단백질디자인

6 Contents

단백질의 풀림 구조를 고려한 구조 안정성 예측 모델 개발

2024년 노벨 화학상은 인공지능을 활용해 단백질 구조를 예측하고 설계한 연구자들에게 수여되었습니다. 단백질 디자인은 감염병 치료제 개발부터 플라스틱 제거, 친환경 에너지 공정까지 인류의 지속 가능성을 위한 핵심 기술로 주목받고 있습니다. 최근 인공지능의 비약적인 발전으로 새로운 단백질을 설계하는 난이도가 낮아졌으며, 다양한 생성 모델을 통해 정교한 단백질 뼈대와 서열을 만드는 것이 가능해졌습니다. 이러한 기술적 진보는 생명공학의 패러다임을 근본적으로 바꾸고 있습니다. 디자인된 서열을 실험하기 전, 알파폴드와 같은 모델로 구조를 예측해 신뢰도를 평가하는 과정은 필수적입니다. 흔히 pLDDT 값을 단백질의 안정성이나 결합력으로 오해하곤 하지만, 이는 모델이 예측한 구조에 대한 스스로의 신뢰도를 의미할 뿐 열역학적인 안정성을 직접적으로 나타내지는 않습니다. 높은 신뢰도를 가졌더라도 실제 실험에서는 발현되지 않거나 안정성이 떨어지는 사례가 빈번하며, 이는 단백질 디자인의 성공률을 낮추는 요인이 됩니다. 따라서 실제 실험 성공률을 높이기 위해서는 안정성을 정교하게 예측할 수 있는 새로운 지표가 필요합니다. 이러한 문제를 해결하기 위해 개발된 인공지능 모델 'Ebeem'은 단백질의 풀림 자유 에너지(ΔG)를 직접 예측합니다. 이 모델은 고분자 화학의 플로리 랜덤 코일 모델을 활용하여 단백질 서열 내 거리에 따른 평균 거리를 계산하고, 이를 2차원 공간상에서 확률적인 평형 상태로 구현해냈습니다. 이는 단순한 데이터 학습을 넘어 생물물리학적 원리를 모델에 내재화함으로써 기존 방식보다 물리적 실체에 훨씬 가까운 안정성 예측을 가능하게 한 혁신적인 결과입니다. Ebeem은 절대적인 안정성인 ΔG 값을 예측하므로, 서열 변이에 따른 안정성 변화인 ΔΔG를 별도의 학습 없이도 정교하게 계산해냅니다. 특히 다른 모델들이 다루기 어려운 아미노산의 삽입이나 결실 상황에서도 안정성을 일관되게 예측할 수 있다는 강점이 있습니다. 실제 단백질 발현 데이터와 비교했을 때, 기존의 pLDDT 기반 필터링보다 Ebeem의 예측값을 활용하는 것이 실험 성공률을 높이는 데 훨씬 효과적임이 입증되었습니다. 이는 연구자들이 불필요한 시행착오를 줄이고 효율적인 인실리코 엔지니어링을 가능하게 하는 강력한 도구가 됩니다. 모델의 예측 정확도는 입력되는 단백질 구조의 품질에 큰 영향을 받습니다. 연구 결과, 알파폴드 등으로 예측된 구조의 신뢰도가 높을수록 혹은 정밀한 결정 구조를 사용할수록 Ebeem의 예측 성능 또한 비례하여 향상되는 것을 확인했습니다. 또한 학습 데이터의 양이 늘어남에 따라 모델의 성능이 선형적으로 개선되는 양상을 보여, 향후 더 방대한 데이터셋이 구축된다면 더욱 정교한 예측이 가능해질 것으로 기대됩니다. 현재 Ebeem은 누구나 쉽게 활용할 수 있도록 오픈소스로 공개되어 있으며, 다양한 효소 연구와 단백질 공학의 발전에 실질적인 기여를 하고 있습니다.

단백질의 풀림 구조를 고려한 구조 안정성 예측 모델 개발
생물학연구정보센터학술웨비나
  • 화학
  • 생명과학
  • 융합

구조적 에너지와 아미노산 서열의 공동 최적화를 통한 안정적 단백질 설계

단백질은 생체 내에서 효소 작용, 바이러스 중화, 신호 전달 등 매우 다양한 역할을 수행하며, 현대 생명공학에서는 이를 새롭게 설계하는 '드 노보(de novo)' 디자인 기술이 핵심적으로 다뤄지고 있습니다. 특히 단백질의 안정성을 향상시키는 것은 기능적 활성이나 결합력을 높이는 데 필수적인 기초 요소입니다. 안정적인 단백질은 열적 안정성이 높을 뿐만 아니라 생산 수율이 좋고, 응집이나 분해를 방지하여 본래의 기능을 온전히 유지할 수 있게 합니다. 따라서 단순히 특정 구조를 만드는 것을 넘어, 평형 상태에서 폴딩 상태를 견고하게 유지하는 설계를 구현하는 것이 단백질 공학의 주요 목표가 되고 있습니다. 최근 단백질 설계에는 3차원 좌표를 입력받아 서열을 생성하는 '구조 기반 서열 디자인' 모델이 널리 활용되고 있습니다. 이러한 모델들은 방대한 데이터 학습을 통해 특정 환경에 최적화된 서열을 제안하지만, 정적인 구조만을 고려한다는 한계가 있습니다. 실제 단백질은 다양한 컨포메이션 상태를 가지며, 설계된 서열이 의도치 않은 대안적 구조로 폴딩될 위험이 존재합니다. 특정 구조에만 최적화된 서열이 실제로는 다른 형태와 에너지 균형을 이루거나 불안정한 상태에 머무를 수 있기 때문에, 단일 모델만으로는 단백질의 복잡한 에너지 랜드스케이프를 완벽히 이해하고 통제하기 어렵습니다. 이러한 문제를 해결하기 위해 제시된 혁신적인 방법이 바로 '조인트 모델링'입니다. 이는 서열을 통해 구조를 예측하는 모델과 구조를 통해 서열을 디자인하는 모델을 하나의 루프로 연결하여 반복적으로 최적화하는 방식입니다. 구조 예측 모델은 서열이 가질 수 있는 다양한 상태를 파악하여 더 나은 컨포메이션을 제안하고, 서열 디자인 모델은 이를 바탕으로 에너지가 더 낮은 서열을 생성합니다. 이 과정을 반복하면 단백질은 미세한 구조적 조정을 거치게 되며, 결과적으로 타겟 외 구조 형성을 방지하고 에너지 갭을 극대화하여 기존보다 훨씬 더 안정적인 단백질 서열을 도출할 수 있게 됩니다. 조인트 모델링의 유효성을 검증하기 위해 연구진은 'cDNA 디스플레이 프로테아제' 방식의 고속 대량 분석(High-throughput assay)을 활용했습니다. 이는 수천 개의 단백질 안정성을 동시에 측정할 수 있는 기술로, 단백질이 견고한 구조를 유지하면 효소에 의해 분해되지 않는다는 원리를 이용합니다. 약 2만 개의 데이터셋을 분석한 결과, 조인트 모델을 통해 설계된 단백질들이 기존의 단일 모델 기반 설계보다 월등히 높은 ΔG 값을 나타냈습니다. 이는 반복적인 최적화 루프가 단순히 결과물을 필터링하는 과정을 거치는 것보다 단백질의 열역학적 안정성을 확보하는 데 훨씬 효과적임을 입증한 결과입니다. 물리적 관점에서 조인트 모델링이 생성한 서열을 분석해 보면, 다른 모델들에 비해 특이적인 상호작용이 더욱 정교하게 배치되어 있음을 알 수 있습니다. 특히 조인트 모델은 소수성 상호작용뿐만 아니라 정교한 친수성 상호작용과 수소 결합을 더 많이 형성하는 경향을 보였습니다. 이러한 미세한 로컬 환경의 최적화는 단백질 내부의 결합력을 강화하고 구조적 특이성을 높여줍니다. 단순히 겉보기에 비슷한 구조를 만드는 것에 그치지 않고, 원자 수준에서의 상호작용을 최적화함으로써 단백질이 의도한 타겟 구조로 더 확실하게 폴딩될 수 있도록 정밀하게 유도하는 것입니다. 인공지능 모델의 발전은 단백질의 안정성을 예측하는 방식에도 큰 변화를 가져왔습니다. 거대 언어 모델이나 구조 예측 모델들은 방대한 데이터를 학습하는 과정에서 단백질의 안정성 정보를 암묵적으로 습득하게 됩니다. 연구에 따르면 모델의 확신도를 나타내는 pLDDT 스코어 등은 실제 단백질의 안정성과 높은 상관관계를 보였습니다. 이러한 지표들을 조인트 모델링과 결합하여 하이브리드 스코어를 산출할 경우, 단백질의 성능을 더욱 정확하게 예측할 수 있습니다. 이는 실험 전 단계에서 유망한 후보군을 선별하는 데 매우 유용한 도구가 되며 설계의 성공률을 획기적으로 높여줍니다. 조인트 모델링 기술은 단일 단백질 설계를 넘어 복잡한 단백질 결합체나 바인더 디자인 분야에서도 탁월한 성과를 거두고 있습니다. 휴먼 리보플라빈 키나아제나 니파 바이러스와 같이 설계가 까다로운 타겟에 대해서도, 반복적인 최적화 과정을 통해 기존에 결합력이 없던 설계를 강력한 바인더로 탈바꿈시켰습니다. 이러한 연구 결과들은 오픈 소스를 통해 공유되어 누구나 쉽게 활용할 수 있도록 공개되었습니다. 정교한 인실리코(in silico) 최적화와 실험적 검증의 조화는 향후 신약 개발과 바이오 센서 제작 등 다양한 생명공학 분야에서 혁신적인 변화를 이끌어갈 것으로 기대됩니다.

구조적 에너지와 아미노산 서열의 공동 최적화를 통한 안정적 단백질 설계
생물학연구정보센터학술웨비나
  • 생명과학
  • 융합

생물학의 발견에서 공학적 발명으로ㅣ합성생물학

합성생물학은 생명과학의 원리를 공학적 관점에서 재해석하여 새로운 바이오 시스템을 설계하고 제작하는 학문입니다. 과거의 생물학이 자연을 관찰하고 발견하는 데 집중했다면, 합성생물학은 '만들지 못하는 것은 이해하지 못한 것이다'라는 리처드 파인만의 격언처럼 직접 만들어봄으로써 생명의 본질을 이해하고자 합니다. 이는 단순히 기존 생명체를 모방하는 수준을 넘어, 자연계에 존재하지 않는 인공 생명체를 구축하거나 기존의 바이오 시스템을 목적에 맞게 재설계하는 포괄적인 범위를 포함합니다. 이를 통해 생물학은 단순한 발견의 시대를 지나 공학적 발명의 시대로 진화하고 있습니다. 생명의 설계도인 DNA는 아데닌, 구아닌, 사이토신, 티민이라는 네 가지 염기로 이루어진 정보 저장 매체입니다. 컴퓨터의 하드디스크가 데이터를 저장하듯, DNA는 생명 현상에 필요한 모든 정보를 담고 있으며 이는 RNA를 거쳐 단백질로 발현됩니다. 합성생물학은 이러한 '센트럴 도그마' 과정을 컴퓨터 시스템처럼 이해합니다. 4진법의 DNA 정보가 64진법의 코돈을 거쳐 20진법의 아미노산 서열로 변환되는 언어 체계를 해독함으로써, 인간은 생명체의 작동 원리를 정밀하게 제어할 수 있게 되었습니다. 이러한 유전 정보의 디지털화와 해독 기술의 발전은 합성생물학이 도약하는 결정적인 계기가 되었습니다. 바이오 부품을 표준화하면 마치 레고 블록을 조립하여 원하는 형태를 만들듯 특정 기능을 수행하는 바이오 시스템을 설계할 수 있습니다. 이러한 설계 과정에서 우리는 자연의 진화 원리를 빌려옵니다. 찰스 다윈이 관찰한 핀치새의 부리 변화처럼, 환경에 적응하며 축적된 대규모 유전자 정보를 분석하여 우리가 원하는 방향으로 생명체의 형질을 유도하는 것입니다. 인류가 수천 년간 작물을 개량해온 과정을 이제는 논리적인 설계를 통해 더욱 빠르고 정밀하게 재현하며, 인간에게 유용한 형질을 가진 고성능 세포를 만들어낼 수 있게 되었습니다. 이를 통해 합성생물학은 인류에게 필요한 진화의 방향과 속도를 조절하는 강력한 도구가 됩니다. 최근 합성생물학은 인공지능과 자동화 기술의 결합으로 비약적인 발전을 거듭하고 있습니다. '설계-제작-시험-분석'으로 이어지는 DBTL 사이클은 대규모 데이터를 학습한 AI와 로봇 암을 이용한 자동화 공정을 통해 과거보다 수십 배 빠른 속도로 반복됩니다. 이러한 혁신적인 연구 플랫폼을 '바이오파운드리'라고 부릅니다. 바이오파운드리는 실험의 경제성과 재현성을 극대화하여 mRNA 백신의 신속한 개발이나 폐가스를 이용한 고부가가치 물질 생산 등을 가능하게 합니다. 우리나라도 국가 차원의 바이오파운드리 사업을 통해 더 신속하고 효율적인 바이오 제조 생태계를 구축하여 미래 경쟁력을 확보하고자 노력하고 있습니다. 합성생물학의 응용 분야는 의료, 식품, 환경 등 우리 삶의 전 영역으로 확대되고 있습니다. 효모를 이용해 실제 고기의 맛을 내는 대체육을 개발하거나, 대장균으로 거미줄 단백질을 생산하여 의류 소재로 활용하는 사례가 대표적입니다. 또한 플라스틱을 단 하루 만에 분해하는 고효율 효소를 설계하여 환경 문제를 해결하거나, 매머드와 같이 멸종된 생물을 복원하려는 시도까지 이어지고 있습니다. 인류는 합성생물학을 통해 생명에 대한 이해를 심화하고, 복잡한 현대 사회의 난제들을 해결할 수 있는 강력한 도구를 갖게 되었습니다. 앞으로 이 기술은 인류가 필요로 하는 물질을 더 쉽고 빠르게 생산하며 세상을 바꾸어 나갈 것입니다.

생물학의 발견에서 공학적 발명으로ㅣ합성생물학
한국생명공학연구원
  • 생명과학
  • 융합
  • 공학·기술

[대담] 2024 '노벨상 해설강연' 과학톡!(TALK) by 조정효, 백민경, 이준호 l 고등과학원&카오스재단

최근 노벨 물리학상과 화학상이 인공지능 관련 연구에 수여되면서 과학계에는 새로운 바람이 불고 있습니다. 인공지능은 단순히 계산을 돕는 도구를 넘어, 기존 연구의 한계를 극복하고 지식의 지평을 넓히는 핵심적인 역할을 수행하고 있습니다. 특히 수학과 같은 기초 과학 분야에서는 인공지능을 활용해 수십 년간 풀리지 않던 난제들을 해결하려는 시도가 이어지고 있으며, 이는 연구의 시간과 비용을 획기적으로 절감하는 결과로 이어지고 있습니다. 이러한 변화는 과학 전반의 발전 속도를 가속화하며 연구 생태계를 더욱 풍부하게 만들고 있습니다. 연구 현장에서는 이미 'AI 사이언티스트'라 불리는 인공지능이 등장하여 큰 충격을 주고 있습니다. 이 인공지능은 스스로 논문을 읽고 연구 문제를 발굴하며, 코드를 짜고 실험 결과를 해석하여 논문까지 작성하는 수준에 도달했습니다. 단돈 15달러 정도의 비용으로 인간 연구자가 수행하던 절차적인 과정들을 대신 처리할 수 있게 된 것입니다. 이제 과학자들은 단순히 반복적인 업무에 매달리기보다, 인공지능이 아직 흉내 내기 어려운 인간만의 고유한 영역인 상상력을 발휘하는 데 더 집중해야 하는 시점을 맞이하고 있습니다. 생물학 분야에서도 인공지능의 도입은 연구실 문화를 근본적으로 바꾸어 놓았습니다. 과거에는 전자현미경 사진을 일일이 수작업으로 분석하며 수천 시간을 소모해야 했지만, 이제는 딥러닝 기술을 통해 훨씬 빠른 속도로 데이터를 처리할 수 있게 되었습니다. 또한 학생들은 프로그래밍 과정에서 인공지능에게 코드의 뼈대를 요청하거나 버그를 수정하는 등 효율적인 방식으로 연구를 진행합니다. 비록 인공지능의 결과물을 검증하는 인간의 역할은 여전히 중요하지만, 딥러닝을 제외하고는 이제 현대 과학 실험의 속도를 논하기 어려울 정도가 되었습니다. 인공지능의 급격한 발전은 인간의 지능을 뛰어넘을 것인가에 대한 철학적인 질문을 던집니다. 인공지능은 방대한 데이터에서 패턴을 찾아내는 데 탁월한 능력을 보이지만, 인간의 지능은 의식과 연결된 훨씬 복합적인 영역입니다. 과거 과학자들이 보편적인 규칙을 찾아내기 위해 고군분투했던 것처럼, 전혀 관련 없어 보이는 분야를 창의적으로 묶어내는 능력은 여전히 인간의 고유한 자산으로 남아 있습니다. 따라서 인공지능이 특정 과업에서 인간을 앞설지라도, 복합적인 사고와 가치 판단을 내리는 인간의 지능을 완전히 대체하기는 쉽지 않을 것으로 보입니다. 강력한 도구에는 그에 따르는 책임과 윤리적 고민이 필수적입니다. 단백질 디자인이나 유전자 가위 기술처럼 인류에게 큰 이득을 줄 수 있는 기술이 자칫 생화학 무기나 윤리적 문제를 일으키는 도구로 악용될 우려도 존재하기 때문입니다. 따라서 과학계는 인공지능 기술이 인류에게 위협이 되지 않도록 규제와 정책적 가이드라인을 마련하기 위한 사회적 합의를 지속적으로 이끌어내야 합니다. 인공지능이라는 새로운 도구를 주체적으로 활용하면서도, 인간으로서의 가치관과 윤리 의식을 지키는 것이 건강한 과학 기술의 미래를 만드는 길입니다.

[대담] 2024 '노벨상 해설강연' 과학톡!(TALK) by 조정효, 백민경, 이준호 l 고등과학원&카오스재단

백민경, 이준호, 조정효

카오스재단카오스크로스
  • 물리학
  • 화학
  • 생명과학

[인터뷰] 백민경 _ 우리만의 단백질 구조 분석법, AI 로제타폴드🧪🔬|제30회 서울대 자연과학대학 공개강연

단백질은 우리 몸속에서 산소 수송, 음식물 소화, 에너지 대사, 그리고 외부 침입자에 맞서 싸우는 면역 과정에 이르기까지 거의 모든 생명 현상을 매개하는 핵심적인 생체 분자입니다. 이러한 다양한 기능이 가능한 이유는 단백질마다 각기 다른 고유한 3차원 구조를 형성하고 있기 때문입니다. 따라서 단백질의 구조를 명확히 규명하는 일은 생명체가 작동하는 원리를 깊이 있게 이해하는 첫걸음이며, 이를 바탕으로 질병의 원인을 파악하고 치료를 위한 신약 개발의 토대를 마련한다는 점에서 현대 생명과학의 매우 중요한 과제라고 할 수 있습니다. 최근 인공지능 기술의 비약적인 발전은 단백질 구조 예측 분야에 혁신적인 변화를 가져왔습니다. 과거에는 실험을 통해서만 단백질 구조를 파악할 수 있었으나, 이제는 로제타폴드와 같은 인공지능 모델을 통해 아미노산 서열 정보만으로도 정교한 3차원 구조를 예측할 수 있게 되었습니다. 연구팀은 구글 딥마인드의 알파폴드2가 보여준 가능성에 자극받아 독자적인 알고리즘 개발에 착수했으며, 그 결과 수 초에서 수 시간 내에 고정확도의 구조 정보를 얻어내는 성과를 거두었습니다. 이는 인공지능이 복잡한 생물학적 난제를 해결하는 강력한 도구가 될 수 있음을 시사합니다. 인공지능을 활용한 예측 기술은 단순히 기존 단백질의 형태를 알아내는 것에 그치지 않고, 자연계에 존재하지 않는 새로운 단백질을 설계하는 '단백질 디자인' 연구로 확장되고 있습니다. 하지만 컴퓨터 계산을 통한 예측이 항상 완벽할 수는 없기에, 인공지능 모델은 반드시 실험적 검증과 병행되어야 합니다. 새롭게 설계된 단백질이 실제로 의도한 기능을 수행하는지, 혹은 인체에 주입했을 때 안전성에 문제는 없는지 확인하는 과정에서 컴퓨터 방법과 실험 방법은 서로를 보완하며 함께 발전해 나가는 필수적인 파트너 관계를 형성하고 있습니다. 현재 전 세계적으로 수억 개의 단백질 구조 데이터가 구축되면서 이를 활용한 응용 연구가 활발히 진행 중입니다. 구조 기반의 신약 개발은 물론이고, 환경 문제 해결을 위한 혁신적인 시도들도 이어지고 있습니다. 예를 들어 광합성 관련 단백질의 구조를 정밀하게 분석하여 빛 흡수 효율이 극대화된 새로운 단백질을 설계한다면, 태양광 발전의 효율을 획기적으로 높여 에너지 문제를 해결하는 데 기여할 수 있습니다. 이처럼 단백질 구조 연구는 의료 분야를 넘어 인류가 직면한 에너지와 환경 등 다양한 사회적 난제를 해결할 수 있는 잠재력을 지니고 있습니다. 과학의 진정한 묘미는 서로 다른 기술과 사람이 만나 새로운 길을 만들어내는 '연결'에 있습니다. 양자역학에서 시작된 기초 과학이 반도체와 컴퓨터 기술을 거쳐 인공지능으로 진화하고, 다시 생명과학과 결합하여 혁신을 일으키는 과정은 기술 간 연결의 힘을 잘 보여줍니다. 또한 로제타폴드 개발 과정에서 화학, 인공지능, 생명과학 등 각 분야 전문가들이 긴밀하게 협업했듯이, 다양한 시각을 가진 과학자들의 소통과 연대는 현대 과학이 한계를 극복하고 다음 단계로 도약하게 만드는 가장 강력한 원동력이자 미래 과학이 나아가야 할 방향입니다.

[인터뷰] 백민경 _ 우리만의 단백질 구조 분석법, AI 로제타폴드🧪🔬|제30회 서울대 자연과학대학 공개강연

백민경

카오스재단서울대자연과학공개강연
  • 생명과학

[강연] 인공지능으로 단백질 이해하기 by 백민경 ㅣ 대학과 함께하는 2022 UN 세계기초과학의 해 한국 선포식 특별강연

단백질은 흔히 필수 영양소로만 알려져 있지만, 실제로는 우리 몸의 거의 모든 생명 현상을 주도하는 핵심 생체 분자입니다. 헤모글로빈처럼 산소를 운반하거나 효소로서 물질을 분해하고 합성하며, 외부 바이러스에 맞서는 항체 역할까지 수행합니다. 약 2만 가지의 단백질은 20종의 아미노산이 사슬처럼 연결된 구조를 가지며, 이들의 배열 순서인 서열에 따라 고유한 3차원 구조를 형성합니다. 이러한 구조는 단백질의 기능을 결정짓는 가장 중요한 요소로 작용하며 생명의 신비를 푸는 열쇠가 됩니다. 단백질의 구조를 파악하는 것은 생명 현상을 이해하고 질병의 기전을 밝히는 데 필수적입니다. 예를 들어 코로나바이러스의 스파이크 단백질 구조를 정확히 알면 감염 경로를 차단하는 치료제나 백신을 더욱 효과적으로 설계할 수 있습니다. 하지만 현재 우리가 알고 있는 단백질 서열은 3억 개에 달하는 반면, 실험적으로 밝혀진 구조는 16만 개에 불과합니다. 엑스레이 결정학이나 극저온 전자현미경 같은 실험 방식은 정확하지만, 하나의 구조를 밝히는 데 수개월에서 수년의 시간과 막대한 비용이 소요된다는 한계가 있습니다. 물리화학적 원리에 기반한 컴퓨터 시뮬레이션은 탐색해야 할 구조의 가짓수가 너무 많아 우주의 나이만큼의 시간이 걸릴 정도로 복잡합니다. 이를 해결하기 위해 과학자들은 자연의 진화 데이터에 주목했습니다. 단백질이 기능을 유지하며 진화하는 과정에서, 서로 상호작용하는 아미노산들은 함께 변이하는 '공진화' 패턴을 보입니다. 인공지능은 이러한 방대한 서열 데이터 속에 숨겨진 복잡한 패턴을 학습하여, 아미노산 간의 접촉 지점을 찾아내고 단백질의 3차원 구조를 놀라운 속도로 예측해내는 혁신을 이루었습니다. 최근 등장한 알파폴드2와 로제타폴드는 인공지능 기반 단백질 구조 예측의 새로운 지평을 열었습니다. 이 모델들은 과거 수년이 걸리던 작업을 단 몇 분 만에 실험 결과와 거의 일치하는 정확도로 수행합니다. 더 나아가 단일 단백질을 넘어 두 단백질이 결합하는 복합체 구조까지 예측할 수 있게 되었습니다. 이는 세포 내에서 일어나는 유전 정보의 전사나 번역, DNA 수리 등 복잡한 생체 반응들을 데이터에 기초하여 깊이 있게 이해할 수 있는 강력한 도구가 되어 생명공학 연구의 패러다임을 바꾸고 있습니다. 인공지능 기술은 이제 구조 예측을 넘어 새로운 단백질을 디자인하는 단계로 진화하고 있습니다. 암세포의 증식을 억제하기 위해 특정 단백질 간의 결합을 방해하는 새로운 단백질 치료제를 설계하는 것이 대표적인 사례입니다. 이러한 혁신은 양자역학에서 시작된 컴퓨터 기술이 생명과학과 만나 탄생한 결과입니다. 기초과학 연구는 당장의 성과를 넘어 인류의 삶을 풍요롭게 할 무궁무진한 잠재력을 지니고 있으며, 앞으로도 다양한 질병 치료와 생명 현상 규명에 있어 가장 강력한 토대가 될 것입니다.

[강연] 인공지능으로 단백질 이해하기 by 백민경 ㅣ 대학과 함께하는 2022 UN 세계기초과학의 해 한국 선포식 특별강연

백민경

카오스재단카오스크로스
  • 생명과학