AlphaFold의 등장, 단백질 과학의 혁신
3년 전, 구글의 AlphaFold는 과학계에서 AI의 가장 큰 혁신을 이루며 분자 연구를 가속화하고 과학을 왜 하는지에 대한 깊은 질문을 던졌습니다. 2020년 12월, 팬데믹으로 인해 대면 회의가 불가능했던 시기, 수백 명의 계산 과학자들이 새로운 과학 시대의 출발을 스크린 앞에서 지켜보았습니다.
- AlphaFold의 등장은 과학저널 Nature에 주요 연구로 발표되었고, 이로 인해 생명 과학 전 분야에 걸쳐 수천 건의 논문에 인용되었습니다.
- AlphaFold는 CASP 대회에서 사상 최고의 예측 정확도를 기록했으며, 이는 50%를 약간 넘는 기존 최고 수준의 정확도를 크게 상회한 것입니다.
단백질 접힘 문제의 도전
단백질 접힘 문제는 단순해 보이지만 복잡한 문제입니다. 단백질 분자의 3차원 형태를 단순한 1차원 분자 코드로부터 정확히 예측할 수 있을까요? 단백질의 형태는 그 기능을 결정하며, 이 문제를 해결하면 질병 이해, 신약 개발, 생명 작동 방식에 대한 깊은 통찰을 얻을 수 있습니다.
- 전 세계적으로 20,000개 이상의 단백질 3D 구조가 확립되었으며, 이는 단백질 데이터뱅크(PDB)에 의해 저장 및 제공됩니다.
- 단백질 접힘 문제 해결은 만성 질환, 암, 신경변성 등 다양한 질병의 발병 메커니즘 이해에 직접적인 기여를 할 수 있습니다.
AlphaFold2의 혁신적인 성과
Google DeepMind의 AlphaFold2는 이전의 예측 모델보다 90% 이상 정확하게 단백질의 3차원 구조를 예측하여 단백질 접힘 문제를 사실상 해결했습니다. 이 성공은 생물학자 사회에 충격을 주었으며, 많은 이들이 믿기 어려워했습니다. 그러나 과학계의 주요 인사들은 AlphaFold2가 단백질 과학을 영원히 바꾸었다고 인정했습니다.
- AlphaFold2의 성과는 약 50,000개의 단백질 구조 예측을 가능하게 하여, 생명과학 분야 연구 속도를 크게 향상시켰습니다.
- AlphaFold2의 정확도는 평균 92.4%로, 많은 경우 실험적 방법에 근접한 묘사를 가능하게 했습니다.
AlphaFold의 영향력과 한계
AlphaFold2는 생물학자들에게 AI의 힘을 실감하게 했습니다. 이 AI는 단백질 연구 방식을 바꿨지만, 모든 것을 해결하지는 못했습니다. AlphaFold2는 단백질의 3D 구조를 예측하는 데 뛰어나지만, 시간에 따른 변화나 세포 내 환경을 모델링하는 데는 한계가 있습니다.
- AlphaFold2는 개별 단백질이 아닌 복합 단백질 및 단백질과 리간드 상호작용을 예측하는 데 있어서는 한계를 가지고 있습니다.
- 세포 및 조직 환경과 같은 복잡한 생물학적 상태에서의 단백질 동역학을 설명하는 데는 추가적인 연구가 필요합니다.
AI와 과학의 미래
AlphaFold2의 성공은 단백질 과학을 넘어 다른 과학 분야에도 AI의 가능성을 열었습니다. 그러나 과학이 단순히 문제 해결에 그치는 것이 아닌 자연의 과정을 이해하는 데 중점을 두고 있는 한, AI의 역할은 여전히 한정적일 수 있습니다. 과학자들은 AI가 과학 자체뿐만 아니라 과학자를 변화시킬 가능성을 두고 논의하고 있습니다.
- AI는 제약 산업, 환경과학, 농업 등 다양한 영역에서 연구 개발의 패러다임을 빠르게 변화시키고 있습니다.
- 최근 AI는 신경과학 연구에서도 사용되며, 새로운 뉴런 모델 및 뇌 활동 패턴을 분석하는 데 큰 기여를 하고 있습니다.
CASP 대회의 미래
AlphaFold2의 성공으로 CASP 대회의 목적이 달성되었고, 대회와 회의를 어떻게 지속할지에 대한 질문이 남았습니다. CASP는 여전히 새로운 알고리즘 개발을 위한 플랫폼으로 작용하고 있으며, AI가 구조 생물학의 다른 분야로 확장되기를 기대하고 있습니다. 향후 대회는 예측할 수 없는 놀라움을 제공할 것입니다.
- CASP 대회는 주로 예측의 깊이를 더하고, 시간의 흐름에 따른 단백질 구조 변화를 평가하는 새로운 과제를 추가하는 방향으로 전환할 가능성이 큽니다.
- AI 기술 발전에 따라, 향후 CASP 대회는 다양한 단백질 상호작용 및 진화적인 변화를 어우르는 통합적 생물학 모델의 개발을 목표로 삼고 있습니다.
출처 : 원문 보러가기
