데이비드베이커

3 Contents

[인터뷰] 바이오인공지능연구센터 ABC #003 | 백민경 생명과학부 교수

백민경 교수는 서울대학교 생명과학부에서 인공지능을 활용해 단백질 구조의 비밀을 탐구하고 있습니다. 학부 시절 실험보다 계산화학에 매력을 느껴 연구의 길로 들어선 그는, 단백질과 유기 분자의 상호작용을 예측하며 신약 개발의 가능성을 엿보았습니다. 특히 박사 과정 중 알파고와 알파폴드의 등장을 목격하며 인공지능이 생명 현상을 이해하는 핵심 도구가 될 것임을 직감했습니다. 이러한 통찰은 그가 단백질 구조 예측이라는 난제에 도전하는 중요한 계기가 되었습니다. 박사 학위 취득 후 그는 단백질 디자인의 대가인 데이비드 베이커 교수 연구실에서 포닥 과정을 시작했습니다. 당시 베이커 그룹은 딥러닝을 연구에 막 도입하던 단계였으며, 베이커 교수 스스로도 인공지능을 배우기 위해 직접 프로젝트를 수행할 만큼 열정적이었습니다. 백 교수는 이 역동적인 환경에서 딥러닝 기술을 익히며 단백질 구조 예측의 새로운 지평을 열 준비를 마쳤습니다. 지도교수와의 긴밀한 소통과 기술적 피드백은 그가 인공지능 전문가로 성장하는 데 밑거름이 되었습니다. 2020년 구글 딥마인드의 알파폴드 2가 압도적인 성과를 발표했을 때, 백 교수는 위기를 기회로 바꿨습니다. 구체적인 코드나 방법론이 공개되지 않은 상황에서 그는 단 한 장의 발표 슬라이드에 담긴 아이디어를 단서로 로제타폴드(RoseTTAFold) 개발에 착수했습니다. 성공 가능성에 대한 확신과 베이커 교수의 전폭적인 지원 덕분에 불과 몇 달 만에 알파폴드 2에 필적하는 성능의 모델을 완성할 수 있었습니다. 이는 과학적 호기심과 끈기가 만들어낸 쾌거이자, 인공지능 연구의 속도감을 보여주는 사례입니다. 최근 인공지능 분야의 노벨상 수상은 생명과학과 화학 연구의 패러다임 변화를 상징합니다. 특히 단백질 디자인 기술은 자연계에 존재하지 않는 새로운 단백질을 설계하여 질병 치료제나 백신 개발에 혁신을 가져올 것으로 기대됩니다. 이는 단순히 의학적 용도에 그치지 않고 환경 친화적인 생분해성 소재 개발 등 산업 전반으로 파급력을 넓히고 있습니다. 인공지능은 이제 기초 과학의 한계를 넘어 인류가 직면한 복잡한 문제들을 해결하는 강력한 엔진으로 자리매김하고 있습니다. 백 교수의 궁극적인 목표는 세포 내 모든 생체 분자 간의 상호작용 지도를 완성하는 것입니다. 인공지능이라는 강력한 도구를 통해 생명 현상의 근본적인 원리를 이해하고, 이를 바탕으로 질병의 메커니즘을 규명하여 정밀한 신약 개발에 기여하고자 합니다. 그는 미래의 연구자들에게 자신의 전공에 매몰되지 않고 다양한 분야와 소통하는 융합적 사고를 강조합니다. 복잡한 생명의 신비를 풀기 위해서는 화학, 생물학, 컴퓨터 공학을 아우르는 폭넓은 시야와 협력이 무엇보다 중요하기 때문입니다.

[인터뷰] 바이오인공지능연구센터 ABC #003 | 백민경 생명과학부 교수
카오스재단카오스크로스

나야😳 단백질, 근데 이제 AI를 곁들인... 2024 노벨 화학상(with 한국화학연구원 최경민 선임연구원) | 요즘과학

2024년 노벨 화학상은 인공지능과 생명과학의 결합이 인류에게 어떤 혁신을 가져올 수 있는지를 잘 보여주었습니다. 수상자로 선정된 구글 딥마인드의 데미스 허사비스와 존 점퍼, 그리고 워싱턴 대학교의 데이비드 베이커 교수는 단백질 구조 예측과 설계라는 난제를 해결한 공로를 인정받았습니다. 단백질은 우리 몸의 세포를 구성하고 생명 활동을 조절하는 핵심 요소로, 그 구조를 파악하는 것은 질병 치료와 신약 개발의 기초가 됩니다. 이번 수상은 인공지능 기술이 순수 과학의 영역에서 거둔 기념비적인 성과로 평가받고 있습니다. 단백질은 20종의 아미노산이 사슬처럼 연결된 후 복잡하게 접히며 3차원 구조를 형성합니다. 이 독특한 형태가 결정되어야 비로소 인슐린이나 헤모글로빈처럼 특정한 기능을 수행하는 '생체 로봇'으로서 역할을 할 수 있습니다. 따라서 아미노산 서열이 어떻게 3차원 구조를 만드는지 이해하는 것은 생명 현상의 비밀을 푸는 열쇠와 같습니다. 하지만 단백질 구조를 실험적으로 밝히는 데는 막대한 시간과 비용이 소요되어, 지난 수십 년간 인류가 알아낸 구조는 전체의 극히 일부에 불과했습니다. 딥마인드가 개발한 '알파폴드'는 이러한 한계를 인공지능의 패턴 인식 능력으로 돌파했습니다. 기존의 방식이 단순히 아미노산 서열 정보를 학습했다면, 알파폴드는 진화 과정에서 나타나는 단백질의 유사성과 아미노산 서열 패턴에 주목했습니다. 이를 통해 수억 개의 단백질 구조를 90% 이상의 높은 정확도로 예측하는 데 성공하며, 과학계의 50년 묵은 난제를 해결했습니다. 현재 전 세계 수백만 명의 연구자가 이 기술을 활용해 질병의 원인을 분석하고 있으며, 이는 생물학 연구의 속도를 비약적으로 높이는 계기가 되었습니다. 단백질 구조 예측이 기존의 것을 알아내는 과정이라면, 데이비드 베이커 교수가 주도한 단백질 설계 연구는 세상에 없던 새로운 단백질을 창조하는 영역입니다. 원하는 기능을 먼저 설정하고 그에 맞는 3차원 구조와 아미노산 서열을 역으로 계산해 내는 방식입니다. 이 기술을 활용하면 플라스틱을 분해하는 효소나 특정 암세포만을 공격하는 항체 등을 인위적으로 설계할 수 있습니다. 자연계의 한계를 넘어 인류가 직면한 환경 문제나 난치병을 해결할 수 있는 새로운 도구를 손에 넣게 된 셈입니다. 이러한 기술적 진보는 실제 신약 개발 현장에서 강력한 힘을 발휘하고 있습니다. 연구자들은 알파폴드를 이용해 질병과 관련된 단백질의 구조를 미리 파악하고, 여기에 결합할 유기 화합물 분자를 정밀하게 설계합니다. 자물쇠에 꼭 맞는 열쇠를 찾듯, 단백질의 특정 부위에 결합해 기능을 조절하는 약물을 컴퓨터 시뮬레이션으로 먼저 검증할 수 있게 된 것입니다. 이는 실험의 시행착오를 획기적으로 줄여주며, 암이나 치매와 같은 난치성 질환을 정복하기 위한 인류의 여정에 든든한 길잡이가 되어주고 있습니다.

나야😳 단백질, 근데 이제 AI를 곁들인... 2024 노벨 화학상(with 한국화학연구원 최경민 선임연구원) | 요즘과학
국립과천과학관요즘과학👏
  • 화학
  • 생명과학
  • 융합

[강연] 인공지능과 단백질: 구조 예측에서 맞춤형 설계까지_by 백민경 | 고등과학원&카오스재단 '2024 노벨상 해설강연' | 2강

2024년 노벨 화학상은 인류의 생명 현상을 이해하는 핵심 열쇠인 단백질의 구조를 예측하고 설계하는 데 기여한 세 명의 과학자에게 돌아갔습니다. 데이비드 베이커 교수와 구글 딥마인드의 데미스 허사비스, 존 점퍼가 그 주인공입니다. 이들은 인공지능 기술을 생물학의 난제에 접목하여, 수십 년간 해결되지 않았던 단백질 구조 예측 문제를 획기적으로 해결했습니다. 이는 단순히 화학적 발견을 넘어 인류가 질병에 맞서고 새로운 물질을 창조하는 방식에 거대한 변화를 예고하는 역사적인 사건으로 평가받고 있습니다. 단백질은 우리 몸의 세포를 구성하는 기본 요소일 뿐만 아니라, 생명 유지에 필요한 거의 모든 화학 반응을 주도하는 일꾼입니다. 외부 병원체에 맞서 싸우는 항체, 영양소를 운반하는 택배원, 그리고 에너지를 생성하는 효소에 이르기까지 그 역할은 실로 무궁무진합니다. 이러한 단백질은 20가지 아미노산이 수천 개 이상 연결된 고분자 화합물로, 아미노산 서열이 어떻게 배열되느냐에 따라 독특한 3차원 구조를 형성합니다. 결국 단백질의 구조를 이해하는 것은 곧 생명의 작동 원리를 파악하는 것과 같습니다. 단백질 구조를 파악하는 것이 중요한 이유는 질병의 기전을 이해하고 치료제를 개발하는 데 결정적인 단서를 제공하기 때문입니다. 대표적인 예로 코로나19 바이러스의 돌기 단백질인 스파이크 단백질을 들 수 있습니다. 이 단백질이 인체 세포의 수용체와 결합하는 구조를 정확히 알게 되면, 그 결합을 방해하는 약물을 설계하거나 효과적인 백신을 만드는 것이 가능해집니다. 이처럼 단백질의 입체적인 형태를 알아내는 작업은 인류가 바이러스와 같은 위협에 맞서 싸울 수 있는 강력한 무기를 얻는 과정이라 할 수 있습니다. 과거에는 단백질 구조를 밝히기 위해 X선 결정법이나 극저온 전자 현미경 같은 실험 기법을 사용했지만, 이는 막대한 비용과 수년의 시간이 소요되는 고된 작업이었습니다. 하지만 구글 딥마인드가 개발한 알파폴드는 인공지능을 통해 단 몇 분 만에 높은 정확도의 구조를 예측해내며 패러다임을 바꿨습니다. 알파폴드는 진화 과정에서 보존된 아미노산 서열의 패턴을 학습하여, 실험 데이터가 부족한 상황에서도 단백질의 3차원 형태를 놀라운 정밀도로 재현해냈습니다. 이는 생물학 연구의 속도를 비약적으로 높인 혁명적인 성과입니다. 단백질 구조 예측이 서열로부터 구조를 찾아가는 과정이라면, 데이비드 베이커 교수가 주도한 단백질 디자인은 그 반대 방향의 도전입니다. 즉, 우리가 원하는 특정 기능을 수행할 수 있는 새로운 단백질 구조를 먼저 상상하고, 이를 구현할 수 있는 아미노산 서열을 설계하는 것입니다. 베이커 교수는 자연계에 존재하지 않는 완전한 인공 단백질인 'Top7'을 성공적으로 설계하며 그 가능성을 증명했습니다. 이는 인류가 자연의 진화에만 의존하지 않고, 목적에 맞는 생체 분자를 직접 창조할 수 있는 시대를 열었음을 의미합니다. 최근에는 생성형 인공지능 기술이 단백질 설계 분야에 도입되면서 연구 속도가 더욱 가속화되고 있습니다. 'RFdiffusion'과 같은 확산 모델 기반의 인공지능은 우리가 원하는 기능을 수행할 최적의 구조를 생성하고, 'ProteinMPNN'은 그 구조를 안정적으로 유지할 서열을 찾아냅니다. 이러한 기술적 진보 덕분에 과거 1% 미만이었던 단백질 설계 성공 확률이 비약적으로 상승했습니다. 이제는 전문적인 지식이 부족하더라도 인공지능을 활용해 누구나 목적에 맞는 단백질을 설계할 수 있을 정도로 기술적 장벽이 낮아지고 있습니다. 인공지능 기반의 단백질 설계 기술은 의료 분야를 넘어 환경 문제 해결에도 큰 기대를 모으고 있습니다. 플라스틱을 분해하는 강력한 효소를 설계하거나, 생분해성이 뛰어난 신소재를 개발함으로써 지구 환경을 보호하는 데 기여할 수 있기 때문입니다. 물론 단백질의 동적인 움직임을 완벽히 예측하거나 부족한 데이터를 보완해야 하는 과제가 남아있지만, 인류의 지식과 인공지능의 학습 능력이 결합한다면 불가능해 보였던 난제들도 하나씩 해결될 것입니다. 단백질 연구의 진화는 곧 인류의 더 나은 미래를 향한 여정입니다.

[강연] 인공지능과 단백질: 구조 예측에서 맞춤형 설계까지_by 백민경 | 고등과학원&카오스재단 '2024 노벨상 해설강연'

백민경

카오스재단카오스크로스
  • 화학
  • 생명과학