Our platform

갤럭스디자인:
세상에 없던 단백질을 인공지능으로 구현합니다

갤럭스의 차별화된 AI 접근법

갤럭스디자인은 인공지능과 물리화학적인 원리를 결합한 독창적인 디자인 플랫폼입니다.

단백질의 접힘과 상호작용 원리를 인공지능이 이해하도록 훈련시켜, 기존의 단순한 데이터 기반 학습, 추론을 넘어서는 새로운 AI 설계 패러다임을 만들어가고 있습니다.

Cutting-edge AI trained with a unique learning framework

갤럭스디자인은 항체, VHH, 미니 단백질, 사이토카인 등 치료제 형식에 구애받지 않고 설계가 가능한 범용적인 인공지능 플랫폼입니다. 차별화된 확장성을 통해 다양한 신약을 더 빠르고 혁신적으로 개발할 수 있습니다.

Tightly coupled dry and wet lab workflow

갤럭스는 인공지능 설계본부 (dry lab)와 개발본부 (wet lab)를 보유해 개발 -> 설계 -> 검증의 전 과정을 자체적으로 수행합니다. 이러한 빠른 피드백 구조는 기술 고도화를 가속화할 뿐만 아니라, 유의미한 치료제 물질을 효율적으로 발굴할 수 있도록 합니다.

신약개발에 필요한 물질을 직접 설계합니다

'완전히 처음부터, 새롭게'를 뜻하는 드노보(de novo) 단백질 설계는 신약 개발의 가능성을 넓히는 새로운 접근입니다.

갤럭스는 독자적인 AI 플랫폼 ‘갤럭스디자인’을 통해, 결합력·안정성·면역원성과 같은 핵심 특성을 고려한 단백질을 데이터에 의존하지 않고 설계합니다.

기존의 틀을 벗어나 다양한 구조 위에 원하는 기능을 구현함으로써, 신약 개발 과정을 더 빠르고 효율적으로 혁신할 수 있습니다.

Turning imagination into reality

사례 1. 드노보 항체 설계

PD-L1의 아테졸리주맙 (atezolizumab) 에피톱을 표적으로 한 항체를 새롭게 설계했습니다.

설계된 항체는 기존에 없던 서열을 기반으로 하며, 상용 항체와 유사한 결합력과 개발 초기 단계에서의 안정성을 확인했습니다.

해당 연구는 현재 bioRxiv에 공개되어 있으며 (링크), PD-L1, HER2, EGFR, FZD7, ACVR2A/2B, ALK7 등 여섯 가지 주요 타겟에 대한 항체 설계 사례를 포함하고 있습니다.

특히 FZD7(새로운 에피톱 표적)과 ALK7(실험 구조 없이 설계) 사례는, 갤럭스디자인이 다양한 타겟과 복잡한 조건에서도 효과적으로 작동할 수 있음을 보여줍니다.

면역원성 위험을 낮추고 개발 가능성을 높이기 위해, 여섯 개 항체 모두 임상에서 검증된 프레임워크를 기반으로 설계되었으며, 설계는 결합 부위(paratope)에 국한하여 진행되었습니다.

De Novo Antibody Design
Turning imagination into reality

사례 2. Fc 영역 결합 모티프 드노보 설계

서열 정보도, 구조 정보도 없는 상태에서 완전히 새롭게 설계한 이 사례는 갤럭스디자인이 특정 형식에 제한되지 않고 다양한 설계 방식에 유연하게 적용될 수 있다는 점을 잘 보여줍니다.

다중 물성 최적화 (Multi-property optimization)

신약 개발 초기 단계에서 여러 물성을 동시에 최적화하면, 개발 속도와 효율을 크게 높일 수 있습니다.
갤럭스디자인은 기존 단백질의 결합력(pH 선택성 포함), 특이성, 안정성 등 핵심 특성을 조절할 수 있으며, 아미노산의 삽입과 삭제도 자유롭게 반영해, 보다 넓은 서열 공간을 탐색하고 구조적 제약 없이 유연한 설계가 가능하도록 합니다.

De Novo Antibody Design
Turning imagination into reality

사례 1. 면역조절 사이토카인 IL-18의 다중 물성 최적화

IL-18 사이토카인을 아래의 세 가지 목표에 맞춰 최적화했습니다:

1. IL-18BP와의 결합 제거
2. IL-18 수용체(IL-18R)와의 결합력 강화
3. 열 안정성 향상

짧은 설계-검증 과정을 거친 결과, 이들 특성을 모두 갖춘 IL-18 변이를 확보했습니다. 이외에도 IL-18R과의 결합력을 정밀하게 조절해, 치료 효과를 극대화할 수 있는 이상적인 물성을 구현했습니다.

연구 논문

Precise, Specific, and Sensitive De Novo Antibody Design Across Multiple Cases
Read More
Accurate antibody loop structure prediction enables zero-shot design of target-specific antibodies
Read More
GalaxyDock-DL: Protein–Ligand Docking by Global Optimization and Neural Network Energy
Read More