년에서 수년으로 대폭 단축하고, 비용도 혁신적으로 절감할 수 있음.
• 주요 Therapeutic Area: 섬유증, 희귀 유전 질환, 염증성 질환, 종양학(암) 등 여러 분야를 다룸.

 

인사이트

1. 데이터 품질과 양: 빅데이터 기반 실험 자동화가 핵심 경쟁력.
2. 범용성: 희귀질환부터 암까지 다양한 적응증에 빠르게 적용 가능.
3. 경제·시간 효율: 전통적 의약품 개발의 장벽(연구 기간, 비용 등)을 데이터·AI로 뛰어넘는 전략.

 

 

---

2. AI & Big Data가 촉발한 제약·바이오 산업 변화

• 투자 유치와 파트너십: Recursion은 Bayer, Nvidia, Google 등 다양한 글로벌 기업과 협업.
• AI 의료 분야의 성장: 점차 많은 투자자와 기업이 AI를 활용한 신약 개발 기술(TechBio)에 주목하고 있으며, Recursion은 AI+바이오 양 측면에서 선도적 기업 중 하나로 평가됨.

 

인사이트

1. 산업 전반의 AI 도입 가속: 혁신 기업들은 데이터 플랫폼·ML 기술을 핵심 자산으로 확보 중.
2. 협력 생태계 중요성: 대형 제약사부터 IT 기업까지 적극적 콜라보가 경쟁력 결정.

 

---

 

3. NeurIPS 수상 사례: Recursion & Valence Labs

• NeurIPS(Neural Information Processing Systems) 학회 내 “Foundation Models for Science” 워크숍에서 1·2·3등 모두를 Valence Labs와 Recursion이 석권.
• 의의: 생물학·화학 교차 영역에서 대규모 AI 모델(파운데이션 모델)의 연구 성과가 두드러짐을 확인.

 

주요 수상 과제

1. MolPhenix (1등)
   - Phenomic 데이터와 화학 데이터를 결합해, 특정 분자·농도 조합이 세포에 미치는 ‘형태학적·기능적 변화’를 예측하는 파운데이션 모델.
   - Recursion이 지난 10년간 자동화된 고속실험으로 생성한 **수십억 건의 이미지(phenomic data)**를 기반으로 구축.
   - 기존 방법 대비 Top 1% 활성 분자 발견률이 7.9%→77.3%로 대폭 향상(약 10배).
2. Atomic GFlowNets (A-GFNs) (2등)
   - 분자를 ‘원자 수준’에서부터 생성해가는 생성 모델로, 더 포괄적인 ‘drug-like’ 화학 공간 탐색 가능.
   - 비지도 사전학습 + 저비용 분자 지표(drug-likeness, 극성표면적, 합성용이성 등)로 모델을 가이드.
   - 부작용을 줄이고 약효가 좋은 분자를 탐색하는 과정의 효율적 자동화 가능성 시사.
3. 1.9B 파라미터 ViT-G/8 MAE (3등)
   - 현존 가장 큰 기초 모델로, 80억 장 이상의 세포 현미경 이미지를 학습해 유전자 변이로 인한 세포 변화(phenotypic data)의 분류·예측 성능을 크게 개선(선형 분리도 60% 향상).
   - 전게놈 수준에서 생물학적 연관관계와 재현성(Replicate consistency)을 최고 수준으로 확보.

 

인사이트

1. 파운데이션 모델의 약진: 이미지·화학·유전체 등 멀티모달 데이터에서 의미 있는 패턴을 도출, 신약 타깃 찾기 & 후보물질 최적화에 획기적 기여.
2. 스케일의 힘: 수십억 건의 이미지를 다루고 수십억 파라미터 모델을 학습하는 등, 데이터와 컴퓨팅 파워가 결정적 요인.
3. R&D 효율 극대화: 자동화와 ML 기반 발굴 속도를 높이면, 연구 비용 및 실패 위험 최소화가 기대됨.

---

 

4. 종합적 시사점

1. TechBio 선도기업의 사례: Recursion은 방대한 생물학 데이터와 AI를 결합해 “제약 산업의 디지털 전환(Digital Transformation)”을 주도.
2. 연구 협업 및 오픈사이언스 추세: NeurIPS 결과가 보여주듯, 학계·산업계 간 협업이 가속화되며, 최신 ML 기법을 신약 개발 영역에 빠르게 적용 중.
3. 투자·시장 전망: 대형 테크기업(구글·엔비디아)부터 제약사(Bayer)까지 적극 파트너십 체결 → 업계 관심·투자 확산.

---

 

결론

• Recursion은 전통적 제약사와 달리, ‘데이터-실험-AI’가 결합된 재귀적 시스템을 구축해 약물 개발 비용·시간을 혁신적으로 단축하고 있음.
• NeurIPS에서 파운데이션 모델 1·2·3등을 모두 수상할 정도로 연구 역량과 데이터 자산이 뛰어나며, 이는 AI·바이오 융합 분야 선두 기업임을 방증.
• 앞으로 TechBio 시장이 폭발적으로 성장할 것으로 예상되는 가운데, Recursion의 사례는 R&D 효율과 경쟁력을 어떻게 높일 수 있는지 잘 보여주는 혁신적 모범 사례라 볼 수 있음.