표적과 콘셉트: 분자가 어디서 시작해야 하는지를 학습하다

📍 현재 위치: 2부 · 신약 발견과 개발, 학습된(Learned) — 4장. 1부가 기반을 놓았습니다. 바이오공정이 데이터 과학의 교본을 깨뜨리는(breaks the data-science rulebook) 이유, 무엇이 데이터를 구속력 있는 연료로(data the binding fuel) 만드는가, 그리고 모델이 GxP 아래에서 어떻게 검증되는가(models are validated under GxP). 이제 우리는 척추를 그 첫 노드 — 어떤 것도 제조되어야 하기 전에, 무엇을 만들 것인가의 선택 — 에서부터 걷기 시작합니다.

바이오리액터에서 시작하는 제조 책은 너무 늦게 시작하는 것입니다. WCB-CHO-001이 존재하기 한참 전에, 클론이나 공정이나 단 1그램의 mAb-A(진행 예제인 단일클론항체, 즉 "mAb")가 있기 전에, 누군가가 때릴 생물학적 표적(target)을, 그것을 때릴 모달리티(modality)를 골랐고 — 그리고 암묵적으로, 흔히 부주의하게 — 회사를 특정 종류의 분자를 몇 년 동안 만드는 일에 묶었습니다. 그 약속이 하류의 모든 제조 문제와 모든 제조 성공의 씨앗입니다. 이 장은 그 첫 노드에 사는 기계학습에 관한 것이며, Book 5의 나머지가 의지하는 더 어렵고 더 조용한 발상에 관한 것입니다. 제조 가능성(manufacturability)은 규모 확대에서 발견하는 성질이 아니라 콘셉트에서 선택하는 성질이다.

우리는 범위에 관해 곧바로 정직해야 합니다. "신약 개발의 시작"에서 당신이 읽는 AI의 대부분은 신약 발견(drug-discovery) AI입니다 — 단백질 구조 예측, 생성적 화학(generative chemistry), 오믹스(omics)로부터의 표적 식별 — 그리고 그것은 그 자체로 방대하고 빠르게 움직이는 분야이며, 이 책은 그것을 다루려 하지 않습니다. 우리의 렌즈는 의도적으로 좁습니다. 우리는 결과 분자가 신뢰성 있게, 품질에 맞게, 비용에 맞게 만들어질 수 있는지에 관계되는 콘셉트 단계 학습의 조각에 관심이 있습니다. 그 조각은 작고, 연구가 부족하며, 정확히 발견의 세계와 제조의 세계가 서로 대화하지 못하는 곳입니다.

쉽게 말하면

건축가가 초고층 빌딩을 그리기 전에, 누군가가 어떤 건물을 어느 땅에 올릴지 결정합니다. 늪을 고르면, 하류의 가장 뛰어난 공학도 영원히 기초와 싸웁니다. 신약 발견은 건축 경연 — 눈부시고, 대체로 다른 사람의 일 — 입니다. 이 장은 부지 조사(site survey)입니다. 즉, 당신이 막 설계하려는 건물을 땅이 떠받칠 수 있는지에 관한 이르고 화려하지 않은 질문입니다. 자신의 생물학적 표적에 대해 "점수가 잘 나오는" 분자가 접힘은 엉망이거나, 응집하거나, CHO 세포(CHO cells)(Chinese Hamster Ovary, 주력 생산 세포주)에서 발현(제조)되지 못한다면 그것은 늪 위의 탑입니다. 그것을 배우는 가장 값싼 곳이 바로 여기, 콘셉트 단계입니다 — 그리고 기계학습이 그것을 당신에게 말해 줄 수 있기 시작하고 있습니다.

이 장에서 다루는 내용

• 제조 척추의 첫 노드: 하류의 모든 것을 설정하는 선택으로서의 표적, 작용 기전(mechanism of action, MoA), 모달리티.
• 신약 발견 AI가 끝나고 제조 관련(manufacturing-relevant) 콘셉트 단계 학습이 시작되는 지점 — 의도적으로 그은 정직한 경계.
• 예측 문제로서의 표적 가용성(target tractability): ML이 표적을 약물로 만드는 것이 합리적인지를 어떻게 점수화하는지, 증거-통합(evidence-integration)이 실제로 무엇을 계산하는지, 그리고 그것이 제조와 어떤 관계가 있고(없고) 무엇인지.
• 설계 단계 제조 가능성(manufacturability-by-design): 그 사고방식, 콘셉트에서 쓸 수 있는 인실리코(in-silico) 개발성(developability) 신호, 그것들을 계산하는 실제 방법, 그리고 그것이 약하고 성기면서도 쓸 가치가 있는 이유.
• 발견 → 제조 인계 간극(handoff gap) — 척추에 난, 실재하고 잘 문서화된 구멍, 그리고 학습된 표적-프로파일 기록이 그것을 건너 무엇을 나를 것인가.
• 제조 가능성을 인식하는 표적 프로파일(manufacturability-aware target profile) 한 건의 해부 — 시리즈의 시그니처를 바로 그 첫 결정에 적용하여, 필드 하나하나 해부함.
• 조립 규율: (예시) 콘셉트 단계 예측과 실제 하류 CQA(Critical Quality Attribute — 규격 안에 머물러야 하는, 측정된 제품-품질 성질)를 채점 가능한 하나의 기록으로 융합하는 실행 가능한 스케치 — 여기서 어떤 확신에 찬 예측기도 정직하게 출하될 수 없으므로, 이 장이 모음에 실제로 기여하는 것.
• 미해결 과제: 콘셉트 단계 제조 가능성 예측은 이 책 전체에서 가장 근거가 약한 ML이며, 그렇지 않은 척하는 것은 위험합니다.

첫 노드: 표적, 기전, 모달리티

이 시리즈의 모든 것 — 다섯 권의 책, 하나의 공정 — 은 단위 작업(unit operation)의 척추에 매달려 있으며, 그 척추에는 머리(head)가 있습니다. 분자 발견(molecule discovery)이 후보 서열을 생성하기 전에, 세포주 개발(cell-line development)이 WCB-CHO-001이 될 클론을 고르기 전에, 한 프로그램은 세 개의 결합된 질문에 답해야 합니다:

1. 표적(Target) — 어떤 생물학적 분자(수용체, 사이토카인, 효소)에 질병이 달려 있어, 그것에 관여하면 결과가 바뀌는가?
2. 작용 기전(Mechanism of action, MoA) — 우리는 그것에 어떻게 관여하고 싶은가: 차단할까, 분해할까, 면역 효과기(effector)를 동원할까, 페이로드(payload)를 전달할까?
3. 모달리티(Modality) — 그 기전을 어떤 종류의 분자가 구현하는가: 단일클론항체, 이중특이성(bispecific), 항체-약물 접합체(antibody-drug conjugate), 융합 단백질, 세포 또는 유전자 치료제?

그것들은 독립적이지 않고 결합되어 있으며, 그 결합은 한 방향으로 흐릅니다. 생물학이 기전을 제약하고, 기전이 모달리티를 제약하며, 모달리티 — 마지막에, 가장 무심하게 선택되는 — 가 제조 문제를 고정합니다. 크고 평평한 에피토프를 가진 단백질-단백질 계면을 차단해야만 도달할 수 있는 표적은 당신을 항체 쪽으로 밀고, 같은 세포 위의 두 수용체에 동시 관여가 필요한 표적은 당신을 이중특이성 쪽으로 밀며, 어떤 생물의약품으로도 도달할 수 없는 세포내 표적은 당신을 이 책에서 통째로 밀어냅니다. 세 번째 질문에 답할 무렵이면, 제조 난이도는 이미 정해져 있는데, 보통은 첫 번째 질문을 최적화하던 사람들에 의해서입니다.

우리의 진행(running) 예제에서 답은 고정되어 있고 친숙합니다. 표적은 mAb-A가 결합하는 항원이고, 기전은 IgG에 의한 단순한 항원 관여이며, 모달리티는 CHO에서 만들어지는 표준 단일클론항체입니다. 그 평범함이 핵심입니다. CHO에서의 IgG1 mAb는 생물의약품에서 가장 제조하기 쉬운 것입니다 — IgG1은 가장 흔한 항체 하위부류이고, 수십 년 축적된 공정 지식을 가진 플랫폼, 보존된 Fc를 이용하는 단백질 A 포획(Protein A capture)(Fc는 항체의 불변 "꼬리" 영역으로, 모든 IgG1에서 동일합니다; 여기서 보존은 생물학적 의미 — 분자들 간에 같음 — 입니다), 잘 이해된 분석법(analytics), 그리고 업계 전체가 공유하는 출하 패널입니다. 이 플랫폼이 존재하는 것은 불변 영역(constant region)이 보존되어 있기 때문입니다. 모든 IgG1은 같은 Fc를 같은 단백질 A 레진에 제시하고 같은 이황화 토폴로지로 접히므로, CDMO는 새로운 mAb를 백 번 돌려 본 공정 위에서 돌릴 수 있습니다.

보존되지 않는 것은 가변 영역 — Fv(가변, 항원-결합 부분)와 그 CDR(실제로 표적에 접촉하는 루프들로, 항체마다 다름) — 이며, 바로 거기에 개발성 싸움이 삽니다. 두 개의 플랫폼 IgG1이 단백질 A에서 동일하게 포획되면서도 응집, 점도, 전하-변이체 부담에서 크게 다를 수 있고, 그 모두가 보존되지 않는 가변 도메인으로 거슬러 올라갑니다. 콘셉트에서의 모달리티 선택이 바로 BATCH-2026-001이 SEC로 단량체 순도 98.611%에 도달할 수 있는 이유입니다. 두 개의 비천연 사슬-짝짓기 문제를 가진 깨지기 쉬운 이중특이성이나, 피하(subcutaneous) 제품이 요구하는 고농도에서 겔이 되는 끈끈한 고점도 형식을 고르면, 같은 하류 기계장치가 고전합니다 — 단백질 A 단계가 결합조차 못 할 수 있고, 폴리싱 창이 좁아지며, 피하 제품이 필요로 하는 고농도 제형(high-concentration formulation)이 물리적으로 불가능해집니다. 첫 노드가 그 뒤의 모든 노드의 난이도를 설정합니다.

여기가 Book 5가 발견 교과서로부터 갈라지는 지점입니다. 발견 과학자는 "이 표적에 관여하면 환자에게 도움이 될까?"를 묻습니다. 제조를 염두에 둔 독자는 발견 과학자가 흔히 미루는 두 번째 질문을 묻습니다. "그리고 그것에 관여하는 분자를, 품질과 규모에 맞게, 우리는 만들 수 있는가?" 두 질문은 같지 않으며, 각각에 답하는 기계학습은 다릅니다. Book 4는 이 동일한 척추-머리 노드를 지식 그래프 엔터티로 모델링했습니다 — 실현된 원료의약품 로트가 따르는 표적과 제품 콘셉트(target and product concept), 즉 발상-대-바이알(idea-to-vial) 스레드의 머리입니다(계보 자체는 하류에, 로트가 거슬러 추적되는 동결된 CHO 세포 은행에 뿌리내립니다). Book 5는 거기서 무엇이 학습될 수 있고 예측될 수 있는지를 묻습니다.

경계 긋기: 발견 AI가 끝나는 곳

이 장을 AlphaFold 식의 구조 예측, 생성적 소분자 화학, 오믹스 주도 표적 식별을 목록화하는 데 쓰는 것은 쉽고, 또 잘못된 일일 것입니다. 그것들은 실재하고, 비범하며, 제조가 아닙니다. 경계를 깔끔하게 긋는 것 자체가 하나의 기여인데, 과대광고가 일상적으로 그것을 흐리기 때문입니다 — "AI가 설계한 신약 후보"에 관한 보도자료는 그 후보가 2,000 L 바이오리액터에서 발현될 수 있는지에 대해 아무것도 말해 주지 않습니다.

이 책이 쓰는 경계는 이렇습니다. 우리는 다음을 범위 밖(인정하되, 다루지 않음)으로 취급합니다. 유전체학/전사체학으로부터의 표적 식별, 단백질 구조 예측, 발견 활동으로서의 생성적 드노보(de novo) 결합체 설계, 그리고 소분자 케모인포매틱스(cheminformatics). 이것들은 "신약 발견을 위한 AI"의 간판 공연이며, 다른 사람의 장입니다. 우리는 제조 조직이 행동으로 옮길 수 있는 신호를 만들어 내는 콘셉트 단계 학습을 범위 안으로 취급합니다:

• 표적 가용성 / 약물성(target tractability / druggability) — 그러나 오직 표적의 성질이 모달리티를 제약하고, 그것이 다시 제조 가능성을 제약하는 한에서만. (막을 가로지르는 다중특이성(multispecific)으로만 도달할 수 있는 표적은 단지 생물학적 약속이 아니라 제조상의 약속입니다.)
• 설계 단계 제조 가능성 신호 — 서열이나 초기 구조로부터 얻을 수 있는 인실리코 예측으로, 분자가 세포 배양(cell culture), 정제(purification), 고농도 제형(high-concentration formulation)에서 살아남을지를 결정하는 응집 경향, 발현성, 용해도, 점도 같은 성질에 대한 것.
• 인계(handoff) — 콘셉트에서 학습되거나 측정되어, 하류 모델이 제 일을 하기 위해 반드시 척추를 따라 내려가야 하지만 오늘날 대부분은 그러지 못하는 정보.

그 선은 임의적이지 않습니다. 그것은 행위 주체성(agency)의 선입니다. 구조 예측은 발견 화학자가 결합 포켓에 대해 추론하는 방식을 바꾸지만 공정 엔지니어가 행동으로 옮길 수 있는 것은 아무것도 바꾸지 않습니다. 한 후보를 하류 정제 위험으로 표시하는 응집-경향 점수는 같은 종류의 모델이지만 — 서열을 넣고, 성질을 내보냄 — 누군가가 다른 후보를 고르거나, 다른 폴리싱 단계를 설계하거나, 그 싸움을 위해 예산을 짤 수 있는 책상 위에 떨어집니다. 우리는 두 번째 종류를 지키고 첫 번째를 인정합니다.

다음 장 분자 발견(Molecule Discovery)은 표적이 고정되고 당신이 후보 서열들 사이에서 고르고 있을 때의 생성적-설계-플러스-개발성-예측 루프를 깊이 파고듭니다. 이 장은 한 걸음 더 이른 곳, 당신이 표적과 모달리티 자체를 고르고 있는 곳에 — 그리고 제조 가능성이 아직 당신이 귀 기울이거나 무시할 수 있는 희미한 신호인 곳에 — 자리합니다.

예측 문제로서의 표적 가용성

가장 성숙한 콘셉트 단계 ML은 표적 가용성(target tractability)입니다. 즉, 생물학적 표적이 치료적 개입에 얼마나 순응적인지를 점수화하는 것입니다. 학습 과제로 틀 지으면 그것은 지도(supervised) 분류/순위 문제이지만, 실제로는 가장 잘 알려진 시스템들이 단일한 훈련된 분류기보다 증거 통합(evidence integration)에 더 가깝습니다 — 똑바로 짚어 둘 가치가 있는 구별입니다.

특징(features)은 표적에 대해 알려진 모든 것입니다 — 질병과의 유전적 연관(GWAS 히트, 멘델 연관, 희귀변이 부담), 조직 전반의 발현 패턴(어디에나 발현되어 표적 내(on-target) 독성을 일으킬 법한 표적을 표시할 수 있도록), 결합 포켓의 존재와 모양, 그것에 대한 사전의 화학적 또는 생물학적 물질, 유전자 녹아웃과 녹다운에서 오는 안전성 신호, 그리고 경로(pathway) 안의 네트워크 위치. 레이블(label)은 역사로부터 학습되며, 이런 표적들이 승인된 약물을 산출했는지 — 또는, 더 약하게는, 임상에 도달했는지 — 입니다. 출력은 가용성 평가이며, 좋은 것들은 그것을 모달리티별로 쪼갭니다. "소분자 가용" 대 "항체 가용" 대 "오늘날 비가용". 답이 분자 부류에 따라 진정으로 다르기 때문입니다. 세포 안에 파묻힌 표적은 항체-비가용이지만 소분자-가용일 수 있고, 깨끗한 세포외 도메인을 가진 세포 표면 수용체는 그 반대입니다.

기계적으로, 정전적(canonical) 공개 시스템 — Open Targets 플랫폼 [1] — 은 단일한 단일체(monolithic) 모델을 훈련하지 않습니다. 그것은 십수 개의 독립적 데이터 출처로부터 증거별 점수를 계산하고, 그것들을 공통의 표적-질병 격자 위에 조화시키며, 가중 연관 점수로 집계한 뒤, 그 위에 별도의 규칙-플러스-증거 가용성 평가를 얹습니다(포켓 탐지를 위한 구조 데이터, 임상-선례 플래그, 리간드 기반 특징). 그것은 심층망이 아니라 학습된 가중치와 큐레이션된 증거 파이프라인이라는 넓은 의미에서 "기계학습"입니다 — 그리고 그것은 당신이 그 출력을 어떻게 읽어야 하는지에 중요합니다. 그것은 해석 가능하고, 감사 가능하며, 보수적이지만, 그 증거 기반의 모든 편향을 물려받습니다.

공개되고 동료심사된 자원이 이를 구체화했습니다. Open Targets는 유전적, 유전체학적, 전사체학적, 화학/약물 증거를 점수화된 표적-질병 연관과 명시적인 소분자/항체 가용성 평가로 통합합니다 — 파이프라인 머리에서의 증거-통합 학습과 모달리티 인식 가용성입니다 [1]. 그 틀이 우리에게 중요합니다. 가용성은 대부분 "이것이 생물학적으로 좋은 발상이고, 어떤 모달리티로 도달 가능한가?"에 답하고 있습니다. 그것은 "그것에 도달하는 분자가 제조 가능한가?"에 답하고 있지 않습니다. 그 둘은 날카롭게 어긋날 수 있습니다. 아름답게 항체-가용한 표적이 응집하는 알려진 경향을 가진 사가(tetravalent) 이중특이성으로만 관여될 수 있을지도 모릅니다 — 높은 생물학적 가용성, 낮은 제조 가능성. 승인 데이터로 훈련된 가용성 모델은 당신에게 경고하지 않을 것인데, 만들기 어려운 분자도 많이 승인받았고, 그 제조의 고통은 결코 레이블에 들어가지 못했기 때문입니다. 당신에게 경고할 법한 신호 — "이 모달리티의, 이런 에피토프에 대한 분자는 정제 비용이 비싸다" — 는 그저 특징 집합 안에 없습니다. 이것은 미해결-과제 절이 다시 돌아가는 같은 검열된-레이블(censored-label) 병리입니다. 제조의 고통이 죽인 분자들이 정확히 훈련 집합에서 빠진 것들이므로, 모델은 가장 필요로 하는 경계를 학습할 수 없습니다.

그래서 표적 가용성이 제조 책에서 자리를 얻는 것은 오직 한 걸음 떨어져서입니다. 그것은 모달리티가 암묵적으로 결정되는 단계이고, 모달리티는 제조 가능성에 대한 단일하게 가장 큰 지렛대입니다. 이 장이 주장하는 규율은 그 암묵적 결정을 명시적으로 만드는 것 — 가용성 점수와 나란히 제조 가능성 기대를 나르는 것 — 이지, 깨지기 쉬운 형식이 견고한 형식을 위해 설계된 공정과 만나는 기술 이전(tech transfer)에서 그 결과를 삼 년 뒤에 발견하는 것이 아닙니다.

증거

표적 가용성 ML(예: Open Targets 증거 통합)은 발견 의사결정 지원 도구로서 (상용)이며, 동료심사되고, 독립적이며, 공개적으로 감사 가능한 인프라에 의지합니다 [1]. 그 제조와의 관련성은 간접적이고, 우리가 아는 한 공식적으로 검증되지 않았습니다 — 표적을 받아 하류 제조 결과를 예측하는 출판된 모델은 없습니다. 이 절의 제조 추론은 확립된 결과가 아니라 모달리티로부터의 추론된 논증으로 취급하세요.

설계 단계 제조 가능성: 모델 이전의 사고방식

데이터 책(data book)과 Book 3가 모두 기대는 "설계 기반 품질(Quality by Design, QbD)"은 마지막에 시험으로 품질을 넣는 대신 공정 안에 품질을 짓는다고 말합니다. 설계 단계 제조 가능성(Manufacturability-by-design)은 같은 논리를 한 걸음 더 상류로 밉니다. 나중에 우회 설계하는 대신 분자 안에 제조 가능성을 짓는 것입니다. 그 사고방식은 ML보다 오래되었습니다 — 단백질 엔지니어들은 이황화를 뒤엉키게 하는 자유(짝짓지 않은) 시스테인, 전하 변이체를 만드는 Asn-Gly 탈아미드화 핫스팟, CDR 안의 메티오닌 산화 부위, 그리고 잘못된 자리의 N-연결 당화 시퀀(Asn-X-Ser/Thr)을 피하는 것을 오래도록 알고 있었습니다. 당화는 이 장의 중심 경계를 가로질러 양쪽으로 작용합니다. 원치 않는 시퀀은 콘셉트에서 알 수 있는 분자-본질적 책임이지만, 효과기 기능과 제거를 좌우하는 실현된 당쇄 프로파일(탈푸코실화, 고만노스, 갈락토실화)은 어떤 콘셉트 단계 서열 모델도 고칠 수 없는 공정-과-숙주의 결과입니다. 그러나 기계학습은 그 장인 지식을, 유전자가 합성되기도 전에 계산할 수 있는 정량적이고 서열 수준의 예측으로 바꾸기 시작하고 있습니다.

그 어휘는 개발성(developability)입니다. 후보가 발현, 정제, 제형, 보관, 투여에서 살아남을지를 결정하는 생물물리적 성질의 집합입니다. 콘셉트에서, 서열로부터(그리고 구조 예측이 있으면 접힘의 모델로부터) 계산하거나 추정할 수 있는 관련 개발성 신호는 다음을 포함합니다:

• 발현성 / 역가 잠재력(Expressibility / titer potential) — CHO 세포가 그것을 충분히 만들까? 생산 바이오리액터(production bioreactor)가 플랫폼 역가의 일부분까지만 끌어올릴 수 있는 분자는 영원한 원가(cost-of-goods) 문제입니다. 1 g/L 분자와 5 g/L 분자는 같은 공장 면적을 차지하므로, 가장 단순하게 셈하면 저역가 분자가 상류 단위 원가를 몇 배 더 짊어집니다(예시 — 하류와 충전-마감 원가는 역가에 같은 방식으로 비례하지 않습니다).
• 응집 경향(Aggregation propensity) — SEC가 측정하는 고분자량 화학종을 형성하는 경향(BATCH-2026-001이 0–3% 규격에 대해 SEC_HMW_pct = 1.287%를 가지는 것을 떠올리세요). 높은 본질적 응집은 모든 정제와 제형 단계를 더 어렵게 만들며, 프로그램을 죽이는 단일하게 가장 흔한 개발성 책임(liability)입니다.
• 용해도와 점도(Solubility and viscosity) — 피하 mAb의 생사가 걸린 고농도 제형(high-concentration formulation)에 결정적입니다. 점성이 큰 분자는 효능과 무관하게 사전충전 주사기(prefilled syringe)의 가는 게이지 바늘을 통해 전달 불가능할 수 있습니다. 점도는 예측하기 가장 어려운 성질인데, 어떤 단일 잔기가 아니라 약하고 농도 의존적인 자기-결합(self-association)에 의해 구동되기 때문입니다.
• 화학적·구조적 안정성(Chemical and conformational stability) — 전하 변이체(CEX)로, 그리고 유통기한에 걸친 분해로 표면화되는 탈아미드화, 산화, 이성질화, 풀림(unfolding) 책임. 이것들이 콜드체인 부담과 유통기한 주장을 설정합니다.
• 면역원성과 서열 책임(Immunogenicity and sequence liabilities) — 인간성(humanness) 점수와 예측된 MHC-II / T-세포 에피토프로, 임상 안전성과 하류의 분석 부담 양쪽에 관계됩니다.

2024–2025년의 동료심사된 그림은 특히 항체 개발성에 대해 진정으로 고무적이며, 실제 방법이 무엇을 하는지에 대해 정밀할 가치가 있습니다. 지배적 접근은 공학적 특징 위의 지도 회귀/분류(supervised regression/classification on engineered features)입니다. 항체 서열을 가져다가, 그 Fv 구조 — 항체의 가변 항원-결합 영역으로, 흔히 서열로부터 직접 예측 가능하며, 그것이 전체를 수천 후보로 확장 가능하게 만드는 것 — 의 모델을 짓고, 그다음 물리화학적 기술자(descriptor) — 표면 소수성 패치, 순전하와 전하 비대칭, 패치 쌍극자(표면 전하의 비대칭), CDR-영역 성질 — 를 계산하여, 측정된 개발성 분석값을 그 기술자에 회귀합니다.

• PROPERMAB는 여러 항체 개발성 지표 — 소수성 상호작용 크로마토그래피(HIC) 체류 시간, 즉 분자가 소수성 컬럼에서 얼마나 끈끈한지를 재는 실험실 척도; 고농도 점도; 그 밖의 것들 — 를 서열 및 구조 유래 분자 특징으로부터 예측하는 통합 프레임워크이며, 구조 특징이 서열로부터 직접 예측 가능해 전체 파이프라인이 레퍼토리 규모에서 돌아갑니다 [2].
• 가장 어려운 성질에 대해, DeepViscosity는 고농도 점도를 정면으로 공략합니다. 비교적 크고 다양한 패널(229개 mAb)로 훈련된 102개의 인공신경망 앙상블로, 그 패널 위에서 분자가 측정이 이루어진 150 mg/mL 치료 농도에서 저점도(20 cP 이하)일지 고점도(20 cP 초과)일지 분류합니다 — 단순한 기술자를 이기는 성질을 위한 대용량-데이터 앙상블 모델 [3].
• 그리고 해석 가능한(interpretable) 서열 기반 점도 모델은 한 걸음 더 갑니다. 그것들은 Fv-영역 서열로부터 저점도 IgG1 변이체를 예측할 뿐 아니라, 모델이 해석 가능하기에 점도를 구동하는 특정 잔기를 짚어, 실험적으로 점도를 줄이는 설계된 변이를 가능하게 합니다 — 예측 플러스 재설계 손잡이 [4].

치료 항체 프로파일러(Therapeutic Antibody Profiler)와 유사한 플래그 기반 스크린이 이 발상의 이전 세대를 확립했습니다. 한 줌의 생물물리적 기술자를 계산하여 후보를 승인된 항체의 분포(임상 단계 항체 지형)와 비교하고, 꼬리에 앉은 이상치를 표시하는 것입니다. 그 승인-분포-와의-비교 논리가 바로 "이 분자가 만들어진 것들과 같은가?"라는 사전(prior)을, 정량적으로 만든 것입니다.

두 가지 정직한 단서가 이것을 해결된 문제로부터 떼어 놓습니다. 첫째, 이 성숙함의 거의 전부가 항체 특정적(antibody-specific)입니다 — 프로그램이 mAb가 아닌 모달리티를 고르는 순간, 예측 도구가 극적으로 얇아지며, 정확히 제조 가능성 위험이 가장 높을 때 그렇습니다(이중특이성은 어떤 mAb 기술자도 잡지 못하는 사슬-짝짓기와 안정성 실패 모드를 가집니다 — 중쇄 오짝짓기가 보존된-Fc 단백질 A 단계로 깔끔하게 분리할 수 없는 동종이량체와 절반-항체(half-antibody) 부산물을 낳는데, 노브-인투-홀(knob-into-hole) 같은 이종이량체화 엔지니어링이 애초에 존재하는 이유가 바로 그것입니다). 둘째, 개발성 ML의 대부분은 이 장이 다루는 표적/모달리티 선택이 아니라 후보 서열(5장의 관심사) 위에서 작동합니다. 콘셉트 단계 버전은 정밀한 예측이라기보다 사전 — "이 부류의, 이런 표적에 대한 분자는 만들기 어렵/쉬운 경향이 있다" — 에 더 가깝습니다. 콘셉트에서의 신호는 실재하지만 거칠며, 출판된 정확도는 모델-과-데이터셋 특정적이므로 접근법이 큐레이션된 패널에서 작동한다는 증거이지, 새로운 에피토프 부류에서 나온 다음 분자에 대한 보장은 아닙니다.

증거

항체 개발성 예측(PROPERMAB 특징 기반 회귀 [2]; DeepViscosity 앙상블 분류 [3]; 해석 가능한 서열 기반 점도 ML [4])은 의사결정 지원으로 향하는 추세의 (연구)이며, 동료심사되고 대체로 독립적이거나 학술적입니다. 보고된 정확도는 모델-과-데이터셋 특정적이며, 이 책의 모든 콘셉트 단계 숫자처럼 접근법이 큐레이션된 데이터에서 작동한다는 증거로 읽혀야지 당신의 다음 분자에 대한 보장으로 읽혀서는 안 됩니다. 표적/모달리티 선택 자체의 콘셉트 단계 제조 가능성 예측에 대한 1등급(tier-1) 증거는 존재하지 않습니다.

인계 간극: 척추 머리의 구멍

이 장에서 가장 중요한 — 그리고 가장 듣기 좋지 않은 — 사실이 여기 있습니다. 콘셉트와 발견에서 생성된 정보, 하류 제조 모델이 제 일을 하게 해 줄 바로 그 정보가 대체로 척추를 따라 내려가지 못합니다. 발견과 제조는 서로 다른 조직이고, 다른 시간표 위에 있으며, 다른 데이터 시스템, 다른 어휘, 다른 인센티브를 가집니다. 발견 그룹은 결합 친화도와 효능을 최적화하고 서열을 인계합니다. 제조 그룹은 그 서열을 물려받아, 흔히 알 수 있었던 — 또는 심지어 계산되었다가 폐기된 — 개발성 성질을 경험적으로, 비싸게 재발견합니다.

이것은 이 분야에서 틈새의 불평이 아니라 진정한 척추 간극으로 인식됩니다. 그 현상은 직접 문서화되었습니다. 발견/콘셉트 단계에서 알 수 있는 개발성 책임이, 발견과 제조가 다른 시간표, 도구, 인센티브 위에서 작동하기에 하류에서 일상적으로 재발견됩니다 [5]. 그것이 이 책이 하류에서 묘사하는 것의 그토록 많은 부분이, 사실상 제조가 그 방에 없는 채로 상류에서 내려진 결정의 값을 치르는 것인 이유입니다. 우리의 진행(running) 데이터셋에서 규격 외(out-of-specification, OOS) 형제 BATCH-2026-004는 규격 상한 100.0에 대해 HCP_ng_per_mg = 128.0으로 실패합니다 — CHO 숙주로부터 정제를 거쳐 실려 온 숙주세포단백질(host-cell protein)로, 분자의 서열이 아니라 세포주, 수확, 폴리싱이 정하는 제거(clearance) 문제이며 — 분자 실패가 아니라 공정 실패이고, 따라서 이 장이 예측할 수 있었던 것이 아닙니다. 그러나 많은 실제 OOS 사건과 많은 "이 분자는 그냥 어렵다"는 평결은 누구도 표시하지 않은 콘셉트 단계 선택으로 거슬러 올라가는데, 정보가 결코 인계를 건너지 못했기 때문입니다. 폴리싱 컬럼을 더럽히는 응집, HIC를 가로질러 번지는 소수성 패치, 원액(drug substance)을 겔로 만드는 자기-결합. 정직한 구별이 중요합니다 — 콘셉트 단계 ML은 공정 이탈이 아니라 분자-본질적(molecule-intrinsic) 책임을 소유합니다 — 그리고 BATCH-2026-004는 그 둘이 혼동되지 않게 지키는 예입니다.

간극을 닫을 것은 영리한 모델이라기보다 경계를 건너 구조화된 기록을 나르는 규율(discipline of carrying a structured record across the boundary)입니다 — Book 2가 데이터 포인트(data point)에, Book 4가 지식 그래프 노드(knowledge-graph node)에 적용하는 같은 맥락화 규율입니다. 학습된, 제조 가능성을 인식하는 표적 프로파일이 프로그램과 함께 여행할 것입니다. 표적과 모달리티, 가용성 증거, 그 불확실성과 함께 모든 인실리코 개발성 예측, 그리고 하류 모델이 읽고, 현실에 대조해 시험하고, 피드백할 수 있는 명시적 제조 가능성 기대. 그 조각들을 계산하는 기술은 점점 존재합니다. 그것들을 나르는 파이프 — 그리고 발견 팀의 시간을 비용으로 치르고 그들이 가장 아끼는 후보를 죽일 수도 있는 제조 신호에 따라 행동하려는 조직적 의지 — 는 대부분 존재하지 않습니다. 그것이 화려하지 않은 최전선입니다.

그 파이프를 단지 존재하는 것이 아니라 신뢰할 수 있는 것으로 만드는 것은, 그 기록이 깨지기 쉬운 컬럼 이름이 아니라 공유 어휘에 묶인 의미적으로 근거 지어진(semantically grounded) 것이라는 점입니다. Book 4는 표적/콘셉트 노드에 안정된 신원을 줍니다. 그것은 IRI(Internationalized Resource Identifier — 사물에 대한 전역적으로 고유한, 웹 방식의 이름으로, Book 4가 모든 태그와 로트에 쓰는 같은 식별자 체계)로 도달하는 지식 그래프 엔터티(knowledge-graph entity)이고, 계보 척추는 모든 실현된 로트를 한 홉 한 홉 동결된 CHO 세포 은행에 뿌리내리는 타입화된 bp:derivedFrom 가장자리로 그것에 도달합니다. 실질적 보상은 구체적입니다. 자신의 온톨로지 IRI로 끌어온 개발성 특징 — 이 프로그램 노드의 bp:aggregationPropensity — 은 스프레드시트 헤더에 키가 묶인 특징이라면 조용히 깨뜨릴 시스템 마이그레이션, 컬럼 개명, 벤더 교체를 견딥니다. 그것이, 감사가 추적할 수 있는 특징과 리팩터링 후 조용히 잘못된 컬럼을 가리키는 특징의 차이입니다. 그리고 지식 그래프가 계보에 쓰는 같은 derivedFrom 가장자리가, 바로 leave-one-batch-out 교차검증이 필요로 하는 그룹핑 키(grouping key)입니다(1부가 타협 불가로 만든 배치-그룹 분할). 부모를 공유하는 두 출하 로트는 훈련/검정 절단의 같은 쪽으로 여행해야 하며, 그것들이 부모를 공유함을 아는 유일한 감사-등급 방법은 batch_id를 문자열로 맞추는 것이 아니라 타입화된 계보 가장자리를 걷는 것입니다. 온톨로지는 단지 기록을 저장하는 것이 아닙니다 — 그것은 모델이 기록을 올바르게 조인하고 분할하게 하는 것입니다.

학습된 척추의 첫 노드: 표적, 기전, 모달리티가 가용성 모델과, 거칠지만-실재하는 인실리코 개발성 신호 패널에 먹이를 주고; 점선 인계 간극은 제조 가능성 지식이 보통 새어 빠지는 문서화된 구멍이며, 제조 가능성을 인식하는 표적 프로파일은 그것을 건너 나르는 — 그래야 하지만 거의 그러지 못하는 — 기록이다. 저자가 AI의 도움을 받아 직접 제작한 그림입니다.

풀어 본 스케치: 콘셉트 단계 표적 프로파일 조립하기

이 장은 무거운 새 모델을 기여하지 않습니다 — 콘셉트 단계 제조 가능성은 확신에 찬 예측기를 출하하기에는 근거가 너무 약하며, 그것을 정직하게 말하는 것이 교훈의 일부입니다. 그것이 보여 줄 수 있는 것은 조립 규율입니다. 진행 예제의 신원을, 그것에 동반해야 할 종류의 콘셉트 단계 신호와 함께 끌어모아, 그 기록이 존재해 인계를 건너 날라질 수 있게 하는 것입니다. 가벼운 헬퍼는 모음이 공유하는 examples/platform/ml/dataio.py 로더(Book 5의 나머지가 커밋된 데이터셋을 읽는 데 쓰는 것)와 나란히 살며, 우리가 이미 가진 계보와 출하 데이터를 읽어 프로파일을 지어낸 값이 아니라 실제 값에 닻 내립니다. 설계 규칙은 엄격합니다. 결과는 실재하고, 예측은 예시(illustrative)로 표시한다 — 스니펫은 개발성 점수를 지어내도 되지만(실제 것을 만들어 낼 검증된 콘셉트-대-제조 모델이 없으므로) CQA를 지어내는 것은 결코 허용되지 않으며, 그것은 커밋된 출하 데이터셋에서 읽습니다.

# examples/platform/ml/target_profile.py
# Concept-stage target profile for mAb-A. Honest by construction: the manufacturing
# OUTCOMES are real (read from the release dataset); the concept-stage PREDICTIONS are
# labelled illustrative, because no validated concept->manufacturing model exists yet.
# A custom __str__ gives a deterministic layout so the chapter can embed it verbatim.
from dataclasses import dataclass, field
import pandas as pd
from dataio import DATASETS  # shared loader used across examples/platform/ml/

@dataclass
class TargetProfile:
    program: str
    target: str
    mechanism: str
    modality: str
    tractability_score: float          # discovery-side, modality-aware (illustrative)
    developability: dict               # concept-stage in-silico signals (illustrative); 'ci' = symmetric epistemic uncertainty half-width (+/-), not a frequentist confidence interval (so score 0.78, ci 0.15 means 0.78 +/- 0.15)
    realized_cqas: dict = field(default_factory=dict)  # what actually happened, downstream

def realized_cqas_for(batch_id: str) -> dict:
    """The downstream truth this concept choice eventually produced — REAL values."""
    df = pd.read_csv(DATASETS / "hplc_results.csv")
    b = df[df.batch_id == batch_id].set_index("test")
    return {
        "SEC_monomer_pct": float(b.loc["SEC_monomer_pct", "value"]),
        "SEC_HMW_pct":     float(b.loc["SEC_HMW_pct", "value"]),   # aggregation, realized
        "release":         "PASS" if (b["result"] == "PASS").all() else "OOS",
    }

profile = TargetProfile(
    program="mAb-A",
    target="(antigen, discovery-defined)",
    mechanism="antigen engagement (IgG1)",
    modality="monoclonal antibody, CHO",
    tractability_score=0.81,           # illustrative
    developability={                   # illustrative concept-stage predictions, each with uncertainty
        "expressibility":   {"score": 0.78, "ci": 0.15, "note": "platform IgG1, high titer prior"},
        "aggregation":      {"score": 0.12, "ci": 0.10, "note": "low predicted HMW propensity"},
        "viscosity_risk":   {"score": 0.20, "ci": 0.18, "note": "below high-conc concern threshold"},
    },
    realized_cqas=realized_cqas_for("BATCH-2026-001"),
)
print(profile)

이것을 실행하면 기록이 출력됩니다(print(profile)의 표준출력에 이어, 덧붙은 해석 주석 줄):

TargetProfile(program='mAb-A', target='(antigen, discovery-defined)',
  mechanism='antigen engagement (IgG1)', modality='monoclonal antibody, CHO',
  tractability_score=0.81,
  developability={
    'expressibility': {'score': 0.78, 'ci': 0.15, 'note': 'platform IgG1, high titer prior'},
    'aggregation':    {'score': 0.12, 'ci': 0.1, 'note': 'low predicted HMW propensity'},
    'viscosity_risk': {'score': 0.2, 'ci': 0.18, 'note': 'below high-conc concern threshold'}},
  realized_cqas={'SEC_monomer_pct': 98.611, 'SEC_HMW_pct': 1.287, 'release': 'PASS'})

# The concept-stage prediction (low aggregation, score 0.12) is CONSISTENT
# with the realized SEC_HMW_pct of 1.287%
# (well inside the 0..3% spec) — but a single consistent example proves
# nothing. The point is structural: predictions and outcomes now live in
# ONE record that can be carried across the handoff and graded as data accrues.

설계 규칙이 모든 일을 합니다. 개발성 점수는 예시(illustrative)로 표시되어 있고(콘셉트 단계 도구가 내보낼 종류의 신호를 대신하는 자리표로, 각각이 해부(Anatomy) 절이 필드 하나하나 읽는 불확실성 띠를 나릅니다), 실재하는 숫자 — 98.611, 1.287, PASS 평결 — 는 황금 배치에 대해 hplc_results.csv에서 곧장 나오며, 다른 모든 장이 쓰는 같은 DATASETS 로더를 거쳐 읽히므로 진행 예제의 ID와 값이 책 전체에서 동일하게 유지됩니다. 약한 초기 예측과 결국의 단단한 결과를 같은 기록에 넣는 것이 핵심 전부입니다. 일관된 한 예제는 검증이 아니지만, 몇 년에 걸쳐 누적된 천 개의 그런 기록은 간극을 닫을 수 있는 유일한 훈련 집합이며 — 그것은 누군가가 지금 그 기록을 지을 때만 존재합니다.

그 기록을 단지 편리한 것이 아니라 받아들일 수 있는(admissible) 것으로 만드는 두 가지 속성이 있으며, 둘 다 시리즈의 온톨로지 쪽에서 옵니다. 첫째, 예측과 결과는 같은 종류의 것이 아니며, 모델은 그 둘을 결코 혼동해서는 안 됩니다. BFO 용어(Basic Formal Ontology, Book 4가 정렬하는 상위 온톨로지)로, 개발성 점수는 연속체(continuant) — 분자에 관한, 지속하는 서 있는 주장 — 인 반면, 실현된 CQA는 발생체(occurrent)의 결과, 즉 몇 년 뒤 실제로 일어난 배양-과-정제 실행(run)이므로, 카드는 예측된 aggregation과 측정된 SEC_HMW_pct를 하나가 다른 하나를 덮어쓰는 대신 별도 블록에 둡니다. 둘째, 그런 기록이 어떤 하류 모델에든 먹여지기 전에, 출하 로트를 게이트하는 같은 폐쇄세계(closed-world) 규율이 훈련 입력을 게이트할 수 있습니다. Book 4의 출하 게이트(release gate)는 CQA 패널이 불완전한 로트를 실패시키는 SHACL 형상(Shapes Constraint Language — 그래프 데이터가 존재하고, 단일하며, 범위 안에 있는지 검증하는 표준)입니다. 콘셉트-완전성(concept-completeness) 형상은 같은 발상을 상류로 향한 것입니다 — 모달리티가 빠졌거나, 불확실성 띠 없는 개발성 점수를 나르거나, program 키를 잃은 프로파일은 특징 행렬을 오염시키기 전에 거부됩니다:

# A concept-completeness shape (illustrative): the same closed-world gate the release
# uses, pointed at the training input. A profile that fails this is not a usable row.
bp:TargetProfileShape a sh:NodeShape ;
    sh:targetClass bp:TargetProfile ;
    sh:property [ sh:path bp:program  ; sh:minCount 1 ; sh:maxCount 1 ] ;   # the join key
    sh:property [ sh:path bp:modality ; sh:minCount 1 ;                       # the difficulty lever
                  sh:message "Modality missing: the largest manufacturability lever is unrecorded." ] ;
    sh:property [ sh:path bp:developabilityUncertainty ; sh:minCount 1 ;
                  sh:message "A concept-stage score with no uncertainty band invites false confidence." ] .

이것은 데이터와 온톨로지 책의 FAIR(Findable, Accessible, Interoperable, Reusable)과 검증 기계장치가 실제 ML 일을 하는 것입니다. SHACL은 훈련 입력이 완전하고 범위 안에 있음을, 로트의 출하 패널이 그렇다고 보장하는 것과 같은 방식으로 보장하므로, "쓰레기가 들어가는 것"이 교차검증 세 폴드 안에서 발견되는 대신 게이트에서 잡힙니다.

제조 가능성을 인식하는 표적 프로파일의 해부

이 시리즈의 모든 장은 하나의 기록을 해부합니다. 여기서 그 기록은 인계 간극을 건너야 하는 산출물입니다. 발견 결정을 제조 기대와, 그리고 결국 실현된 결과와 융합하는 콘셉트 단계 표적 프로파일입니다. 그것은 소프트 센서 예측 기록(soft-sensor prediction record)과 배치 노드(batch node)의 척추-머리 대응물입니다 — 유용한 산출물은 자신의 출처, 불확실성, 그리고 자기 자신을 채점하는 수단을 나른다는 같은 발상입니다.

풀어 본 표적 프로파일 한 건: 발견 쪽 선택(표적, 기전, 모달리티, 가용성), 각자 불확실성을 동반한 약하지만-명시적인 콘셉트 단계 개발성 예측, 몇 년 뒤 실제 출하 데이터에서 채워지는 실현된 CQA들, 그리고 그것을 인계 간극을 건너 나르고 채점 루프를 뒤로 먹여야 할 관계들. 이 카드의 온 목적은 콘셉트 단계 선택을, 그것이 결국 만들어 낸 것에 대조해 감사 가능하게 만드는 것이다. 저자가 AI의 도움을 받아 직접 제작한 그림입니다.

프로그램을 물려받는 CMC 리드(lead)가 읽을 법한 방식으로 카드를 필드 하나하나 읽으세요.

• 헤더 — program과 노드. 노드 target-and-concept의 mAb-A: 이 기록이 계보에 조인되게 하고, 모든 하류 산출물(WCB-CHO-001, BATCH-2026-001)이 그 혈통을 콘셉트 결정까지 거슬러 추적하게 하는 기본 키(primary key). 이 키가 없으면 프로파일은 고아이고 인계는 닫힐 수 없습니다.
• 발견 블록 — target, mechanism, modality, tractability_score. 물려받은 결정이며, 결정적으로 여기의 모든 필드는 발견 쪽이라고 라벨됩니다. 그래서 누구도 결합 주도 선택을 제조-검증된 것으로 착각하지 않습니다. target은 의도적으로 (antigen, discovery-defined)입니다 — 자리표인데, 특정 항원은 발견 팀이 명명할 것이고 제조 논증과 무관하기 때문입니다. modality("monoclonal antibody, CHO")가 실제로 난이도를 결정하는 필드입니다. tractability_score(0.81)는 예시이고 모달리티별이라고 태깅됩니다 — 그것은 모달리티가 그것에 올라타 들어왔기에만 이 기록에 들어온 생물학 신호입니다.
• 제조 가능성 블록 — developability. 이 장의 기여. 각 항목은 score, ci(수평 막대로 그려진 불확실성 띠), 그리고 사람이 읽을 수 있는 note의 삼중쌍입니다. ci는 장식이 아닙니다. 숨겨진 불확실성을 가진 콘셉트 단계 예측은 예측이 없는 것보다 더 나쁜데, 사전보다 거의 나을 게 없는 숫자에 대한 거짓 확신을 부르기 때문이며, 콘셉트에서 이 띠는 압도적으로 인식론적(epistemic) — 측정 잡음이 아니라 모델과 그 성긴 훈련 데이터에 관한 불확실성 — 이고, 바로 그것이 점 추정치를 압도할 수 있는 이유입니다. expressibility 0.78 ± 0.15, aggregation 0.12 ± 0.10, viscosity_risk 0.20 ± 0.18 — 세 가지 성질, 각각 거칠고, 각각 거칢에 대해 정직합니다.
• 실현-결과 블록 — realized_cqas. 녹색 핵심으로, 의도적으로 콘셉트에서는 비어 있고 몇 년 뒤 실제 데이터에서 채워집니다. SEC_monomer_pct = 98.611, SEC_HMW_pct = 1.287, release = PASS. 이것이 프로파일을 추측에서 채점될 수 있는 기록으로 바꾸는 것입니다 — 예측된 낮은 응집(0.12)이 마침내 실현된 1.287% HMW에 대조해 점검될 수 있습니다. 그것은 카드에서 예시가 아닌 유일한 블록이며, 카드가 지을 가치가 있는 이유입니다.
• 관계 패널. 인계가 사는 곳: 점선 간극을 건너 분자 발견(molecule discovery), 세포주 개발(cell-line development), 생산 바이오리액터(production bioreactor) — 선택을 물려받는 노드들 — 로 향하는 앞 가장자리, 그리고 결과가 누적되면 루프를 닫는 예측-채점이라는 뒤 피드백 가장자리. 앞 가장자리는 여행해야 하지만 거의 그러지 못하는 것이고, 뒤 가장자리는 다음 프로그램의 예측을 더 낫게 만들 것이지만 오늘날 거의 존재하지 않는 것입니다.
• 푸터 — 비대칭. 이 책의 모든 소프트 센서를 괴롭히는 같은 비대칭: 예측은 값싸고 지금이며, 진실은 비싸고 나중이어서, 다년의 수백만 달러짜리 프로그램이 상업 제조까지 달려간 뒤에야 도착합니다. 그 비대칭이, 기록이 예측을 만들어진 시점에 지속(persist)시켜야 하는 이유 전부입니다 — 진실이 도착할 무렵이면, 그것이 그 불확실성과 함께 적혀 있지 않은 한 무엇이 예측되었는지 누구도 기억(하거나 신뢰)하지 못합니다.

미해결 과제: 이것은 이 책에서 가장 근거가 약한 ML이다

이 장을 성공담으로 꾸미는 것은 정직하지 못한 일일 것입니다. 콘셉트 단계 제조 가능성 예측은 큰 차이로 Book 5에서 가장 덜 검증된 기계학습이며, 그 이유는 더 많은 컴퓨팅으로 고칠 수 있는 것이 아니라 구조적입니다. 세 가지가 서로를 강화하여 덫이 됩니다.

첫 번째 이유는 가장 극단적인 형태의 콜드스타트 문제(cold-start problem) — 1부가 모든 바이오공정 ML을 위해 명명한 구속 제약을, 여기서 그 가장 순수한 형태로 — 입니다 [6]. "어떤 콘셉트 단계 선택이 제조 가능한 분자로 이어지는가"를 학습하려면, 콘셉트 단계 특징이 기록된 채로 콘셉트에서 상업 제조까지 죽 간 프로그램이 많이 필요합니다. 큰 회사는 그런 프로그램을 연간 몇 개 상업까지 돌립니다. 대부분의 후보는 제조 가능성과 무관한 이유(효능, 안전성, 포트폴리오)로 제조 전에 죽습니다. 그리고 생존자는 레이블을 산출하는 데 몇 년 — 흔히 십 년 — 이 걸립니다. 훈련 집합은 단지 작은 게 아닙니다. 그것은 거의 존재하지 않고, 신약 개발 자체의 속도로 자라며, 존재하는 모든 행(row)이 그것을 생성하는 데 수억 달러가 들었습니다. 어떤 양의 컴퓨팅도 그 데이터를 만들어 내지 못합니다.

두 번째 이유는 모든 레이블에 새겨진 생존자 편향(survivorship bias)입니다. "제조 가능"이라는 레이블을 가진 유일한 분자는 만들어진 것들입니다 — 이는 모델이 콘셉트에서 제조 가능성을 이유로 죽임당한 분자를 결코 보지 못하고, 따라서 가장 필요로 하는 실패 경계를 결코 학습하지 못한다는 뜻입니다. 그것은 가장 가혹한 형태의 검열된-데이터(censored-data) 문제입니다. 중요한 음성(negative)이 정확히 훈련 전에 데이터셋에서 제거된 것들입니다. 승인 데이터로 훈련된 가용성 모델은 동일한 사각지대를 반대 방향으로 가집니다. 어쨌든 승인받은 만들기 어려운 분자가 모델에게 난이도는 중요하지 않다고 가르치는데, 난이도가 결코 레이블에 들어가지 못했기 때문입니다.

세 번째 이유는 데이터 문제로서의 인계 간극 그 자체입니다. 프로그램이 끝에서 끝까지 돌더라도, 콘셉트 단계 특징과 제조 결과는 서로 다른 시스템에 살고, 공통 키로 결코 연결된 적이 없으며, 흔히 콘셉트 단계 예측은 아예 지속되지 않았습니다. 두 쪽이 결코 연결된 적 없는 간극을 잇도록 모델을 훈련할 수는 없습니다 — 바로 그것이 위의 조립-규율 기록이 오늘날 어떤 예측기보다 더 중요한 이유입니다. 그 기록은 모델을 대신하는 산출물이 아닙니다. 그것은 모델을 언젠가 가지기 위한 전제조건(precondition)입니다. 프로그램이 일상적으로 키가 있고 불확실성이 태깅된 콘셉트 프로파일을 — 나중에 출하 데이터에 조인되는 — 지속시키기 전까지는, 콘셉트 단계 제조 가능성 ML을 위한 훈련 집합은 방법이 아무리 좋아져도 글자 그대로 조립될 수 없습니다.

그러면 정직한 평결은 1부가 세웠고 마지막 장(final chapter)이 돌아갈 그것입니다. 척추 머리에서, ML은 신탁이 아니라 구조화된-사전(structured-prior) 생성기입니다. 그것은 모달리티 수준의 제조 가능성 우려("이 형식의 고농도 점도 위험", "이 이중특이성의 비-플랫폼 폴리싱 가능성")를 표면화하고, 그것을 불확실성과 함께 부호화하며, 시험받도록 앞으로 나를 수 있습니다 — 그리고 그것은 진정으로 가치 있습니다. 그것은 당신에게 콘셉트에서 당신의 특정 분자가 98.611% 단량체를 맞힐지, 아니면 BATCH-2026-004를 가라앉힌 HCP 도랑에 떨어질지 말해 줄 수 없습니다. 두 번째 것을 파는 사람은 누구든 늪을 파는 것입니다.

이 장이 모델 모음에 더하는 것

이 장은 과학이 얼마나 가볍게 근거 지어졌는지에 비례하여, 의도적으로 새 코드가 가볍습니다. 그것은 다음을 기여합니다:

• examples/platform/ml/target_profile.py — 위에 스케치한 작고 정직한 헬퍼: 발견 결정, (예시) 콘셉트 단계 개발성 예측을 명시적 불확실성과 함께, 그리고 hplc_results.csv에서 읽은 실제 실현 CQA를 융합하는 TargetProfile 데이터클래스. 그 목적은 예측이 아니라 조립 규율입니다.
• 모음이 공유하는 examples/platform/ml/dataio.py 로더에 대한 의존으로, 모든 뒤 장이 커밋된 데이터셋을 읽는 데 쓰며, 진행 예제의 ID와 값을 책 전체에서 동일하게 유지합니다.

여기서는 의도적으로 어떤 모델도 훈련하지 않습니다. 그 기여는 기록 스키마와 자세(stance)입니다. 약한 초기 신호를 명시적으로 만들고, 그 불확실성을 붙이고, 그것이 결국 채점받을 결과에 묶고, 그것을 인계를 건너 나르는 파이프를 짓는 것. 무거운 예측기는 5장(Chapter 5)에서 시작되며, 거기에는 실제로 학습하기에 충분한 데이터 — 측정된 개발성을 가진 후보 서열 — 가 있습니다.

이 가벼운 헬퍼조차 모음의 재현성 계약을 지키며, 그것이 오픈소스 동반물이 단지 예시가 아니라 신뢰할 수 있는 이유 전부입니다. target_profile.py는 오직 커밋된 데이터셋만 공유 로더를 거쳐 읽고, 어떤 네트워크 호출도 하지 않으며 — 그 실제 숫자가 어떤 표집된 추출이 아니라 고정된 hplc_results.csv에서 오기에 — 모든 기계에서 같은 기록을 출력합니다. 그래서 위에 박은 그대로의 표준출력은 독자가 믿고 받아들이는 것이 아니라 다시 생성할 수 있는 것입니다. 오픈소스 분석 스택(open-source analytics stack)이 기대는 모음 전체의 run_all.py 드라이버와 고정된 SEED는, 책의 나머지 훈련된 모델을 똑같이 다시 돌릴 수 있게 유지하는 것입니다. 계약은 여기서 의도적으로 엄격합니다. 확신에 찬 예측기를 출하하기를 공공연히 거부하는 장은, 자신이 출하하는 한 가지가 정확히 재현 가능하다는 데 대해 두 배로 정직해야 합니다.

왜 중요한가

Book 5의 나머지 전부는, 어떤 의미에서, 이 노드의 결과입니다. 모든 소프트 센서, 모든 하이브리드 모델, 모든 하류 컴퓨터 비전 검사기(computer-vision inspector)는 여기서 고른 분자와 모달리티 위에서 작동합니다. 첫 노드를 제대로 잡으면 — 제조 가능한 모달리티를 고르고, 제조 가능성을 인식하는 프로파일을 인계를 건너 나르며, 약한 콘셉트 단계 신호를 무시하는 대신 귀 기울이면 — 하류 모델은 더 쉬운 일을 하고 공정은 더 적게 싸웁니다. 그것을 틀리거나, 그저 정보를 나르는 데 실패하면, 세상에서 가장 정교한 하류 ML도 영향을 미치도록 결코 허락받지 못한 결정을 완화하는 일로 쪼그라듭니다. 제조 가능성은 정말로 콘셉트에서 선택됩니다. 유일한 질문은 그것이 선택될 때 제조 지식을 가진 누군가 — 사람이든 모델이든 — 가 그 방에 있었는가입니다. 그것이, 여기서의 ML이 책에서 가장 얇은데도, 제조 책이 여기서 시작해야 하는 이유입니다.

실제 현장에서는

정직한 업계 그림은 정직한 과학적 그림과 일치합니다. 표적 가용성 의사결정 지원(Open Targets와 상업적 등가물)은 발견에서 일상적이지만, 생물학 도구로서 그렇습니다 [1] — 그 제조 관련성은 거의 공식화되지 않는데, 누구도 그 모달리티 출력을 제조-결과 모델에 연결하지 않았기 때문입니다. 항체 개발성 예측은 가장 밝은 지점입니다. 응집, 점도, 관련 책임에 대한 동료심사되고 점점 정확해지는 서열-과-구조 모델이 실재하며 채택되고 있지만, 그것들은 표적/모달리티 단계가 아니라 대부분 5장(Chapter 5)의 후보-서열 단계에 자리합니다 [2][3][4]. 몇몇 큰 회사는 후보를 축적된 내부 제조 역사에 대조해 점수화하고 순위 매기는 "제조 가능성 지수(manufacturability index)" 데이터 레이크를 세웠습니다 — 세포주 데이터를 구조화된 레이크로 디지털화하고, 세포주 제조 가능성 지수를 계산하며, 그 위에 ML 위험 평가를 돌리는 CLD 4.0 계열의 작업이 이 방향을 가리킵니다 [7] — 그러나 이것들은 성능이 자체보고되는 제1자(first-party) 시스템이고, 콘셉트보다 세포주 개발(cell-line development)에 더 가깝게 삽니다. 이 제1자 "제조 가능성 지수" 시스템은 사실상 이른 개발성 평가 — 이미 프로그램의 목표 제품 품질 프로파일(Quality Target Product Profile, QTPP)에 먹이를 주는 CMC 규율 — 를 앞으로 당긴 것입니다. 이 장이 명명하는 간극은, 그 같은 규율이 지렛대가 가장 높은 콘셉트/표적-그리고-모달리티 단계에는 거의 도달하지 못한다는 것입니다. 그것이 말해 주는 패턴입니다. 존재하는 제조 가능성 점수화는 지렛대가 가장 높은 가장 이른 단계(콘셉트)가 아니라, 데이터가 빽빽한 가장 늦은 단계(클론)로 이주했습니다.

거버넌스에 관해, 이 노드는 우수 제조 관리 기준(Good Manufacturing Practice, GMP) 경계 앞에 자리하므로, 중대한 GMP 작업에서의 AI에 대한 초안 EU/PIC/S GMP Annex 22 제약 [8]이나, 비임상, 임상, 시판 후, 제조 단계를 명시적으로 범위에 넣고 신약 발견은 다루지 않는 FDA의 모델-신뢰성 프레임워크 [9]에 직접 닿지 않습니다 — 콘셉트 단계 개발성 예측은 GMP 기록이 아니라 의사결정 지원입니다. 그러나 그 틀은 이미 중요합니다. 콘셉트 단계 모델의 출력이 언젠가 규제 제출이나 관리 전략으로 전파되면, 그것은 떨어진 곳의 신뢰성 기대를, 그 사용 맥락(context of use)에 맞춰 물려받습니다. 지금 표적 프로파일에 불확실성과 출처를 붙이는 규율이, 바로 그 전파를 나중에 방어 가능하게 만드는 것입니다. 현실적인 2026년 상태는, AI/ML이 가장 많은 파일럿과 가장 적은 규모화 배포를 가진다는 더 넓은 설문 현실과 일관되게, 콘셉트 단계 제조 가능성 ML이 (연구)에서 (파일럿) 의사결정 지원으로 다가서고 있다는 것입니다 — 유망하고, 항체-개발성 핵심에서 동료심사되었으며, 신탁과는 거리가 멉니다.

핵심 용어

• mAb(단일클론항체, monoclonal antibody) — 진행 예제의 모달리티; IgG1은 그 가장 흔하고 가장 제조하기 쉬운 하위부류.
• CHO(Chinese Hamster Ovary) — 항체를 발현(제조)하는 표준 포유류 숙주 세포주.
• CQA(Critical Quality Attribute, 핵심 품질 특성) — 규격 안에 머물러야 하는, 측정된 제품-품질 성질(예: SEC 단량체 %); 이 장 기록에서의 실제 결과.
• 표적(Target) — 치료가 관여하도록 설계된 생물학적 분자; 제조 척추 머리에서의 첫 선택.
• 작용 기전(Mechanism of action, MoA) — 치료가 표적에 어떻게 관여하는가(차단, 분해, 동원, 전달).
• 모달리티(Modality) — 어떤 종류의 분자가 기전을 구현하는가(mAb, 이중특이성, ADC, 융합, 세포/유전자 치료제); 제조 가능성에 대한 단일하게 가장 큰 지렛대.
• 표적 가용성 / 약물성(Target tractability / druggability) — 표적이 치료적 개입에 얼마나 순응적인지에 대한 ML 점수화된(흔히 증거-통합되고 모달리티 인식하는) 추정; 모달리티를 통해서만 제조에 간접적으로 관계되는 생물학 신호.
• 설계 단계 제조 가능성(Manufacturability-by-design) — 나중에 우회 설계하는 대신 콘셉트에서 분자 안에 제조 가능성을 짓는 것; 한 걸음 상류로 민 QbD 사고방식.
• 개발성(Developability) — 후보가 척추에서 살아남을지를 결정하는 생물물리적 성질(발현성, 응집, 용해도, 점도, 안정성, 면역원성).
• 인실리코 개발성 예측(In-silico developability prediction) — 분자가 만들어지기 전에 서열(과 예측된 구조)로부터 개발성 신호를 계산하는 것으로, 보통 공학적 물리화학 기술자 위의 특징 기반 회귀/분류를 통해; 항체에는 성숙하고, 다른 모달리티에는 얇음.
• 인계 간극(The handoff gap) — 콘셉트/발견에서 생성된 제조 가능성 지식이 제조에 도달하지 못하는, 문서화된 구멍.
• 제조 가능성을 인식하는 표적 프로파일(Manufacturability-aware target profile) — 표적/모달리티 결정, 그 콘셉트 단계 예측을 불확실성과 함께, 그리고 실현된 결과를 인계를 건너 채점받도록 나르는, 제안된 구조화된 기록.
• 의미적으로 근거 지어진 특징(Semantically-grounded feature) — 깨지기 쉬운 컬럼 이름이 아니라 자신의 온톨로지 IRI(전역적으로 고유한, 웹 방식의 식별자)로 끌어온 모델 입력으로, 개명·마이그레이션·벤더 교체를 견디고 감사에서 추적 가능하게 유지됨.
• 그룹핑 키로서의 derivedFrom(derivedFrom as grouping key) — 모든 로트를 세포 은행에 뿌리내리는 타입화된 계보 가장자리를 써서 어떤 기록이 부모를 공유하는지 결정하는 것으로, leave-one-batch-out 교차검증이 문자열로 맞춘 ID가 아니라 참된 계보로 분할하게 함.
• 콘셉트-완전성 형상(SHACL)(Concept-completeness shape (SHACL)) — 출하 게이트를 상류로 향한 폐쇄세계 검증 형상으로, 키·모달리티·불확실성 띠가 빠진 표적 프로파일을 훈련 집합에 들어오기 전에 거부함.
• 연속체 대 발생체(BFO)(Continuant vs occurrent (BFO)) — 서 있는 개발성 예측(연속체)을 나중에 측정된 CQA를 낳은 실행(발생체)으로부터 분리해 두어, 기록에서 둘이 결코 혼동되지 않게 하는 상위-온톨로지 구별.
• 콜드스타트(콘셉트에서)(Cold start (at concept)) — 콘셉트 단계 특징이 기록된 채로 콘셉트에서 상업까지 간 프로그램이 거의 없는 극단적 소량-데이터 체제로, 콘셉트 단계 제조 가능성 ML이 가까스로만 훈련 가능함.
• 생존자 편향(레이블에서)(Survivorship bias (in labels)) — 제조까지 생존한 분자만 늘 레이블하는 데서 오는 왜곡으로, 모델이 가장 학습해야 할 실패 경계를 가림.

다음 이야기

표적이 선택되고, 모달리티가 고정되며 — 잘하면 — 제조 가능성을 인식하는 프로파일이 척추를 따라 내려갈 준비가 됩니다. 다음 장 분자 발견: 생성적 설계와 개발성 예측(Molecule Discovery: Generative Design and Developability Prediction)은 표적/모달리티 선택에서 후보 서열들 사이의 선택으로 나아가는데, 거기에는 마침내 실제 모델을 훈련하기에 충분한 데이터가 있습니다. 분자를 제안하는 생성적-설계 루프와 그것들을 점수화하는 개발성 예측기를, 함께 돌려서 진전되는 것이 단지 최선의 결합체가 아니라 최선의 만들 수 있는 결합체가 되게 합니다. 그곳이, 이 장의 약한 콘셉트 단계 사전이 정량적 선택압이 되는 곳입니다.