아발로네 바이오 vs Shiru

아발로네 바이오 장단점

• 세포 설계를 통해 1억 개 이상의 항체를 동시에 약리학적 활성 기준으로 스크리닝할 수 있어 기존 방식 대비 100배 이상 처리량 향상을 기대할 수 있습니다. 구조나 결합 친화도가 아닌 실제 약리 효과를 1차 선별 기준으로 삼기 때문에, 임상에서 실패할 가능성이 높은 후보물질을 조기에 걸러낼 수 있는 잠재력이 있습니다. GLP-1 약물의 위장관 부작용 문제를 해결하려는 명확한 타겟 질환 접근은 비만/대사 질환 분야에서 차별화된 포지셔닝을 가능하게 합니다.

• 현재까지 임상 시험에 진입한 후보물질이나 상용화된 파이프라인이 없어 기술 검증이 초기 단계에 머물러 있습니다. 일반 연구자가 접근할 수 있는 공개 플랫폼이나 SaaS 형태 서비스가 아니어서 제한된 파트너십 통해서만 이용 가능하며, 가격 정책이나 이용 조건도 공개되지 않았습니다. 관련 기술에 대한 독립적인 제3자 검증이나 동료평가 논문, 실사용자 피드백이 거의 없어 기술적 우수성을 객관적으로 판단하기 어렵습니다.

Shiru 장단점

• Shiru의 가장 큰 강점은 단백질 발견 과정을 기존 대비 80% 이상 단축(5~15년 → 1~2년)시킬 수 있다는 점으로, Fortune 500대 기업을 포함해 다수의 글로벌 식품, 화장품, 농업 기업들과 파트너십을 맺고 실제 상업적 성과를 내고 있습니다. 3,300만 개 이상의 단백질 데이터를 보유한 자체 데이터베이스 Flourish™는 단순한 서열 정보를 넘어 구조-기능 관계를 학습한 머신러닝 모델과 결합되어, 목적하는 기능에 최적화된 후보물질을 정밀하게 예측할 수 있습니다. 또한 ProteinScreening™을 통해 예측된 후보를 실제 실험실에서 고처리량으로 검증하는 시스템을 갖추고 있어 AI 예측만으로는 확인하기 어려운 실제 성능까지 검증할 수 있습니다.

• Shiru는 개인이나 소규모 스타트업이 가볍게 사용할 수 있는 셀프서비스 SaaS가 아니며, 기업과의 파트너십 계약을 통해서만 이용 가능해 접근성이 제한적입니다. 공개된 가격 정책이 없어 프로젝트 규모나 요구사항에 따라 견적이 크게 달라질 수 있고, 바이오/화학 분야의 전문 지식이 없는 기업에게는 활용 난이도가 높을 수 있습니다. 또한 AI 예측 결과가 실험실 검증에서 100% 일치하지 않을 수 있어 여전히 시행착오가 필요하며, 제품화까지는 규제 승인, 대량 생산 공정 개발 등 추가 단계가 필요해 전체 개발 기간은 산업별로 상이할 수 있습니다.

아발로네 바이오 주요 기능

• FAST™ 플랫폼 — 1억 개 규모의 기능적 항체 스크리닝
• 단백질 LLM을 활용한 항체 서열-활성 관계 예측 및 생성 설계
• GPCR·이온 채널 등 난치성 표적의 희귀 작용제(Agonist) 발굴
• 기존 대비 100배 이상의 처리량 달성
• 대규모 독점 활성 데이터셋 기반 ML 최적화

Shiru 주요 기능

• ProteinDiscovery.ai: 7,700만 개 단백질 서열 검색 마켓플레이스
• Flourish™: 단백질 구조-기능 관계 학습 ML 모델
• Expressor: 생산 효율 및 수율 예측 도구
• ProteinScreening™: AI 예측 후보의 고처리량 실험실 검증
• OleoPro™: 식물 기반 고성능 구조화 지방 상용 성분
• uPro™: 유화 및 텍스처링 특화 감자 단백질