후보 탐색·생합성 효소 개량·효능 평가까지 적용 확대

화장품 원료 연구개발에서 AI 활용 범위가 후보 물질 탐색을 넘어 생산 공정, 제형 적용성, 안전성 예측, 효능 평가로 넓어지고 있다. AI로 인해 원료 개발의 속도와 검증 기준 자체가 바뀌고 있다.

서울 강남구 코엑스에서 지난 1~3일 열린 '2026 인터참코리아·인코스메틱스 코리아'의 둘째날 세미나에선 AI를 원료 R&D의 보조 도구가 아니라 후보 탐색, 생산 공정, 효능 근거 확보를 함께 설계하는 개발 인프라로 봐야 한다는 제언이 나왔다.

레드라인 바이오테크 연구개발 총괄 겸 선임 과학자 지아중 리(Jiazhong Li)는 "AI는 일상생활뿐 아니라 다양한 연구 분야에서 활용되고 있고, 화장품 분야에서도 여러 인공지능 기술을 사용할 수 있다"며 "원료 개발에서도 AI가 적용될 수 있는 영역이 넓다"고 말했다.

리 총괄은 화장품 분야에서 AI가 적용되는 영역을 신규 원료 발굴, 바이오 합성, AI 기반 처방 설계, 독성 스크리닝, 가상 평가 등 5가지로 제시했다. 후보 물질을 찾는 단계에서 끝나지 않고, 생산 공정과 제품 처방, 안전성, 효능 평가까지 함께 다룰 수 있다는 것이다.

원료 개발 초기에는 후보 물질이 많을수록 실험 비용과 시간이 늘어난다. AI는 방대한 생체 서열, 화합물, 단백질 데이터를 먼저 분석해 실험할 후보를 줄인다. 연구자가 모든 후보를 일일이 시험하기 전에 피부 노화, 피지 조절 등 개발 목적에 맞는 후보군을 먼저 추리는 것이다.

트라이펩타이드-29(Tripeptide-29)는 AI가 방대한 생체 서열에서 실험 후보를 좁힌 사례다. 레드라인은 AI를 통해 인간 콜라겐 서열에서 만들 수 있는 펩타이드 조합을 분석하고, 이 가운데 콜라겐 구조에서 자주 나타나는 아미노산 3개 조합을 후보로 골랐다.

세포 실험과 효능 평가 단계에서 후보로 선정된 원료는 피부 탄력과 구조 유지에 관여하는 콜라겐·엘라스틴 관련 지표를 높이고, 콜라겐 분해 관련 지표를 낮추는 결과를 보였다.

일련의 과정에서 AI는 효능을 판단한 것이 아니라, 방대한 생체 서열 데이터에서 실험할 가치가 있는 후보군을 좁히는 역할을 했다.

기존 원료를 다시 분석하는 데도 AI가 활용됐다. 레드라인은 피지 조절과 관련된 수용체 단백질 MC5R에 결합할 수 있는 성분 후보를 AI로 걸러냈다. 2000만건 이상의 결합 가능성을 계산하고 7만개 이상의 소분자를 추린 결과, 이미 화장품에 쓰이던 원료에서 피지 조절 가능성을 확인했다.

해당 원료를 500㏙ 농도로 처리한 시험에선 피부 유분 함량이 26% 줄었다. 새 성분을 처음부터 합성하지 않아도, 기존 원료의 작용 대상을 다시 분석해 새로운 용도로 개발할 수 있다는 설명이다.

신규 후보를 실제 원료로 쓰려면 생산 공정도 따라와야 한다. 연구 단계에서 효능이 확인돼도 효소 반응 속도가 낮거나 온도 안정성이 떨어지면 대량 생산이 어렵다. 레드라인은 NAD+ 생합성에 필요한 속도 제한 효소를 AI로 개량해 38도에서 촉매 활성을 134배 높였다. AI가 후보 발굴 이후 생산 수율과 공정 안정성을 높이는 데도 쓰인 사례다.

AI 기반 처방 설계는 개발자가 실험해야 할 원료 조합을 줄이는 데도 쓰인다. 원료 특성과 사용 목적, 제형 조건을 AI로 검토해 실제 제품에 적용할 가능성이 높은 처방 후보를 먼저 추리는 것이다. 효능 원료라도 배합이 맞지 않거나 사용감, 투입 농도, 안정성이 떨어지면 제품화가 어렵기 때문이다.

독성 스크리닝은 안전성 평가와 연결된다. AI 모델은 원료의 독성 가능성을 예측해 초기 후보를 걸러내고, 동물실험 의존도를 줄이는 보조 수단으로 활용된다. 신규 원료를 개발할 때 효능만큼 중요한 것이 안전성인 만큼, 후보 단계에서 위험 가능성을 미리 파악하는 기술은 원료 개발 리스크를 낮추는 역할을 한다.

리 총괄은 "효능 메커니즘 연구는 컴퓨터 기반 신약 설계와 유사하다"며 "성분과 타깃 단백질의 결합을 분자 도킹으로 분석해 효능이 나타나는 방식을 확인할 수 있다"고 말했다.

가상 평가는 효능 검증과 소비자 체감 근거를 만드는 단계에 쓰인다. 이미지 인식과 겉보기 나이 인식 기술을 활용해 주름 개수와 부피, 눈가 주름 변화 등을 분석하는 방식이다. 성분명이나 함량만으로 제품을 설명하기 어려워진 시장에서, 작용 기전과 시각적 효능 근거를 함께 확보하는 수단으로 활용된다.

AI 기반 원료 개발은 개별 기술 도입만으로 완성되지 않는다. 원료 데이터를 모으고, 이를 처리할 컴퓨팅 자원과 알고리즘을 갖춰야 후보 발굴부터 생합성, 기전 연구, 효능 평가까지 이어갈 수 있다.

리 총괄은 "AI를 구현하려면 컴퓨팅 파워와 알고리즘, 데이터가 필요하다"며 "이 기반이 갖춰져야 신규 원료 발굴, 바이오 합성, 효능 메커니즘 연구, 임상 효능 평가 등 다양한 원료 개발 시나리오에 AI를 활용할 수 있다"고 말했다.