과학 포털 iKAOS

26 Contents

근육 특이적 E3 ligase KLHL41을 활용한 표적 단백질 분해 플랫폼 개발

현대 신약 개발에서 기존 약물은 대개 단백질의 기능을 억제하는 방식을 취해왔습니다. 하지만 이러한 방식은 단백질 구조 내에 약물이 결합할 수 있는 특정 포켓이 존재해야만 하며, 인체 내 질병 관련 단백질의 약 85%는 이러한 구조적 특징이 없어 '드러거블(Druggable)'하지 않은 것으로 간주되어 왔습니다. 이를 극복하기 위해 등장한 개념이 바로 프로탁(PROTAC)입니다. 프로탁은 질병 단백질과 E3 라이게이즈를 물리적으로 근접시켜 세포 내 유비퀴틴-프로테아좀 시스템을 통해 표적 단백질을 완전히 분해하여 제거하는 혁신적인 플랫폼입니다. 프로탁 기술의 큰 장점은 모든 단백질을 타깃으로 삼을 수 있고, 약물이 재활용되기에 적은 농도로도 높은 효능을 발휘한다는 점입니다. 하지만 현재 가장 널리 사용되는 E3 라이게이즈인 CRBN이나 VHL은 모든 장기에서 발현되기에, 원치 않는 정상 조직에서도 단백질 분해가 일어나 독성을 유발할 수 있다는 한계가 있습니다. 이를 해결하기 위해서는 특정 조직이나 암세포에서만 선택적으로 작동하는 단백질 분해제가 필요합니다. 연구진은 바이오인포매틱스 분석을 통해 근육 조직에서만 특이적으로 발현되는 E3 라이게이즈인 KLHL41을 발견하고 이를 활용한 플랫폼 개발에 착수했습니다. 근육 특특이적인 단백질 분해를 위해 선택된 KLHL41은 아직 결정 구조가 밝혀지지 않은 상태였습니다. 이에 연구진은 알파폴드(AlphaFold)를 활용해 단백질 구조를 예측하고, 이를 바탕으로 약 23만 개의 물질에 대해 가상 스크리닝을 진행했습니다. 수만 번의 분자 도킹 시뮬레이션을 통해 최종적으로 34개의 후보 물질을 도출해냈습니다. 이후 열 안정성 변화를 측정하는 CETSA(세포 열 이동 분석법) 실험을 거쳐 단백질과 실제로 결합하는 히트 화합물인 EN10을 찾아냈으며, 이는 KLHL41 패밀리 내 다른 단백질인 KLHL40에는 붙지 않는 높은 선택성을 보여주었습니다. 리간드를 찾은 후 연구진은 표적 단백질인 BRD4를 분해하기 위한 프로탁 구조 최적화에 집중했습니다. 하지만 초기 모델인 KBD1의 경우 마이크로몰(μM) 수준의 농도에서만 분해 효능이 나타나는 아쉬움이 있었습니다. 이는 분해하려는 단백질과 E3 라이게이즈, 그리고 프로탁 화합물 세 분자가 동시에 만나 삼체 복합체를 형성해야 하는 확률적 어려움 때문입니다. 연구진은 이를 극복하기 위해 화학적 변형을 가하여 E3 라이게이즈와 강하게 결합하는 '투-바디 프로탁(Two-body PROTAC)', 즉 디프로이(DPROY) 전략을 새롭게 고안해 냈습니다. 디프로이 전략은 프로탁의 한쪽 끝에 공유 결합을 형성할 수 있는 모이어티를 달아 E3 라이게이즈와 아예 한 몸처럼 붙어버리게 만드는 방식입니다. 이를 통해 복잡한 삼체 역학 문제를 이체 복합체 형성 문제로 단순화하여 결합 가능성을 극도로 높였습니다. 그 결과, 기존에 마이크로몰(μM) 단위였던 분해 효능인 DC50 값이 무려 0.64 나노몰(nM) 수준으로 약 3만 배 가까이 개선되는 놀라운 성과를 거두었습니다. 이는 기존에 가장 성능이 좋다고 알려진 일반 프로탁들과 비교해도 약 10배 이상 우수한 수준의 활성입니다. 개발된 근육 특이적 프로탁의 성능을 검증하기 위해 다양한 세포주에서 실험을 진행했습니다. 실험 결과, KLHL41이 발현되는 근육 세포주에서는 단백질 분해가 매우 활발하게 일어난 반면, 해당 단백질이 없는 암세포주에서는 전혀 작동하지 않았습니다. 또한 점 돌연변이 실험을 통해 이 물질이 KLHL41의 특정 시스테인 잔기에 선택적으로 결합하여 작용한다는 메커니즘을 규명했습니다. 연구진은 근육 분화 과정에 따라 단백질 분해 능력이 조절되는 것을 확인하며, 이 플랫폼이 생물학적 환경 변화에 정교하게 반응할 수 있음을 입증했습니다. 마지막으로 생쥐를 활용한 동물 실험에서도 그 효능과 선택성이 다시 한번 증명되었습니다. 약물을 투여한 후 여러 장기를 적출하여 분석한 결과, 다른 장기에서는 표적 단백질의 변화가 없었으나 오직 근육 조직에서만 선택적으로 단백질이 분해된 것을 확인했습니다. 이러한 기술은 근감소증(Sarcopenia)과 같은 근육 질환 치료제 개발에 획기적인 전기를 마련할 것입니다. 나아가 최근 주목받는 비만 치료제 투여 시 발생하는 근육 감소 부작용을 억제하는 등 미래 헬스케어 분야에서 광범위하게 활용될 수 있을 것으로 기대됩니다.

생물학연구정보센터

화학
생명과학
융합

[인터뷰] 바이오인공지능연구센터 ABC #016 | 이정호 서울대 화학부 교수

서울대학교 화학부 이정호 교수는 기계공학과 물리학을 거쳐 유전공학, 그리고 생물물리학에 이르기까지 학문적 경계를 넘나드는 독특한 여정을 걸어왔습니다. 정량적이고 논리적인 분석에 대한 관심을 바탕으로 시작된 그의 연구는 생명과학의 심오한 영역으로 확장되었습니다. 이러한 다학제적 배경은 단순히 학문적 호기심을 넘어, 복잡한 생체 분자를 다각도에서 조망할 수 있는 통찰력을 제공했습니다. 그는 특별한 계획보다는 매 순간 진심으로 하고 싶은 분야를 선택하며 현재의 위치에 도달했으며, 이러한 경험은 그가 물리화학적 관점에서 생명 현상을 해석하는 중요한 밑거름이 되었습니다. 이정호 교수의 주된 연구 도구는 핵자기 공명 분광학(NMR)입니다. 이는 단백질 중에서도 고정된 구조 없이 역동적으로 변하는 ‘비정형 단백질(IDP)’을 관찰하는 데 매우 탁월한 성능을 발휘합니다. 우리 몸의 수많은 단백질 중 상당수는 부분적으로 혹은 전체적으로 일정한 구조를 갖지 않는 비정형 단백질(IDP)인데, 이러한 특성이 퇴행성 뇌질환과 밀접하게 연관되어 있다는 사실이 점차 밝혀지고 있습니다. 기존의 실험 방식으로는 명확히 보기 어려운 이 역동적인 분자들의 움직임을 포착함으로써, 그는 질병 치료를 위한 기초적인 연구를 수행하며 생명 과학의 보이지 않는 영역을 개척해 나가고 있습니다. 생체 분자 구조 결정에는 X선 결정학이나 초저온 전자현미경(Cryo-EM)과 같은 강력한 방법들이 존재하지만, 핵자기 공명 분광학(NMR)은 고유한 영역을 확보하고 있습니다. 특정 아미노산 단위로 세밀하게 분석할 수 있는 핵자기 공명 분광학(NMR)은 비정형 단백질(IDP)이 주변 환경과 어떻게 반응하는지 추적하는 데 최적화되어 있기 때문입니다. 이 교수는 단순히 장비를 활용하는 단계를 넘어, 복합적이고 유연한 단백질의 특성을 더욱 정밀하게 파악할 수 있는 새로운 분석 방법론을 직접 개발하는 데 집중하고 있습니다. 이는 정형화되지 않은 생명의 움직임을 이해하려는 물리화학자의 도전정신이 반영된 결과입니다. 최근 인공지능(AI) 기술의 발전으로 알파폴드와 같은 혁신적인 단백질 구조 예측 모델이 등장하며 연구 지형을 바꾸고 있습니다. 하지만 단백질 간의 결합력(Affinity)을 정확히 계산하고 예측하는 영역은 여전히 인공지능(AI)이 풀어야 할 숙제로 남아 있습니다. 이정호 교수는 인공지능(AI)이 생체 분자 간의 상호작용을 더 정교하게 예측할 수 있도록 돕는 연구에 큰 관심을 두고 있습니다. 특히 정형 단백질과 비정형 단백질(IDP) 사이의 복잡한 결합 양상은 아직 기존 툴로 해결하기 어려운 분야이기에, 그는 핵자기 공명 분광학(NMR) 데이터와 인공지능(AI) 기술을 결합하여 이 난제를 해결하고자 합니다. 연구자로서 이정호 교수의 궁극적인 목표는 물리화학적 접근을 통해 난치성 질병 치료의 새로운 단서를 제공하는 과학자가 되는 것입니다. 그는 자신의 연구가 일반적인 생물학적 방식으로는 도달하기 힘든 지점에서 질병 해결의 열쇠가 되기를 희망합니다. 더불어 미래를 고민하는 학생들에게는 불확실한 앞날에 대한 걱정보다는 현재의 흥미에 집중하고 긍정적인 태도로 도전할 것을 권합니다. 자신의 진로를 스스로 개척해온 경험을 바탕으로, 목표를 잃지 않는다면 어떤 선택을 하든 결국 길은 열릴 것이라는 믿음을 따뜻한 조언과 함께 전하고 있습니다.

카오스재단카오스크로스

물리학
화학
생명과학
뇌인지과학
융합

도대체 유전자란 무엇인가?

2000년 6월, 인간 유전체가 완전히 해독되었다는 발표는 전 세계에 커다란 충격을 주었습니다. 당시 빌 클린턴 대통령은 이 성과를 인류가 달에 착륙한 것에 비견되는 위대한 업적이라 칭송했습니다. 초기 연구에서는 유전자 수를 약 3만 개로 추정했으나, 정교한 분석을 거친 현재는 약 2만 개로 정의하고 있습니다. 그렇다면 이 유전자는 구체적으로 어떤 역할을 할까요? '언어 유전자'라 불리는 FOXP2 유전자에 변이가 생기면 발음이 불명확해지고 문법 이해도가 떨어지는 언어 장애가 발생합니다. 이는 단 하나의 유전자가 인간의 신체 구조와 인지 능력에 얼마나 결정적인 영향을 미치는지 보여줍니다. 유전자는 본질적으로 특정 단백질을 생성하기 위한 정밀한 설계도라고 할 수 있습니다. FOXP2 유전자의 염기서열은 아미노산의 결합 순서를 결정하며, 이는 고유한 3차원 구조를 가진 단백질로 거듭납니다. 이렇게 형성된 단백질은 태아의 하악 구조를 형성하고 뇌의 언어 생성 회로를 구축하는 전사 조절 단백질로서 기능합니다. 식물의 경우에도 개화 시기를 조절하는 'LUMINIDEPENDENS'라는 유전자가 단백질 정보를 담고 있습니다. 최근에는 알파폴드(AlphaFold)와 같은 인공지능 기술의 발전 덕분에, 아직 명확히 밝혀지지 않은 수많은 단백질의 3차원 구조를 예측하며 생명 현상의 비밀에 한 걸음 더 다가가고 있습니다. 우리 몸의 시스템을 지탱하는 2만여 개의 구성 요소들은 저마다의 위치에서 고유한 생물학적 임무를 수행합니다. 산소를 운반하는 헤모글로빈이나 식물의 광합성을 돕는 루비스코, 그리고 신경 신호를 전달하는 이온 펌프처럼 모든 생명 현상은 단백질의 활동 결과입니다. 비록 단백질을 직접 암호화하지 않는 비암호화 RNA(non-coding RNA) 유전자들도 존재하지만, 이들 역시 적재적소에 필요한 양의 단백질이 만들어지도록 정교하게 조절하는 지원군 역할을 수행합니다. 결국 생명체의 모든 유전 정보는 단백질이라는 실체를 구현하고 그 기능을 최적화하기 위해 존재한다고 볼 수 있습니다.

과학플랫폼 SOAK

생명과학

[강연] 백민경_AI로 풀어가는 생명의 비밀: 생명은 설계될 수 있을까?｜제33회 서울대 자연과학 공개강연_"과학 그리고 인공지능"

우리 몸의 수많은 생명 현상은 '단백질'이라는 아주 작은 일꾼들에 의해 조절됩니다. 단백질은 복잡한 3차원 구조를 가지며, 그 형태에 따라 수행하는 기능이 결정됩니다. 계산생물학은 인공지능과 같은 첨단 도구를 활용해 이 미세한 분자들의 구조를 예측하고 설계하는 학문입니다. 단순히 관찰하는 것을 넘어 생명의 핵심 원리를 디지털 공간에서 분석함으로써, 우리는 질병의 원인을 파악하고 새로운 치료법을 찾는 혁신적인 길을 열어가고 있습니다. 인류는 아주 오래전부터 원하는 형질의 동식물을 교배하는 '인위 선택'을 통해 생명을 간접적으로 설계해 왔습니다. 이후 DNA가 유전 설계도라는 사실이 밝혀지면서, 기존 유전자를 자르고 붙이는 '유전자 편집' 기술인 제2세대 설계 시대가 열렸습니다. 하지만 이는 자연에 존재하는 설계도를 일부 수정하는 수준에 머물렀습니다. 셰익스피어의 희곡을 고칠 수는 있어도 새로운 명작을 처음부터 창작하는 것은 불가능했던 것처럼, 완전한 창작에는 한계가 있었습니다. 단백질은 아미노산 서열이 엮인 사슬이 특정한 구조로 접히면서 기능을 갖게 됩니다. 하지만 이 사슬이 접힐 수 있는 경우의 수는 우주의 나이보다 긴 시간 동안 계산해도 다 확인하지 못할 만큼 방대합니다. 이 '단백질 구조 예측'은 지난 50년간 과학계의 거대한 난제로 남아 있었습니다. 우리 몸에서는 단 1초도 안 되어 일어나는 이 복잡한 과정의 원리를 규명하는 것은 생명 과학의 근본적인 비밀을 푸는 가장 중요한 열쇠였습니다. 이 난공불락의 문제는 2020년 인공지능 기술의 발전으로 해결의 실마리를 찾았습니다. 알파폴드와 로제타폴드 같은 AI 모델은 수만 개의 단백질 데이터를 학습하여, 아미노산 서열만으로 3차원 구조를 정확하게 예측해 내기 시작했습니다. 실험을 통해 수년이 걸리던 구조 규명을 이제는 클릭 몇 번만으로 단 몇 분 만에 완수할 수 있게 된 것입니다. 이는 생명과학 연구의 패러다임을 완전히 바꾸어 놓은 기술적 혁명이라고 할 수 있습니다. 구조 예측이 가능해지자 이제 우리는 자연에 없는 새로운 단백질을 직접 만드는 '창작'의 단계인 제3세대 설계 시대로 진입했습니다. 특정 바이러스를 무력화하거나 플라스틱을 분해하는 등 우리가 원하는 기능을 정의하면, AI가 그에 맞는 구조와 설계도를 제안해 줍니다. 생성형 AI가 그림을 그리듯, 과학자들은 이제 질병 치료나 환경 문제 해결에 필요한 맞춤형 생체 분자를 자유자재로 설계할 수 있는 강력한 도구를 손에 쥐게 되었습니다. 더 나아가 미래에는 세포 전체를 컴퓨터 속에 구현하는 '가상 세포' 시뮬레이션인 제4세대 설계가 실현될 전망입니다. 이는 제조업의 '디지털 트윈' 개념을 생명체에 적용하는 것으로, 신약 후보 물질이 세포 내에서 어떤 반응을 보일지 가상 공간에서 미리 테스트할 수 있게 합니다. 이 기술이 완성되면 수억 마리에 달하는 동물 실험의 희생을 막을 수 있을 뿐만 아니라, 개개인의 특성에 맞춘 정밀한 맞춤형 의료 시대가 본격적으로 열릴 것입니다. 인공지능이 이끄는 생명 설계 기술은 인류에게 무한한 가능성을 선사하지만, 동시에 무거운 책임감도 요구합니다. 이 기술을 어떻게 활용하느냐에 따라 난치병을 극복하는 축복이 될 수도, 치명적인 생화학 무기를 만드는 재앙이 될 수도 있기 때문입니다. 기술 그 자체는 방향성을 결정하지 않으며, 오직 인간의 선택만이 그 미래를 결정합니다. 인류 모두를 위한 축복의 길로 나아가기 위해 우리는 어떤 미래를 설계해야 할지 끊임없이 고민해야 합니다.

카오스재단카오스크로스

생명과학
융합

[인터뷰] 백민경_AI로 풀어가는 생명의 비밀: 생명은 설계될 수 있을까?｜제33회 서울대 자연과학 공개강연_"과학 그리고 인공지능"

우리 몸의 핵심 분자인 단백질은 생명 현상을 유지하는 가장 부지런한 일꾼입니다. 단백질의 3차원 구조를 파악하는 일은 그 기능을 이해하는 첫걸음이자 현대 생명과학의 핵심 과제입니다. 과거에는 단백질 구조 예측이 미지의 영역에 가까웠으나, 인공지능 기술의 발전과 함께 새로운 전기를 맞이했습니다. 특히 알파폴드와 같은 혁신적인 인공지능 모델은 단백질 구조를 정확하게 예측하며, 생명 현상을 더 깊이 있게 이해하도록 돕는 강력한 도구로 자리 잡았습니다. 인공지능이 도입되기 전, 단백질 구조를 밝히기 위해서는 엑스레이나 초저온 전자현미경(Cryo-EM)과 같은 복잡한 실험 기법에 의존해야 했습니다. 하나의 단백질 구조를 규명하는 데 수개월에서 길게는 10년 이상의 시간이 소요되기도 하여, 이는 연구자들에게 매우 고된 과정이었습니다. 하지만 이제는 인공지능을 통해 단백질의 형태를 사전에 예측하고, 이를 바탕으로 기능을 추론하는 가설 중심의 연구가 가능해졌습니다. 이러한 변화는 생명과학 연구의 속도를 비약적으로 높여주고 있습니다. 인공지능의 환각(할루시네이션) 현상은 일반적인 대화형 모델에서는 문제로 지적되지만, 단백질 설계 분야에서는 오히려 새로운 가능성을 열어주는 열쇠가 됩니다. 자연계에 존재하지 않는 전혀 새로운 단백질을 만들어낼 때, 인공지능의 창의적인 예측 능력이 유용하게 쓰이기 때문입니다. 이제 인간은 단순한 관찰자를 넘어, 특정 기능을 수행할 수 있는 단백질 부품을 정밀하게 설계하는 단계에 진입했습니다. 이는 질병 치료를 위해 생명의 오작동을 수정할 수 있는 정교한 설계도로 기능하게 됩니다. 단백질 설계 기술은 인류가 당면한 여러 난제를 해결할 핵심 열쇠입니다. 항체 치료제나 백신 개발은 물론, 플라스틱을 분해하는 효소를 설계하여 환경 문제를 해결하거나 친환경적인 생물 공정을 구축하는 데에도 활용될 수 있습니다. 다만 이 기술은 강력한 도구인 만큼 윤리적인 성찰이 반드시 동반되어야 합니다. 의도치 않은 바이러스 설계나 생화학 무기 제조와 같은 악용의 가능성을 경계하며, 이 도구를 인류에게 유익한 방향으로 이끄는 것은 결국 사용하는 사람의 책임에 달려 있습니다. 미래의 생명과학 연구는 실험실에서의 물리적인 활동과 컴퓨터를 이용한 계산 과학이 조화롭게 결합된 형태가 될 것입니다. 인공지능이 가진 강력한 연산 능력은 복잡한 생명 현상을 분석하는 데 필수적인 요소가 되었습니다. 따라서 연구자들은 새로운 기술을 두려워하기보다 적극적으로 학습하고 자신의 연구 분야에 접목하려는 열린 자세를 가져야 합니다. 기술이라는 새로운 날개를 달고 기존의 한계를 넘어설 때, 비로소 생명과학은 더 넓은 진리의 바다로 나아갈 수 있을 것입니다.

카오스재단카오스크로스

생명과학
융합

과연 설탕만 단맛이 나는 걸까?

달콤한 탕후루나 초콜릿 케이크를 보면 입안에 군침이 돌지만, 동시에 늘어날 체중 걱정에 망설여지곤 합니다. 설탕의 단맛을 포기하지 않으면서도 건강을 지킬 방법은 없을까요? 우리 혀에는 미뢰가 있어 음식의 다양한 맛을 감지합니다. 짠맛과 신맛은 특정 이온이 세포로 들어오며 느껴지지만, 단맛과 쓴맛, 감칠맛은 분자 구조를 인식하는 수용체를 통해 전달됩니다. 이러한 미각의 원리를 이해하면 설탕 없이도 단맛을 즐기는 비밀을 풀 수 있습니다. 미각의 신비가 과학적으로 밝혀진 것은 그리 오래되지 않았습니다. 2000년대 초반부터 쓴맛, 단맛, 감칠맛을 느끼는 수용체들이 차례로 발견되었고, 이후 짠맛과 신맛에 관여하는 이온 채널의 정체도 규명되었습니다. 이로써 인간이 느끼는 다섯 가지 기본 맛의 지도가 완성되었습니다. 우리가 흔히 섭취하는 설탕의 주성분인 포도당은 우리 몸의 핵심 에너지원이자 수용체에 즉각적인 반응을 일으키는 고유한 구조를 가지고 있어 우리에게 달콤한 즐거움을 선사합니다. 최근 인기를 끄는 제로 음료에는 설탕 대신 대체 감미료가 들어갑니다. 아스파탐이나 사카린 같은 물질은 설탕보다 훨씬 강렬한 자극을 주면서도 신체에 흡수되는 에너지는 거의 없습니다. 이는 대체 감미료 분자가 혀의 특정 부위와 매우 강력하게 결합하여 뇌에 신호를 보내기 때문입니다. 덕분에 칼로리 걱정 없이도 혀끝에서는 설탕 이상의 달콤함을 만끽할 수 있어 다이어트 식품이나 대체 감미료로 널리 활용되고 있습니다. 서로 다른 구조를 가진 분자들이 어떻게 똑같이 단맛을 낼 수 있는지 의문이 생길 수 있습니다. 이는 우리 몸의 수용체가 특정 형태에만 국한되지 않고 여러 화합물에 반응할 수 있는 포용성을 지녔기 때문입니다. 대체 감미료는 설탕과는 다른 화학적 구성을 가졌음에도 수용체의 활성 부위에 성공적으로 안착하여 신호를 만들어냅니다. 다만 이러한 성분은 매우 강력한 효과를 지니므로, 건강한 식생활을 위해서는 섭취량 조절에 유의해야 합니다. 우리가 느끼는 맛은 분자와 수용체 사이의 정교한 상호작용이 만들어낸 결과물입니다. 최근에는 인공지능 기술인 알파폴드의 등장으로 단백질 구조 예측이 비약적으로 발전하며 미각 연구의 새로운 장이 열렸습니다. 이 기술을 활용하면 수용체의 구조를 정밀하게 분석하여 어떤 물질이 맛을 내는지 시뮬레이션할 수 있습니다. 과학의 발전은 이제 자연의 설탕을 넘어, 더 건강하고 혁신적인 달콤함을 창조하여 우리의 식탁을 더욱 풍성하게 만들어줄 것입니다.

과학플랫폼 SOAKKAOS + AI = SOAK

화학
생명과학
융합

[토크] 과학자가 생각하는 AI 노벨상 수상과 딥시크 논란 | 과학자들의 방과 후 수다 1 | 1편

최근 노벨상 위원회가 인공지능 분야의 공헌자들에게 물리학상과 화학상을 수여한 사건은 학계에 큰 파장을 일으켰습니다. 이는 전통적인 학문의 경계가 허물어지고 있음을 상징적으로 보여줍니다. 특히 단백질 구조를 예측하는 알파폴드와 같은 기술은 바이오 연구 현장에 혁명적인 변화를 가져왔으며, 인공지능이 단순한 도구를 넘어 과학적 발견의 핵심 동력으로 자리 잡았음을 증명했습니다. 이러한 변화는 과거 1990년대 말 컴퓨터 공학이 생물학에 적용되기 시작한 이래로 비약적인 발전을 거듭한 결과입니다. 이제는 물리, 화학, 생물의 구분이 모호해졌으며 질문의 본질에 따라 다양한 학문적 접근이 융합되는 시대가 도래했습니다. 노벨 물리학상을 받은 힌튼과 홉필드 교수의 업적은 인공지능 기술 자체보다는 그 근간이 되는 통계 물리학적 원리에 기반하고 있습니다. 홉필드 모델과 이를 발전시킨 볼츠만 머신은 물리학적 아이디어를 통해 인간의 신경망을 모방한 회로를 구성한 선구적인 시도였습니다. 비록 컴퓨터 과학자로 알려져 있지만, 이들의 연구는 근본적으로 물리학의 법칙을 활용하여 지능의 원리를 탐구했다는 점에서 학술적 정당성을 확보하고 있습니다. 이는 인공지능의 발전이 단순히 공학적 성과에 그치지 않고, 자연의 근본 원리를 탐구하는 기초 과학의 영역과 깊게 맞닿아 있음을 시사합니다. 최근 전 세계를 놀라게 한 딥시크의 등장은 인공지능 개발의 새로운 패러다임을 제시했습니다. 거대 자본과 수만 개의 GPU를 투입하는 미국의 방식과 달리, 중국의 엔지니어들은 제한된 자원 속에서 소프트웨어 최적화와 스마트한 알고리즘 설계를 통해 효율적인 모델을 만들어냈습니다. 이는 막대한 자본 없이도 창의적인 아이디어와 기술력만 있다면 거대 기업과 경쟁할 수 있다는 희망적인 메시지를 전 세계 젊은 과학자들에게 전달하고 있습니다. 특히 오픈 소스 생태계를 지향하는 이러한 움직임은 기술의 민주화와 혁신의 가속화를 이끄는 중요한 동력이 되고 있습니다. 국가별 과학 기술 생태계의 차이도 주목할 만합니다. 미국이 민간 주도의 혁신을 이끌고 유럽이 규제를 통해 개인정보를 보호한다면, 중국은 개방적인 생태계 구축을 통해 기술 혁신을 꾀하고 있습니다. 특히 딥시크가 선택한 MIT 라이선스와 같은 오픈 소스 전략은 기술 독점을 방지하고 더 큰 혁신을 유도하려는 전략적 선택입니다. 데이터의 활용과 규제 사이의 균형은 향후 국가 경쟁력을 결정짓는 중요한 요소가 될 것입니다. 이러한 생태계의 다양성은 인공지능 기술이 특정 국가나 기업에 종속되지 않고 인류 전체의 자산으로 발전하는 데 기여할 것입니다. 한국 사회의 고질적인 문제인 의대 쏠림 현상은 젊은 인재들이 도전을 주저하게 만드는 사회적 분위기를 반영합니다. 과거에는 아인슈타인이나 호킹 같은 과학자를 꿈꾸며 기초 과학에 투신하는 청년들이 많았으나, 현재는 실패에 대한 두려움과 안정 지향적인 가치관이 지배적입니다. 지속 가능한 발전을 위해서는 남들이 가지 않는 길을 선택하는 이들에 대한 존중과, 실패하더라도 다시 일어설 수 있는 사회적 안전망 구축이 절실합니다. 젊은이들이 거대 자본에 압도당하지 않고 자신만의 영역에서 새로운 가치를 창출할 수 있도록 격려하는 사회적 풍토가 마련되어야 합니다.

신예리, 윤성철, 이현숙, 정하웅

카오스재단과학자들의 방과 후 수다

물리학
생명과학
천문학

[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.

카오스재단카오스크로스

[인터뷰] 바이오인공지능연구센터 ABC #001 | 이현숙 센터장

서울대학교 바이오 인공지능 연구센터는 기초과학과 인공지능의 결합을 통해 인류 과학사에 새로운 족적을 남기고자 설립되었습니다. 이 센터는 국가 지원금이 아닌 순수 민간 기부금으로 운영되며, 눈에 보이는 단기적 목표보다는 미래를 개척하는 도전적인 연구를 지향합니다. 학과와 대학의 경계를 허물고 다양한 분야의 전문가들이 모여 협력하는 이 모델은 우리나라 연구 풍토와 지원 제도에 새로운 변화를 불러일으키고 있습니다. 센터는 단순한 연구 집단을 넘어, 인재들이 자유롭게 소통하며 시너지를 내는 혁신적인 플랫폼을 꿈꿉니다. 2020년 구글의 알파폴드가 단백질 구조 예측 기술을 발표한 사건은 센터 설립의 결정적인 계기가 되었습니다. 수십 년간 생명과학자들이 매달려온 난제를 인공지능이 해결하는 모습을 보며, 이현숙 센터장은 생명과학자로서 직업적 위기감과 두려움을 느꼈다고 회상합니다. 인공지능에 대한 무지가 미래의 뒤처짐으로 이어질 수 있다는 절박함은 혁신의 시작이 되었습니다. 이러한 두려움은 인공지능을 적이 아닌 동반자로 받아들이고, 이를 통해 더 큰 인류적 가치를 창출하려는 의지로 승화되었습니다. 바이오 인공지능 연구센터는 특정 학문에 국한되지 않는 초학제적 협력을 핵심 가치로 삼습니다. 인공지능 전문가뿐만 아니라 의학, 물리, 화학, 수학, 통계학, 기계공학 등 다양한 분야의 인재 40여 명이 모여 거대한 연구단을 구성했습니다. 이들은 단순히 자신의 연구를 수행하는 데 그치지 않고, 서로의 전문성을 공유하며 아무도 상상하지 못했던 새로운 프로젝트를 스스로 도출해 나갑니다. 이러한 자유로운 공모와 인터뷰를 통해 선발된 연구자들은 협력 연구에 대한 강력한 의지를 바탕으로 집단 지성의 힘을 보여주고 있습니다. 센터의 비전은 단순히 바이오와 인공지능의 결합을 넘어선 '종합 과학'의 실현에 있습니다. 10년, 20년 후에는 인공지능 외에도 새롭게 등장할 첨단 기술들을 유연하게 받아들여 생명 현상의 근원적인 질문들에 답하는 도전적인 연구단으로 성장하는 것이 목표입니다. 특히 인간의 질병 발생 원인 규명, 정밀한 진단, 신약 개발 등 인류의 삶을 실질적으로 개선할 수 있는 분야에 집중하고 있습니다. 이는 작은 나라에서도 세계를 놀라게 할 위대한 발견이 나올 수 있다는 가능성을 증명하려는 서울대학교의 담대한 도전이기도 합니다. 이현숙 센터장은 분자생물학자로서 유방암 억제 인자인 BRCA2의 기능을 규명하고 텔로미어의 항상성 유지 기전을 연구해 온 전문가입니다. 그녀의 연구 인생에서 가장 큰 성취는 역설적으로 '대실패'의 순간에서 시작되었습니다. 박사 과정 당시 세웠던 가설이 완전히 틀렸음을 입증하며 위기에 처했을 때, 포기하지 않고 도전했던 경험이 BRCA2 연구라는 거대한 기회로 이어졌습니다. 이러한 경험은 센터 운영 철학에도 반영되어, 연구자들이 실패를 두려워하지 않고 새로운 질문을 던질 수 있는 환경을 조성하는 밑거름이 되었습니다. 현재 생명과학 분야의 가장 큰 화두는 인공지능의 활용과 더불어 '노화' 연구입니다. 노화는 누구도 피할 수 없는 현상이지만, 그 분자생물학적 메커니즘은 여전히 미지의 영역으로 남아 있습니다. 센터는 인공지능과 데이터 사이언스를 활용해 노화 과정에서 발생하는 염증과 면역력 저하의 비밀을 풀고, 이를 통해 건강한 수명 연장을 실현하고자 합니다. 또한 방대한 유전자 시퀀싱 데이터를 학습하여 개인의 질병 확률을 예측하거나, 고해상도 영상 이미지를 분석해 세포의 운명을 정확히 판단하는 등 실질적인 연구 성과를 도출하고 있습니다. 이현숙 센터장은 자신이 단순한 롤 모델이 되기보다는, 후배 과학자들과 학생들이 마음껏 꿈을 펼칠 수 있는 '마당'이자 '플랫폼' 역할을 하기를 희망합니다. 과학은 스스로의 호기심을 좇는 과정이며, 그 과정에서 발생하는 시너지가 얼마나 큰 변화를 이끌어낼 수 있는지 보여주는 것이 그녀의 사명입니다. 바이오 인공지능 연구센터는 단순히 연구비를 지원하는 곳이 아니라, 사람들의 꿈이 모여 인류의 미래를 바꾸는 공간입니다. 이곳에서 탄생할 새로운 과학적 발견들이 세상을 더 나은 곳으로 만들 것이라는 낙관적인 믿음이 센터를 움직이는 원동력입니다.

카오스재단카오스크로스

[인터뷰] ABC가 뭐야? 바이오X인공지능 200억 프로젝트 | 이현숙 서울대 생명과학부 교수

바이오 인공지능 연구단(ABC)은 인공지능이 바이오 분야에 혁신을 가져올 것이라는 확신에서 출발했습니다. 과거 알파고의 등장은 많은 이들에게 충격을 주었지만, 동시에 인공지능이 생명과학과 결합했을 때 발휘할 엄청난 잠재력을 예견하게 했습니다. 단순히 바둑을 두는 기술을 넘어, 복잡한 생명 현상을 해석하는 도구로서의 인공지능은 이제 선택이 아닌 필수적인 연구 수단이 되었습니다. 이러한 흐름 속에서 ABC는 새로운 과학적 탐구의 시작을 알리는 고유 명사로 자리 잡고 있습니다. 과학계에서 수십 년간 연구에 매진해 온 전문가라 할지라도, 급변하는 기술의 흐름을 놓치면 도태될 수 있다는 위기감이 존재합니다. 특히 알파폴드의 등장은 기존의 연구 방식만으로는 해결할 수 없는 새로운 영역이 열렸음을 시사했습니다. 이에 대응하기 위해 연구자 개인이 모든 코딩 기술을 익히기보다는, 각 분야의 최고 전문가들이 모여 협력할 수 있는 플랫폼을 구축하는 것이 중요해졌습니다. 서로 다른 전공의 인재들이 한자리에 모여 질문을 공유하고 답을 찾아가는 과정이 바로 혁신의 핵심입니다. 대규모 기부금은 연구단 출범의 결정적인 동력이 되었으며, 이는 고성능 GPU 클러스터와 같은 필수 인프라를 구축하는 밑거름이 되었습니다. 서울대학교 내 자연대, 공대, 의대 등 다양한 학문적 배경을 가진 인재들이 대학별 안배 없이 오직 실력만으로 선발되어 유기적인 연구 체계를 갖추었습니다. 인공지능 기술과 생물학적 데이터, 그리고 임상 현장의 목소리가 결합할 수 있는 마당이 마련된 것입니다. 이러한 환경은 단순히 기술을 모방하는 수준을 넘어, 독창적인 질문을 던지고 해결하는 기반이 됩니다. 연구단 내부에서는 서로 다른 분야의 지식이 만나 새로운 가치를 창출하는 흥미로운 협업이 활발히 진행되고 있습니다. 예를 들어, 미세유체역학적 힘을 측정하는 공학 기술을 세포 노화나 분열과 같은 생물학적 운명 결정 연구에 도입하는 시도가 대표적입니다. 생물학자가 미처 생각하지 못한 물리적 관점을 공학자가 제시하고, 이를 인공지능으로 분석함으로써 이전에는 보지 못했던 생명의 신비를 밝혀내고 있습니다. 이러한 진정한 의미의 학문적 케미스트리는 기존의 경계를 허물고 새로운 연구 분야를 개척하는 원동력이 됩니다. 바이오 인공지능 연구의 궁극적인 목표는 인류의 건강과 삶의 질 향상에 기여하는 것입니다. 질병의 조기 진단과 저비용 진단 기술, 그리고 환자 맞춤형 치료법 개발은 인공지능이 가장 잘 해낼 수 있는 영역 중 하나입니다. 또한, 이러한 첨단 과학의 성과를 연구실 안에만 가두지 않고 대중과 적극적으로 소통하며 공유하는 것은 과학자의 중요한 책무입니다. 미래 세대에게 영감을 주고 국가 R&D 정책의 올바른 방향을 제시함으로써, ABC는 지속 가능한 과학 기술 생태계를 조성하는 초석이 되고자 합니다.

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.

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.

백민경

카오스재단카오스크로스

화학
생명과학

[강연] 2024 '노벨상 해설강연' by 조정효, 백민경, 이준호 l 고등과학원&카오스재단

2024년 노벨 물리학상은 인공지능의 기초를 닦은 존 홉필드와 제프리 힌턴에게 돌아갔습니다. 이들은 물리학의 통계적 원리를 활용해 인공신경망이 정보를 저장하고 학습하는 초기 모델을 고안했습니다. 홉필드 모델은 물리학의 에너지 지평 개념을 도입하여 불완전한 정보에서 원래의 패턴을 복원하는 기억의 원리를 설명했습니다. 이는 현대 딥러닝의 이론적 토대가 되었으며, 물리학적 통찰이 어떻게 첨단 기술의 근간이 될 수 있는지를 보여주는 상징적인 사례로 평가받습니다. 인공신경망은 이제 단순한 계산 도구를 넘어 인간의 지능을 모사하는 핵심 기술로 자리 잡았습니다. 제프리 힌턴은 홉필드의 아이디어를 확장하여 볼츠만 머신과 오차 역전파 알고리즘을 발전시켰습니다. 그는 데이터의 확률 분포를 학습하는 생성 모델의 원형을 제시하며, 인공지능이 단순한 분류를 넘어 새로운 정보를 생성할 수 있는 가능성을 열었습니다. 특히 층을 깊게 쌓은 심층신경망의 학습 가능성을 증명함으로써 오늘날의 생성형 AI 시대를 가능케 했습니다. 이러한 성과는 물리학적 통찰이 복잡한 데이터 처리 시스템의 효율성을 극대화하는 데 결정적인 역할을 했음을 시사합니다. 이는 인공지능 발전의 역사에서 물리학이 수행한 중추적인 역할을 다시금 확인시켜 줍니다. 노벨 화학상은 단백질 구조 예측과 설계 분야에서 혁신을 일으킨 데이비드 베이커, 데미스 허사비스, 존 점퍼가 수상했습니다. 단백질은 생명 현상을 수행하는 핵심 일꾼으로, 그 기능을 이해하려면 복잡하게 접힌 3차원 구조를 파악하는 것이 필수적입니다. 구글 딥마인드의 알파폴드는 인공지능을 활용해 수십 년간 난제로 남아있던 구조 예측 문제를 해결했습니다. 이는 실험에 수년이 걸리던 작업을 단 몇 분 만에 처리할 수 있게 함으로써 생명과학 연구의 패러다임을 완전히 바꾸어 놓았습니다. 이제 과학자들은 방대한 단백질 데이터를 바탕으로 생명의 신비를 더욱 빠르게 파헤치고 있습니다. 데이비드 베이커 교수는 인공지능을 활용해 자연계에 존재하지 않는 새로운 단백질을 설계하는 데 성공했습니다. 그는 단백질이 형성되는 물리적 원리를 바탕으로 특정 기능을 수행할 수 있는 아미노산 서열을 계산해내는 '로제타'와 'RF디퓨전' 모델을 개발했습니다. 이를 통해 질병 치료를 위한 정밀 약물 전달체나 환경 오염을 해결할 플라스틱 분해 효소 등을 맞춤형으로 제작할 수 있는 길이 열렸습니다. 단백질 설계 기술의 발전은 인류가 직면한 난치병과 환경 문제를 해결할 강력한 무기가 될 것입니다. 이는 기초 과학의 원리가 인공지능이라는 도구를 만나 실질적인 인류의 혜택으로 전환된 사례입니다. 노벨 생리의학상은 예쁜꼬마선충 연구를 통해 마이크로RNA를 발견한 빅터 앰브로스와 게리 러브컨에게 수여되었습니다. 이들은 아주 작은 벌레인 선충의 발생 과정을 추적하던 중, 단백질 정보를 담고 있지 않은 아주 작은 RNA 조각이 유전자 발현을 조절한다는 사실을 우연히 발견했습니다. 이는 기존의 생명 중심 원리에서 설명하지 못했던 새로운 유전자 조절 층위를 밝혀낸 것입니다. 아주 단순한 생명체에 대한 호기심이 생명 과학의 근본적인 원리를 뒤흔드는 거대한 발견으로 이어진 셈입니다. 이 발견은 생명체가 얼마나 정교한 시스템을 통해 스스로를 통제하는지 보여주는 중요한 이정표가 되었습니다. 마이크로RNA는 선충뿐만 아니라 인간을 포함한 고등 생물에게도 진화적으로 잘 보존되어 있으며, 세포의 성장과 분화에 결정적인 역할을 합니다. 특정 마이크로RNA의 이상은 암이나 유전병 등 다양한 질병의 원인이 되기도 합니다. 이 발견은 유전자가 단순히 단백질을 만드는 설계도에 그치지 않고, 그 발현 시기와 양을 정밀하게 조절하는 복잡한 시스템임을 증명했습니다. 현재는 이를 활용한 새로운 진단 기술과 치료제 개발 연구가 활발히 진행되며 인류의 건강 증진에 기여하고 있습니다. 작은 분자 하나가 생명 현상의 거대한 흐름을 조절한다는 사실은 현대 의학에 새로운 지평을 열어주었습니다. 2024년 노벨상은 과학의 새로운 도구로서 인공지능의 위상을 공고히 하는 동시에, 기초 과학의 끈질긴 탐구 정신이 얼마나 중요한지를 일깨워 줍니다. 인공지능은 방대한 데이터를 분석하고 예측하는 강력한 도구이지만, 그 도구를 어디에 사용할지 결정하고 새로운 질문을 던지는 것은 여전히 인간의 몫입니다. 물리학, 화학, 생물학의 경계가 허물어지는 융합의 시대에서, 기초 과학에 대한 깊은 이해와 창의적인 상상력은 인류의 지식을 확장하고 미래의 난제를 해결하는 가장 확실한 열쇠가 될 것입니다. 과학자들의 끊임없는 도전은 인공지능이라는 날개를 달고 더욱 먼 미래를 향해 나아가고 있습니다.

백민경, 이준호, 조정효

카오스재단카오스크로스

물리학
화학
생명과학

[토크] 인간vs인공지능, 노벨상의 주인공은?!_과학자들의 방과 후 수다_2편 | 2편

비만이 전염된다는 연구 결과는 매우 흥미로운 시사점을 던져줍니다. 통계에 따르면 가장 친한 친구가 비만일 경우 본인이 비만이 될 확률이 57%나 높아지며, 형제나 배우자 사이에서도 유사한 경향이 나타납니다. 이는 단순히 바이러스처럼 옮는 것이 아니라, 함께 식사하고 어울리는 과정에서 생활 습관과 가치관이 비슷해지기 때문입니다. 이러한 '사회적 전염' 현상은 우리가 맺고 있는 사회적 관계가 개인의 신체적 상태와 건강에 얼마나 깊은 영향을 미치는지를 잘 보여주는 사례라고 할 수 있습니다. 비만의 사회적 전염 이면에는 우리 몸속 미생물 생태계인 '마이크로바이옴'이 존재합니다. 장내에 서식하는 수많은 미생물은 우리가 섭취한 음식물을 바탕으로 다양한 대사 산물을 만들어내며 건강과 질병의 상태를 결정짓습니다. 나쁜 장내 세균이 내뿜는 물질은 비만뿐만 아니라 대사성 질환의 직접적인 원인이 되기도 합니다. 결국 건강을 유지한다는 것은 단순히 칼로리를 조절하는 것을 넘어, 우리 몸 안의 미생물들이 건강한 균형을 이룰 수 있도록 관리하는 정교한 과정이라 할 수 있습니다. 최근 제약 시장에서 가장 주목받는 분야는 GLP-1 계열의 비만 치료제입니다. 본래 제2형 당뇨병 치료를 목적으로 개발되었으나, 뛰어난 체중 감량 효과가 입증되면서 항암제 시장을 위협할 정도로 거대한 규모로 성장했습니다. 비만은 단순한 외모의 문제를 넘어 암, 심장병, 염증성 질환 등 수많은 병증의 근원이기에 이를 해결하는 치료제의 등장은 인류 건강 증진에 획기적인 기여를 하고 있습니다. 특히 부작용이 상대적으로 적다는 점은 이 약물이 대중적인 관심을 받는 주요한 이유가 됩니다. 과학적 업적의 가치를 인정하는 최고의 영예인 노벨상은 시대의 흐름에 따라 그 평가 기준이 조금씩 변해왔습니다. 때로는 독창적인 발견을 한 사람보다 이를 실생활에 응용하여 큰 파급력을 일으킨 연구자가 주목받기도 하며, 수상 인원 제한으로 인해 뛰어난 공헌자가 제외되는 논란이 발생하기도 합니다. 하지만 노벨상의 본질은 결국 인류에게 지대한 공헌을 한 발견을 기리는 데 있습니다. 최근 mRNA 백신 기술의 수상 사례처럼, 과학이 인류가 직면한 거대한 문제를 해결하는 방식에 대한 가치가 점점 더 중요해지고 있습니다. 인공지능 기술의 비약적인 발전은 이제 과학 연구의 패러다임 자체를 바꾸고 있습니다. 구글 딥마인드가 개발한 '알파폴드'는 생물학의 오랜 난제였던 단백질 구조 예측을 성공적으로 수행하며 신약 개발과 분자 생물학 연구에 혁신을 가져왔습니다. 이제 과학자들은 실험실에서 직접 구조를 분석하기에 앞서 AI가 예측한 데이터를 활용하여 연구의 효율성을 극대화합니다. 이러한 도구의 등장은 인간의 지적 능력을 확장하며, 과거에는 상상하기 힘들었던 속도로 지식의 지평을 넓히는 중요한 전환점이 되고 있습니다. 하지만 거대 언어 모델 중심의 AI 발전에는 명확한 한계와 과제도 존재합니다. 모델의 크기를 키울수록 기하급수적으로 늘어나는 전력 소모와 고품질 학습 데이터의 고갈 문제는 지속 가능성에 대한 의문을 제기합니다. 단순히 규모를 확장하는 것만으로는 진정한 지능의 진보를 이루기 어렵다는 지적도 나옵니다. 복잡계 과학의 관점에서 볼 때, 진정한 지능은 개별 요소들의 단순한 합이 아니라 그들 사이의 유기적인 상호작용을 통해 자연스럽게 발현되는 '창발'의 결과물이어야 하기 때문입니다. 과학은 인간의 경험 세계를 확장하고 우리가 보지 못했던 영역을 보게 해주는 숭고한 활동입니다. 제임스 웹 우주망원경이 우주의 기원을 탐구하며 인류의 시야를 넓히듯, 과학은 끊임없이 새로운 질문을 던지며 진보합니다. 그러나 모든 가치가 데이터와 논리로만 설명되는 것은 아닙니다. 와인 한 잔의 가치가 수치화된 점수보다 함께 마시는 사람과의 즐거운 교감에 의해 결정되듯, 과학적 발견 역시 인간의 삶과 따뜻하게 연결될 때 진정한 의미를 갖습니다. 결국 과학의 궁극적인 목적은 인류의 삶을 더 풍요롭게 만드는 데 있습니다.

신예리, 윤성철, 이현숙, 정하웅

카오스재단과학자들의 방과 후 수다

물리학
생명과학
천문학

[강연] 인공지능으로 풀어낸 단백질의 비밀 _ by백민경｜제30회 서울대 자연과학대학 공개강연 | 4강

과학의 진정한 묘미는 서로 다른 기술과 사람이 만나 새로운 발전을 만들어내는 '연결'에 있습니다. 우리 몸을 구성하는 아주 작은 분자인 단백질 연구 역시 이러한 연결을 통해 혁신을 맞이했습니다. 단백질은 우리 몸 안의 거의 모든 생명현상에 관여하는 핵심 물질로, 산소를 운반하거나 화학 반응을 촉진하는 효소 역할을 하며 외부 침입에 맞서는 면역체계를 유지하는 등 생존에 필수적인 기능을 수행합니다. 세포 내부를 들여다보면 물과 지방을 제외한 대부분이 단백질로 이루어져 있을 만큼 그 중요성은 절대적입니다. 화학을 전공하며 인류를 구원할 신약개발을 꿈꿨던 연구자는 실험실에서 시약을 섞는 대신 컴퓨터를 활용하는 계산화학의 길을 선택했습니다. 복잡한 수식과 논리로 단백질의 구조를 예측하는 이 분야는 손에 물을 묻히지 않고도 생명과학의 난제를 풀 수 있는 가능성을 제시했습니다. 특히 알파고와 이세돌의 대국은 인공지능이 과학 연구의 패러다임을 바꿀 수 있다는 강력한 희망을 심어주었으며, 이는 곧 컴퓨터 기술과 생명과학이 결합하여 새로운 지평을 여는 계기가 되었습니다. 2021년 발표된 '로제타폴드'는 인공지능 기반의 단백질 구조 예측 기술로, 바이오 분야의 획기적인 혁신으로 평가받습니다. 기존의 실험 방식은 단백질 구조 하나를 밝히는 데 수년의 시간과 수백억 원의 비용이 소요되었지만, 인공지능은 이를 단 몇 시간 만에 해결할 수 있게 했습니다. 사이언스지가 올해의 연구 성과로 선정하기도 한 이 기술은 단순히 속도의 문제를 넘어 인류가 겪는 수많은 질병의 치료제를 찾는 속도를 비약적으로 높여 신약개발의 새로운 시대를 열었습니다. 단백질은 아미노산이라는 작은 분자들이 사슬처럼 연결된 생체 고분자 물질입니다. 이 사슬이 어떤 순서로 배열되고 어떤 3차원 모양으로 접히느냐에 따라 단백질의 고유한 기능이 결정됩니다. 예를 들어 코로나바이러스가 인체 세포와 어떻게 결합하여 감염을 일으키는지 이해하려면 그 표면 단백질의 입체 구조를 정확히 알아야 합니다. 이러한 구조 정보를 바탕으로 우리는 바이러스의 결합을 방해하는 치료제를 만들거나 바이오센서로 활용할 수 있는 정밀한 백신을 설계할 수 있게 됩니다. 하지만 단백질이 가질 수 있는 구조의 경우의 수는 10의 300승 개에 달할 정도로 방대하여, 물리학적 원리만으로는 이를 예측하는 데 우주의 나이보다 긴 시간이 걸립니다. 연구자들은 이 난제를 해결하기 위해 단백질 진화의 역사에 주목했습니다. 수억 년의 진화 과정에서 생존에 성공한 단백질들은 구조와 기능을 유지하는 특정한 패턴을 서열 안에 간직하고 있습니다. 인공지능은 바로 이 방대한 서열 데이터 속에 숨겨진 복잡한 패턴을 찾아내는 데 탁월한 능력을 발휘하며 불가능해 보였던 예측을 현실로 만들었습니다. 인공지능은 단백질 서열이라는 '글'을 읽고 구조라는 '그림'을 그려내는 과정을 반복하며 정답에 가까운 구조를 찾아냅니다. 이제 기술은 단일 단백질의 구조 예측을 넘어, 단백질 간의 상호작용과 결합 구조까지 예측하는 단계로 진화했습니다. 이를 통해 암세포가 면역세포의 공격을 피하는 기제를 차단하는 새로운 항암제 후보물질을 설계하는 등 맞춤형 단백질 신약개발의 문이 활짝 열렸습니다. 이는 질병의 원인을 정확히 타격하는 정밀 의료의 핵심 기술로 자리 잡고 있습니다. 과학적 성취의 이면에는 서로 다른 분야를 잇는 '브리징 피플(Bridging People)'의 역할이 결정적이었습니다. 인공지능 전문가와 생물학자가 서로의 언어를 이해하고 협업할 때 비로소 거대한 혁신이 일어납니다. 새로운 것을 배우는 데 두려움 없이 다양한 분야 사이의 연결고리를 찾는 연습은 단백질이라는 작은 세계를 넘어 인류의 건강한 미래를 설계하는 가장 강력한 동력이 될 것입니다. 서로 다른 학문의 경계를 허무는 소통의 능력이야말로 현대 과학이 요구하는 가장 중요한 자질입니다.

백민경

카오스재단서울대자연과학공개강연

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.

백민경

카오스재단서울대자연과학공개강연

생명과학

[강연] 제30회 서울대 자연과학대학 공개강연_'과학이 다시 연결하는...' (2) by 손상모, 백민경 l 서울대학교&카오스재단 | 2부

서울대학교 자연과학 공개 강연이 어느덧 30주년을 맞이하며 과학 나눔의 소중한 가치를 되새기고 있습니다. 이번 강연의 핵심 주제인 '연결'은 과학이 단순히 지식을 쌓는 과정을 넘어, 보이지 않는 세계를 잇고 인류의 호기심을 현실로 만드는 가교임을 상징합니다. 거대한 우주의 기원부터 우리 몸속 미세한 단백질의 구조에 이르기까지, 과학은 서로 다른 영역을 하나의 맥락으로 묶어내며 인류가 나아갈 새로운 방향과 무한한 가능성을 제시하고 있습니다. 제임스웹 우주망원경은 인류가 우주를 바라보는 시각을 근본적으로 혁신하고 있습니다. 허블 우주망원경의 뒤를 이어 더 멀리, 더 선명하게 우주 초기를 들여다보기 위해 설계된 이 망원경은 무려 135억 년 전의 빛을 추적합니다. 적외선 관측 기술을 통해 가시광선으로는 결코 볼 수 없던 우주 먼지 구름 너머의 별 탄생 과정과 초기 은하의 형성을 생생하게 포착함으로써, 우리는 우주의 기원과 인류의 뿌리에 대해 이전보다 훨씬 깊이 있는 이해를 얻게 되었습니다. 이 경이로운 망원경은 지구에서 약 150만 킬로미터 떨어진 제2 라그랑주 점(L2)이라는 특수한 지점에서 임무를 수행합니다. 태양의 강력한 열기를 차단하는 테니스장 크기의 거대한 태양 차단막과 적외선을 효과적으로 반사하기 위해 순금으로 도금된 육각형 거울들은 현대 공학 기술의 정수를 보여줍니다. 영하 230도 이하의 극저온 환경을 유지하며 우주 끝에서 오는 미세한 신호를 포착해내는 기술력은 인류의 지적 탐구심이 도달할 수 있는 한계가 어디까지인지를 증명합니다. 거시적인 우주에서 시선을 돌려 우리 몸속의 미시 세계를 살펴보면 생명 현상의 핵심인 단백질이라는 경이로운 분자를 만나게 됩니다. 단백질은 우리 몸의 거의 모든 생체 반응에 관여하지만, 그 복잡한 3차원 구조를 정확히 밝혀내는 일은 과학계의 오랜 난제였습니다. 최근 인공지능 기술은 이 문제를 획기적으로 해결하며 생명과학의 패러다임을 바꾸고 있습니다. 수개월에서 수년이 걸리던 구조 분석을 단 몇 시간 만에 정확히 예측해내며 신약 개발의 속도를 앞당기고 있습니다. 인공지능이 단백질 구조를 예측할 수 있는 비결은 수억 년에 걸친 진화의 역사 속에 숨겨진 패턴을 찾아내는 데 있습니다. 생명체가 생존을 위해 유지해온 단백질 서열의 변화를 분석하면, 특정 구조를 형성하기 위한 생물학적 규칙을 발견할 수 있습니다. 방대한 빅데이터와 인공지능 알고리즘의 결합은 복잡한 생물학적 원리를 데이터 과학의 언어로 재해석해냈습니다. 이러한 기술적 진보는 질병의 원인을 규명하고 맞춤형 치료제를 설계하는 데 있어 강력한 도구가 되고 있습니다. 현대 과학의 비약적인 발전은 단일 분야의 성과를 넘어 서로 다른 학문이 만날 때 비로소 가속화됩니다. 인공지능 전문가와 생물학자가 소통하며 새로운 알고리즘을 설계하고, 물리학과 화학의 원리가 정밀한 공학적 설계에 녹아드는 과정은 융합의 중요성을 잘 보여줍니다. 서로 다른 언어를 사용하는 전문가들 사이를 잇는 '브리징 피플'의 역할은 이제 필수적입니다. 학문 간의 경계를 허무는 유연한 사고와 협업이야말로 복잡한 현대 사회의 난제들을 해결하는 진정한 열쇠입니다. 포스트 코로나 시대를 맞이하며 우리는 단절되었던 관계를 회복하고 새로운 형태의 연결을 모색하고 있습니다. 과학은 과거의 빛을 통해 미래를 예측하고, 작은 분자의 구조를 통해 인류의 건강을 지키는 등 끊임없이 세상을 연결하는 역할을 수행합니다. 이번 강연은 과학이 단순한 학문적 유희를 넘어 우리 삶의 가치와 맥락을 잇는 소중한 매개체임을 다시 한번 일깨워주었습니다. 과학을 통해 넓어진 시야는 우리 각자가 꿈꾸는 미래를 더욱 선명하게 그려나가는 힘이 될 것입니다.

백민경, 손상모

카오스재단서울대자연과학공개강연

생명과학
천문학

[질문과 토론의 과학 #32] 🧬알파폴드, 단백질 구조 예측 분야 평정!

화학은 전통적으로 하얀 가운을 입고 실험실에서 수행하는 학문으로 인식되어 왔습니다. 하지만 물리학의 발전과 함께 분자라는 물리 현상을 설명할 수 있는 이론들이 정립되면서 물리화학이라는 분야가 탄생했습니다. 이제는 종이 위에서 이론을 푸는 단계를 넘어 컴퓨터를 활용해 분자의 성질을 밝혀내는 계산화학이 중요한 역할을 하고 있습니다. 양자화학이나 분자동역학 같은 분야를 통해 실험으로 관찰하기 어려운 미세한 현상이나 찰나의 순간을 예측하는 것이 가능해졌으며, 이는 현대 화학 연구의 필수적인 도구가 되었습니다. 단백질 구조 예측이 계산화학 분야에서 난제로 꼽히는 이유는 크게 두 가지입니다. 첫째는 수천 개의 원자로 구성된 단백질의 상호작용을 양자역학적으로 완벽하게 계산하기에는 현재의 컴퓨터 성능으로도 한계가 있기 때문입니다. 둘째는 단백질이 긴 사슬 모양으로 되어 있어 접힐 수 있는 경우의 수가 무수히 많다는 점입니다. 자연의 법칙을 최대한 단순화하여 근사치를 구하려 노력하지만, 실제 구조와 100% 일치하는 에너지 함수를 찾아내는 것은 여전히 복잡하고 어려운 과제로 남아 있어 전 세계 과학자들이 이 문제에 도전하고 있습니다. 단백질 구조 예측의 월드컵이라 불리는 CASP 대회에서 최근 가장 큰 화두는 구글 딥마인드의 알파폴드였습니다. 바둑 인공지능인 알파고를 통해 축적된 노하우와 데이터 처리 기술이 단백질 구조 예측에 접목되면서 놀라운 성과를 거두었습니다. 알파폴드는 기존 과학자들이 정립한 개념과 엔지니어들의 기술력을 성공적으로 결합하여 새로운 돌파구를 마련했습니다. 이는 인공지능이 단순히 게임의 영역을 넘어 생명과학의 근본적인 문제를 해결하는 강력한 도구가 될 수 있음을 시사하는 중요한 사건이었으며, 과학계에 큰 자극을 주었습니다. 알파폴드의 성공 뒤에는 인공지능 기술뿐만 아니라 뛰어난 과학자들과의 협업이 있었습니다. 특정 연구자의 혁신적인 논문이 구글 딥마인드의 기술력과 만나면서 폭발적인 시너지를 낸 것입니다. 단백질은 우리 몸의 효소, 호르몬, 항체 등을 구성하는 핵심 물질이며, 그 복잡한 구조가 곧 생체 내에서의 기능을 결정합니다. DNA의 유전 정보가 아미노산 서열을 만들고, 이것이 입체적으로 꼬이고 접히며 완성되는 과정은 생명 현상의 신비 그 자체라고 할 수 있습니다. 구조가 기능을 결정한다는 원칙 아래, 단백질의 형태를 파악하는 것은 생명 과학의 핵심입니다. 인공지능의 발전으로 단백질 구조 예측의 정확도가 높아지면서 난치병 치료에 대한 기대감도 커지고 있습니다. 하지만 구조를 아는 것만으로 모든 질병이 해결되는 것은 아니며, 실제 치료와 연결되기 위해서는 여전히 넘어야 할 산이 많습니다. 최근에는 알파폴드 2를 기반으로 한 로제타폴드와 같은 프로그램들이 등장하며 연구의 저변이 확대되고 있습니다. 특히 한국인 과학자들의 활약도 두드러지는 이 분야는, 인공지능과 기초 과학의 융합을 통해 인류의 건강과 생명의 비밀을 풀어나가는 새로운 시발점이 될 것으로 기대를 모으고 있습니다.

카오스재단질토과 + 짧강

[질문Q] 알파폴드가 단백질 구조 예측을 잘하는 이유? | 2018 가을 카오스 강연 '화학의 미스터리, CheMystery' 9강

단백질 구조 예측의 정확성을 검증하는 것은 연구의 핵심적인 단계입니다. CASP와 같은 대회에서는 실험적으로 밝혀질 예정인 구조를 대상으로 예측을 수행하지만, 실제 연구 현장에서는 간접적인 실험을 통해 이를 확인합니다. 특정 아미노산을 변형했을 때 나타나는 성질의 변화를 관찰함으로써 예측된 구조의 타당성을 검토하는 방식입니다. 이러한 과정을 거쳐 구조 전체를 완벽히 풀어내지 못하더라도, 단백질이 가진 고유한 특성을 파악하고 다음 단계의 응용 연구로 나아갈 수 있는 토대를 마련하게 됩니다. 초저온 전자현미경(Cryo-EM)은 기존의 X선 방식보다 편리한 도구이지만, 여전히 단백질 시료 확보라는 큰 과제를 안고 있습니다. 특히 세포막에 파묻힌 단백질은 분리 과정에서 안정화하기가 매우 까다로워 실험적 접근이 어렵습니다. 실제 시료를 다루는 실험은 계산 과학에 비해 막대한 비용과 시간이 소요되며, 실험 환경과 실제 생체 환경 사이의 차이를 극복해야 하는 문제도 존재합니다. 따라서 실험 데이터의 한계를 인지하고 이를 보완할 수 있는 다각적인 연구 태도가 필수적입니다. 첨단 과학 연구를 지속하기 위해서는 이를 뒷받침할 수 있는 기반 시설과 컴퓨팅 자원이 필수적입니다. 우리나라는 IT 강국으로 불리지만, 기초 과학 분야에 투입되는 슈퍼컴퓨팅 자원은 주요 선진국들에 비해 다소 부족한 실정입니다. 계산 과학의 비중이 커지는 현대 연구에서 인프라에 대한 관심과 투자는 과학자들이 연구에 몰입할 수 있는 중요한 토대가 됩니다. 국가적 차원의 인프라 구축은 단순히 장비를 갖추는 것을 넘어, 미래 과학 기술의 경쟁력을 결정짓는 핵심 요소로 작용합니다. 전통적인 분자 구조 예측은 물리학 법칙에 기반하여 차근차근 계산을 쌓아가는 방식을 취해왔습니다. 하지만 원자 수가 늘어날수록 계산량이 기하급수적으로 증가하여 현재의 슈퍼컴퓨터로도 수개월에서 수년이 걸리는 한계가 있습니다. 이러한 물리적 계산의 시간적 제약을 극복하기 위해 최근에는 머신러닝 기법이 적극적으로 도입되고 있습니다. 머신러닝은 데이터로부터 학습하여 실용적인 예측 결과를 도출하며, 원리 기반의 프로그램이 해결하지 못하는 영역을 보완하는 중요한 역할을 수행합니다. 인공지능을 활용한 화학 연구에서 가장 중요한 것은 양질의 데이터를 어떻게 효율적으로 학습시키느냐에 달려 있습니다. 알파폴드의 성공 사례에서 보듯, 기존의 과학적 지식과 서열 진화 법칙 같은 정교한 데이터를 입력값으로 사용하는 것이 결과의 질을 결정합니다. 또한 분자의 3차원 구조나 텍스트 표현 등 컴퓨터가 이해하기 쉬운 방식으로 데이터를 가공하는 연구도 활발히 진행 중입니다. 인공지능은 우리가 미처 알지 못했던 새로운 화학적 원리를 발견하게 해주는 강력한 계기가 될 것입니다.

카오스재단명강리뷰&질문Q

[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.

백민경

카오스재단카오스크로스

생명과학

[인터뷰] 최희정_ 구조세포생물학을 하고 싶어요! | 2021 가을 카오스강연 '과학의 희열'

과학은 끊임없이 미지의 영역에 대한 화두를 던지며 탐구의 가치를 증명하는 매력적인 분야입니다. 명확한 답을 주는 수학과 화학에 매료되었던 어린 시절의 열정은 고등학교 시절 화학 선생님의 영향으로 더욱 깊어졌습니다. 이러한 화학적 원리원칙에 대한 이해는 훗날 생물학적 현상을 탐구하는 든든한 밑바탕이 되었으며, 결국 단백질의 생김새와 기능을 연구하는 구조생물학자의 길로 이끌었습니다. 자신이 진정으로 즐길 수 있는 일을 찾는 것이야말로 과학자로서의 길을 꾸준히 걷게 하는 가장 큰 원동력이 됩니다. 구조생물학의 핵심은 '구조가 기능을 설명한다'는 원리에 있습니다. 이는 마치 나사를 조이는 드라이버와 볼트를 돌리는 스패너의 모양이 서로 다른 이유와 같습니다. 단백질 역시 특정한 3차원 구조를 형성함으로써 생체 내에서 고유한 역할을 수행합니다. 단백질을 구성하는 아미노산들은 화학 물질이기에, 이들 사이의 상호작용을 이해하는 데 있어 화학적 지식은 필수적입니다. 세포막 단백질이 외부 신호를 어떻게 받아들여 내부로 전달하는지 그 작용 기전을 밝히는 것은 생명 현상을 이해하는 첫걸음이 됩니다. 최근 구조생물학 분야는 인공지능 기술의 도입으로 획기적인 변화를 맞이하고 있습니다. 과거에는 단백질 구조 하나를 규명하는 데 막대한 시간과 노력이 필요했지만, 이제는 알파폴드2와 같은 프로그램을 통해 아미노산 서열만으로도 상당히 정확한 구조 예측이 가능해졌습니다. 하지만 거대 복합체의 형태나 미세한 화학 분자와의 결합을 예측하는 데는 여전히 한계가 존재합니다. 따라서 예측 프로그램은 연구를 대체하는 것이 아니라, 오히려 구조 정보를 효율적으로 활용하여 단백질의 기능을 더욱 깊이 있게 연구할 수 있도록 돕는 강력한 도구가 됩니다. 생명이란 무엇인가에 대한 정의는 관점에 따라 다양하게 해석될 수 있습니다. 물리학자 슈뢰딩거는 무질서 속에서 질서를 찾아가는 엔트로피 감소의 과정을 생명으로 보았으나, 생물학적으로는 유전 물질을 통한 증식과 대사 활동, 환경에 반응하며 진화하는 능력을 중시합니다. 이러한 기준에서 볼 때, 스스로 생존하지 못하고 숙주에 기생하는 바이러스는 생명체와 생명 물질 사이의 경계에 놓여 있습니다. 하지만 최근 거대 바이러스의 발견처럼 새로운 과학적 사실들이 밝혀짐에 따라 생명에 대한 우리의 정의와 기준도 끊임없이 변화하고 확장될 것입니다. 앞으로의 연구는 개별 단백질의 구조를 넘어, 복잡한 세포 시스템 안에서 일어나는 역동적인 상호작용을 직접 관찰하는 방향으로 나아가고 있습니다. 이를 '인사이투(In situ) 구조생물학'이라 부르는데, 이는 조각조각 떨어진 정보들을 세포라는 전체 맥락 속에서 하나로 짜 맞추는 작업입니다. 바이러스가 수용체와 결합하여 세포 내부로 침투하는 과정이나 단백질 간의 결합 시간을 실시간으로 확인하는 기술은 생명 현상을 더욱 입체적으로 이해하게 해줄 것입니다. 이러한 도전은 우리가 세포 안에서 일어나는 일들을 더욱 빠르고 정확하게 파악하는 시대를 열어줄 것입니다.

최희정

카오스재단카오스강연

생명과학

[그림으로 보는 과학뉴스] 2020 과학뉴스 TOP 5

2020년 한 해를 뒤흔든 가장 큰 과학적 성과는 단연 코로나19 백신 개발입니다. 보통 백신 개발에 10년이 소요되는 것이 상식이었으나, 전 세계 과학자들은 데이터 공유와 개방적 경쟁이라는 새로운 문화를 통해 이 기간을 2년 안으로 단축했습니다. 특히 화이자와 모더나가 선보인 mRNA 백신은 기존의 전통적인 방식에서 한 단계 도약한 기술적 진보를 보여주었습니다. 비록 콜드체인과 생산량 확보라는 현실적인 과제가 남아 있지만, 이는 인류가 팬데믹에 대응하는 속도를 혁신적으로 앞당긴 기념비적인 사건으로 기록될 것입니다. 유전자 변형 기술의 발전은 생태계 관리의 새로운 국면을 열었습니다. 미국 플로리다에서 실시된 유전자 변형(GM) 모기 살포 실험은 크리스퍼 유전자 가위 기술을 응용하여 특정 전염병을 매개하는 모기 개체 수를 조절하려는 시도였습니다. 이는 인간이 단순히 유전자를 관찰하는 단계를 넘어, 특정 생물 종의 운명을 결정할 수 있는 위치에 도달했음을 시사합니다. 비록 돌연변이 발생 가능성이나 생태계 영향에 대한 우려가 존재하지만, 이러한 기술적 시도는 과학이 인류의 보건 문제를 해결하기 위해 어디까지 확장될 수 있는지를 보여주는 중요한 사례가 되었습니다. 우주 탐사 분야에서도 놀라운 성과가 이어졌습니다. 일본의 하야부사 2호는 소행성 '류구'에 착륙하여 토양 샘플을 채취한 뒤 지구로 귀환하는 데 성공했습니다. 소행성은 태양계 형성 초기의 상태를 간직한 화석과 같은 존재로, 지구 생명체의 근원과 태양계의 역사를 밝힐 중요한 단서를 품고 있습니다. 수억 킬로미터 떨어진 작은 천체에 정확히 도달했다가 돌아오는 과정은 수학적 계산과 물리 법칙의 위대함을 증명했습니다. 이는 인류의 탐사 영역이 지구를 넘어 광활한 태양계로 뻗어 나가고 있음을 상징적으로 보여줍니다. 인공지능 기술은 생명과학의 난제를 해결하는 강력한 도구로 부상했습니다. 딥마인드의 알파폴드는 단백질의 3차원 구조를 예측하는 데 성공하며 생물학계에 혁명을 일으켰습니다. 단백질 구조를 파악하는 일은 질병 치료와 신약 개발의 핵심이지만, 그 복잡성 때문에 수십 년간 해결되지 못한 과제였습니다. 인공지능은 방대한 데이터를 학습하고 반복적인 계산을 수행함으로써 인간의 한계를 뛰어넘는 정확도를 보여주었습니다. 이제 생물학은 단순한 관찰의 영역을 넘어 데이터 과학과 물리학이 융합된 정밀 과학의 시대로 진입하고 있습니다. 기술의 눈부신 발전 이면에는 기후 위기라는 엄중한 현실이 놓여 있습니다. 전 세계적인 산불과 태풍, 그리고 해양 산호초의 백화 현상은 지구가 보내는 강력한 경고 신호입니다. 특히 해양 생태계의 보고인 산호초가 파괴되는 현상은 인류가 직면한 환경 위기의 심각성을 단적으로 보여줍니다. 코로나19로 인해 일회용품 사용이 급증하는 등 탄소 중립으로 가는 길은 더욱 험난해졌습니다. 하지만 과학자들은 기후 변화 예측 모델의 정교함을 높이며 우리가 대응해야 할 사회경제적 지점을 더욱 명확히 짚어내고 있습니다. 기후 위기에 대한 논의는 단순히 자연을 보호하자는 차원을 넘어 인류의 생존과 직결된 문제입니다. 지구라는 행성 자체는 수많은 멸종과 진화를 거치며 존속해 왔지만, 현재의 급격한 환경 변화는 호모 사피엔스의 생존 기반을 위협하고 있습니다. 과학 기술이 유전자를 변형하고 우주를 탐사하며 인공지능을 고도화하는 궁극적인 목적 역시 인류의 지속 가능한 미래를 확보하기 위함입니다. 따라서 우리는 과학적 성과에 환호하는 동시에, 기술이 생태계와 조화를 이루며 인류의 생존을 보장할 수 있는 방향으로 나아가고 있는지 끊임없이 성찰해야 합니다. 2020년은 예기치 못한 팬데믹으로 고통받은 한 해였지만, 동시에 과학 기술이 인류의 희망이 될 수 있음을 확인한 시간이기도 했습니다. 백신 개발의 속도전부터 우주 탐사의 드라마, 그리고 인공지능의 도약까지 과학은 멈추지 않고 전진했습니다. 다가오는 미래에는 이러한 기술적 성취들이 기후 위기와 같은 전 지구적 과제를 해결하는 데 더욱 적극적으로 활용되어야 할 것입니다. 과학은 단순히 지식을 쌓는 과정이 아니라, 우리가 세상을 이해하고 더 나은 미래를 설계하는 가장 강력한 도구임을 잊지 말아야 합니다.

국립과천과학관요즘과학👏

생명과학
지구환경과학
천문학
뇌인지과학
융합

[그림으로 보는 과학뉴스] 알파폴드 part 1

과거 이세돌 9단과의 바둑 대결로 전 세계를 놀라게 했던 구글 딥마인드가 이번에는 생물학의 거대한 난제를 해결하며 다시금 주목받고 있습니다. 바로 '알파폴드'라는 인공지능 프로그램을 통해 단백질 구조 예측 분야에서 혁신적인 성과를 거둔 것입니다. 이는 지난 50여 년간 수많은 과학자가 매달려온 생물학적 과제를 인공지능이 해결했다는 점에서 과학계에 엄청난 충격을 안겨주었습니다. 단백질 구조 연구는 생명 현상을 이해하는 핵심 열쇠로 평가받으며, 이번 성과는 컴퓨터 과학이 노벨상 수준의 기여를 할 수 있음을 보여주는 사례로 거론되고 있습니다. 생명의 설계도라 불리는 DNA는 아데닌, 티민, 구아닌, 사이토신이라는 네 가지 염기의 조합을 통해 아미노산 서열을 결정합니다. 총 64가지의 조합 중 실제로 우리 몸을 구성하는 아미노산은 약 20가지 종류에 불과합니다. 이 아미노산들이 사슬처럼 길게 연결되어 하나의 단백질을 형성하게 되는데, 이것이 단순히 일렬로 늘어서 있는 상태는 에너지가 매우 높아 불안정합니다. 따라서 단백질은 자연스럽게 에너지가 가장 낮은 안정된 상태를 찾아 복잡한 단백질 접힘 과정을 거치게 됩니다. 이러한 물리적 변화가 우리가 흔히 말하는 생명 활동의 기초가 됩니다. 단백질이 어떤 모양으로 접히느냐는 그 단백질이 수행할 기능을 결정하는 결정적인 요소입니다. 예를 들어 우리 몸의 손톱이 딱딱한 성질을 유지하거나 면역 체계에서 항체가 특정 바이러스를 인식하는 기능은 모두 단백질의 3차원 구조에서 비롯됩니다. 즉, 단백질의 3차원 구조를 정확히 파악하는 것은 곧 생명체가 어떻게 작동하는지, 그리고 특정 질병이 왜 발생하는지를 이해하는 근본적인 토대가 됩니다. 구조가 곧 기능을 정의한다는 점은 생물학의 대원칙 중 하나이며, 이를 규명하는 것은 인류가 생명의 신비를 푸는 과정에서 반드시 넘어야 할 산이었습니다. 단백질 구조 연구는 생물학의 영역을 넘어 물리학과 컴퓨터 과학의 융합이 필수적인 분야입니다. 아미노산 서열이 3차원 구조로 변하는 과정은 원자와 분자 사이의 물리적인 힘과 에너지 최적화 원리에 기반하기 때문입니다. 물리학자들은 이러한 미시적인 관점에서 생명체를 구성하는 물질들이 어떻게 안정된 구조를 형성하는지 탐구해 왔습니다. 이는 생명 현상이 단순히 화학적인 반응을 넘어 정교한 물리적 메커니즘에 의해 통제되고 있음을 시사합니다. 학문 간의 경계를 허무는 이러한 다학제적 접근은 복잡한 생명 현상을 시뮬레이션하고 예측하는 데 있어 핵심적인 역할을 수행합니다. 과거에는 단백질의 구조를 밝히기 위해 막대한 시간과 비용이 드는 실험적 방법이 동원되었습니다. 하지만 인공지능을 활용한 시뮬레이션 기술의 발전으로 이제는 컴퓨터가 원자 간의 힘을 계산하여 단백질의 모습을 정밀하게 구현해낼 수 있게 되었습니다. 실험 데이터와 인공지능의 예측치가 일치할 때 연구자들은 생명의 신비를 한 꺼풀 더 벗겨냈다는 희열을 느낍니다. 이러한 기술적 진보는 향후 신약 개발이나 질병 치료 등 인류의 삶을 개선하는 다양한 분야에서 혁명적인 변화를 이끌어낼 것으로 기대됩니다. 인공지능은 이제 단순한 도구를 넘어 과학적 발견의 새로운 패러다임을 제시하고 있습니다.

국립과천과학관요즘과학👏

물리학
생명과학
융합

[강연] 헬로 딥러닝 : 직관적이고 명확하게 딥러닝을 이해하기 _ by남세동 ㅣ 2020 가을 카오스강연 'Ai X' 9강 | 9강

컴퓨터는 본질적으로 숫자를 계산하는 기계입니다. 우리가 화면으로 보는 이미지나 듣는 음악도 결국은 디지털화된 숫자의 집합에 불과합니다. 전통적 프로그래밍 방식은 사람이 직접 논리와 절차를 설계하여 알고리즘을 만들고, 이를 코드로 옮기는 과정이었습니다. 하지만 고양이나 개를 구분하는 것과 같이 복잡한 패턴을 인식하는 문제는 인간이 모든 예외 상황을 코드로 정의하기에 한계가 있었습니다. 이러한 한계를 극복하기 위해 등장한 것이 바로 데이터 스스로 학습하는 딥러닝 기술입니다. 딥러닝의 핵심 구조인 인공신경망은 인간의 뇌 구조에서 영감을 얻었습니다. 인공신경망은 수많은 동그라미 형태의 노드와 이들을 잇는 화살표인 가중치로 구성됩니다. 놀랍게도 이 복잡해 보이는 시스템의 기본 원리는 단순한 곱셈과 덧셈의 반복입니다. 입력값에 가중치를 곱하고 이를 모두 더한 뒤, 활성화 함수를 거쳐 다음 노드로 전달하는 과정이 수없이 반복됩니다. 알파고나 자율주행 엔진 같은 최첨단 기술들도 그 내부를 들여다보면 결국 이러한 단순한 수치 계산의 거대한 집합체라고 할 수 있습니다. 인공지능을 학습시키는 대표적인 방법 중 하나는 정답을 알려주는 지도 학습입니다. 예를 들어 특정 배경색에 어울리는 글자색을 찾을 때, 수많은 예시 데이터를 입력하고 인공지능이 스스로 최적의 가중치를 찾아내도록 유도합니다. 처음에는 무작위로 설정되었던 가중치들이 반복적인 학습 과정을 거치며 점차 정답에 가까운 결과를 내놓게 됩니다. 이는 마치 어린아이가 반복 학습을 통해 사물을 구별하는 법을 배우는 과정과 유사하며, 데이터가 많아질수록 인공신경망은 더욱 정교한 판단을 내릴 수 있게 됩니다. 딥러닝의 가장 신기한 점은 일부 정답 데이터만으로도 학습하지 않은 수많은 사례를 정확히 판별해 낸다는 것입니다. 수천 장의 사진만 학습해도 수억 장의 새로운 사진 속 대상을 구분할 수 있는 이유는 데이터가 가진 고유한 패턴을 3차원 이상의 공간에 매핑하기 때문입니다. 비슷한 특징을 가진 데이터들은 특정 영역에 모이게 되고, 인공신경망은 이 영역들을 구분하는 경계선을 찾아냅니다. 이러한 일반화 능력 덕분에 인공지능은 단순한 암기를 넘어 새로운 상황에 유연하게 대처할 수 있는 지능적인 면모를 갖추게 됩니다. 인공신경망이 최적의 가중치를 찾아가는 과정은 매우 단순하면서도 무식할 정도로 반복적입니다. 입력값에 따른 결과가 정답과 다를 경우, 그 오차를 줄이기 위해 수천만 개에서 수십억 개에 달하는 가중치들을 조금씩 조정합니다. 이를 경사 하강법이라 부르는데, 오차라는 산의 골짜기를 찾아 내려가는 과정과 같습니다. 수학적으로 이러한 가중치가 존재한다는 것은 증명되었지만, 왜 이토록 단순한 방식으로 복잡한 지능이 구현되는지는 여전히 현대 과학의 신비로 남아 있습니다. 최근 딥러닝은 언어 모델인 GPT-3나 단백질 구조를 예측하는 알파폴드 2처럼 인류의 난제를 해결하는 수준에 도달했습니다. 이는 자연계에 존재하는 방대한 패턴을 숫자로 치환하여 분석할 수 있게 되었음을 의미합니다. 문장의 맥락을 파악하여 대화를 나누거나 복잡한 물리 시뮬레이션을 수천 배 빠르게 수행하는 등, 딥러닝은 인간의 지적 능력을 보조하는 강력한 도구가 되었습니다. 결국 딥러닝의 본질은 숫자의 집합속에서 유의미한 패턴을 찾아내어 이를 실용적인 지능으로 변환하는 기술이라 할 수 있습니다. 인류 역사를 돌아보면 기술의 활용이 이론적 이해보다 앞섰던 사례가 많습니다. 증기기관이 열역학 법칙이 정립되기 전부터 산업 혁명을 이끌었듯이, 딥러닝 역시 그 작동 원리를 완벽히 설명하지 못하더라도 이미 세상을 바꾸고 있습니다. 인공지능이 내놓는 결과가 왜 도출되었는지 인간이 완전히 이해하지 못하는 영역이 존재하지만, 이는 오히려 새로운 과학적 발견의 기회가 되기도 합니다. 우리는 이제 딥러닝이라는 거대한 도구를 통해 지능의 본질을 탐구하고 미래의 변화를 맞이할 준비를 해야 합니다.

남세동

카오스재단카오스강연

뇌인지과학

[코로나 인터뷰] 석차옥 _단백질 구조 연구가 중요한 이유

단백질은 생명체를 구성하는 핵심적인 분자로, 우리 몸이라는 거대한 기계를 이루는 부품과 같습니다. 기계의 부품이 각기 다른 모양을 지녀야 제 기능을 하듯, 단백질 역시 고유한 단백질 구조를 형성해야만 생명 현상을 유지하는 역할을 수행할 수 있습니다. 따라서 단백질 구조를 명확히 파악하는 일은 생명 현상의 본질을 이해하는 첫걸음이자, 각종 질병의 치료제를 개발하는 데 있어 매우 중요한 토대가 됩니다. 하지만 인간의 직관만으로는 이 복잡한 단백질 구조를 예측하는 것이 거의 불가능에 가깝습니다. 단백질 구조를 예측하는 일은 수십 년간 과학계의 난제로 남아 있습니다. 최근 인공지능 기술인 알파폴드가 등장하며 큰 진전을 이루었지만, 여전히 한계는 존재합니다. 알파폴드는 기존에 축적된 아미노산 서열이 풍부한 경우에만 높은 정확도를 보이기 때문입니다. 아미노산 서열이 부족한 신종 바이러스 단백질의 경우, 인공지능이 제시하는 단백질 구조 중 상당수가 실제와 다를 가능성이 있어 여전히 인간의 정밀한 검토와 연구가 필요합니다. 인공지능은 어디까지나 연구를 돕는 도구로서 그 가치를 지닙니다. 실제 연구 현장에서는 초저온 전자현미경을 활용해 단백질 구조를 직접 관찰하기도 하지만, 이 과정에는 막대한 비용과 시간이 소요됩니다. 또한 이렇게 얻은 구조 정보조차 전체의 80~90% 수준에 그치는 불완전한 경우가 많습니다. 현재 진행 중인 연구는 이러한 불완전한 구조 정보의 빈틈을 메워 100%의 완성된 모델을 만드는 데 집중하고 있습니다. 이는 단백질이 실제로 어떻게 움직이고 상호작용하는지 정밀하게 분석하기 위한 필수적인 기초 작업이며, 계산과학이 실험의 한계를 보완하는 지점이기도 합니다. 과학자로서의 삶은 끊임없는 고민과 슬럼프의 연속이기도 합니다. 학문적 성취에 대한 압박이나 진로에 대한 불안감은 누구에게나 찾아올 수 있는 시련입니다. 하지만 생명의 탄생을 직접 경험하며 삶의 가치를 새롭게 발견하거나, 직책이라는 외적인 조건보다 과학 그 자체를 즐기려는 마음가짐을 가질 때 비로소 어려움을 극복할 수 있습니다. 내가 지금 과학을 하고 있다는 사실 그 자체에 집중하며 마음을 비우는 태도는 연구자로서 긴 여정을 지속하게 하는 가장 큰 원동력이 됩니다. 연구에 몰입하다 보면 신체적인 건강을 소홀히 하기 쉽지만, 건강한 몸은 곧 건강한 연구의 밑바탕이 됩니다. 척추 건강을 위해 시작한 달리기나 한국무용은 단순한 운동을 넘어 정신 수양의 도구가 되기도 합니다. 특히 한국무용은 자신의 몸을 깊이 들여다보게 하며 예술적 욕구까지 충족시켜 주는 훌륭한 활동입니다. 연구실 환경을 좌식으로 꾸미고 틈틈이 몸을 돌보는 등의 노력은 지속 가능한 연구를 위해 반드시 필요합니다. 몸과 마음의 균형을 찾는 과정은 결국 더 나은 연구 결과로 이어지기 마련입니다.

석차옥

카오스재단코로나19 과학토크

화학
생명과학

[강연] 분자세계 게임의 법칙을 찾아서 _ by석차옥｜2018 가을 카오스 강연 '화학의 미스터리, CheMystery' 9강 | 9강 ①

단백질은 생명 현상을 유지하는 핵심적인 분자로, 20가지 아미노산이 특정 순서로 연결되어 고유한 입체 구조를 형성합니다. 이 과정에서 물을 좋아하는 친수성 아미노산은 표면으로, 물을 싫어하는 소수성 아미노산은 안쪽으로 모이려는 성질이 작용합니다. 아미노산 서열에 담긴 정보가 복잡한 물리적 상호작용을 거쳐 하나의 안정한 구조로 접히는 현상을 단백질 폴딩이라 부르며, 이는 생명체의 기능을 결정하는 가장 기초적인 설계도와 같습니다. 이러한 구조적 안정성은 생명체가 환경에 적응하고 고유의 생리적 기능을 수행하는 데 필수적인 토대가 됩니다. 단백질의 구조를 이해하는 것은 생명 과학과 의학의 발전에 필수적입니다. 산소를 운반하는 마이오글로빈이나 에너지를 합성하는 단백질의 기작은 모두 그 형태에서 비롯됩니다. 특히 암 치료제인 글리벡이나 독감 치료제 타미플루처럼 특정 단백질의 기능을 조절하는 의약품 개발은 정밀한 구조 정보가 뒷받침되어야 가능합니다. 세포 밖의 신호를 내부로 전달하는 단백질군인 GPCR 연구가 수많은 노벨상을 배출한 이유도 바로 이러한 구조적 중요성 때문입니다. 구조를 아는 것은 곧 생명의 작동 원리를 파악하는 것과 같습니다. 전통적으로 단백질 구조는 X선 결정학이나 극저온 전자현미경과 같은 실험적 방법으로 밝혀왔습니다. 하지만 하나의 구조를 결정하는 데는 막대한 시간과 비용이 소요되며, 실험이 까다로운 경우도 많습니다. 반면 차세대 염기서열 해독 기술의 발달로 단백질의 아미노산 서열 정보는 기하급수적으로 늘어나고 있습니다. 이러한 실험적 구조 결정과 서열 정보 사이의 거대한 격차를 메우기 위해 컴퓨터를 이용한 단백질 구조 예측 기술이 현대 과학의 중요한 과제로 떠올랐습니다. 이는 실험의 한계를 극복하고 생명 정보의 활용도를 높이는 핵심 기술입니다. 단백질 구조 예측의 정확성을 겨루는 올림픽이라 불리는 CASP 대회는 2년마다 블라인드 테스트 방식으로 열립니다. 예측의 기본 원리는 열역학적으로 가장 안정한 상태를 찾는 것입니다. 아미노산 서열이 주어졌을 때 자유 에너지가 최소가 되는 지점을 찾아내는 과정은 바둑의 경우의 수보다 훨씬 복잡한 탐색을 요구합니다. 자연 법칙이라는 정답을 찾아가는 이 과정은 수많은 국소 최솟값들 사이에서 전역 최솟값을 발견해야 하는 고도의 계산 과학적 도전입니다. 정확한 에너지 함수를 정의하고 이를 효율적으로 탐색하는 것이 이 분야의 핵심적인 목표입니다. 최근 인공지능 기술의 도입은 단백질 구조 예측 분야에 혁명적인 변화를 가져왔습니다. 구글 딥마인드의 알파폴드는 방대한 서열 데이터에서 진화적으로 연관된 정보를 추출하고, 딥러닝을 통해 아미노산 사이의 거리를 정밀하게 예측하며 압도적인 성과를 거두었습니다. 이는 단순히 기존의 물리 법칙을 계산하는 것을 넘어, 데이터 속에 숨겨진 복잡한 패턴을 학습하여 정답에 접근하는 새로운 길을 제시한 것입니다. 인공지능은 이제 화학자가 자연의 비밀을 푸는 강력한 도구가 되었으며, 기존의 이론적 접근 방식과 결합하여 시너지를 내고 있습니다. 구조 예측을 넘어 새로운 기능을 가진 단백질을 직접 설계하는 연구도 활발히 진행 중입니다. 자연계에 존재하지 않는 서열을 조합하여 특정 구조를 유도함으로써 난치병 치료나 신소재 개발에 활용하려는 시도입니다. 또한 일반인들이 게임을 통해 단백질 구조를 찾는 '폴딧' 프로젝트처럼, 집단 지성과 컴퓨터 계산을 결합한 형태의 연구도 성과를 내고 있습니다. 이러한 노력은 단백질이 단순한 관찰의 대상이 아니라 인류가 목적에 맞게 설계하고 제어할 수 있는 영역임을 보여줍니다. 이는 생명 공학의 패러다임을 바꾸는 획기적인 변화의 시작입니다. 미래의 화학은 인공지능과 로봇 기술이 결합하여 실험과 계산이 유기적으로 연결되는 모습으로 진화할 것입니다. 인공지능이 반복적이고 방대한 계산 업무를 수행하면, 과학자는 더 창의적이고 근원적인 질문에 집중할 수 있는 환경이 조성됩니다. 화학은 이제 물리, 생물, 컴퓨터 공학 등 다양한 학문이 융합되는 중심지 역할을 하며 인류의 난제를 해결하는 데 기여할 것입니다. 다양한 분야의 지식을 멋지게 융합할 때 비로소 우리는 자연의 미스터리를 풀고 새로운 가치를 창출할 수 있습니다. 융합적 사고는 미래 과학을 이끄는 가장 강력한 힘이 될 것입니다.

석차옥, 이주용

카오스재단카오스강연

화학