본문 바로가기

이벤트 18,168

정렬

편집일 기준 · 한국 시간

11건

딥마인드와 유럽분자생물학연구소 산하 유럽생물정보학연구소(EMBL-EBI)가 알파폴드 단백질 구조 데이터베이스를 약 100만 개에서 2억여 개 예측 구조 규모로 확장함. 게놈이 해독된 100만 종 이상 생물의 단백질을 포괄하며, 과학계에 알려진 단백질 대부분의 예측 구조를 공개 접근 방식으로 제공함.

이로써 연구자들은 대규모 계산 자원 없이도 방대한 단백질 구조 정보를 검색·다운로드해 연구에 활용할 수 있게 됐으며, 구조생물학·신약 개발·질병 연구의 기반 데이터가 크게 확대됨.

알파폴드 2세대가 단백질 구조 예측 국제 평가 CASP14에서 다른 출품작을 크게 앞서는 정확도로 최고 성과를 기록함. 전체 표적의 중앙 GDT_TS 점수는 92.4였고, 92개 도메인 가운데 58개에서는 실험 구조에 준하는 정확도에 도달함.

특히 가장 어려운 신규 접힘 예측 부문에서도 높은 성능을 보이며, 단백질의 아미노산 서열로부터 입체 구조를 예측하는 문제에서 인공지능이 실험적 구조결정에 근접할 수 있음을 입증함. 이 성과는 CASP 주최 측과 과학계에서 약 50년간 이어진 단백질 구조 예측 난제의 사실상 해결로 평가되며, 생명과학 연구에서 인공지능 활용의 전환점이 됨.

구글 딥마인드 개발 조직 단백질 구조 예측 해결한 과학 난제

딥마인드가 처음 개발한 알파폴드가 단백질 구조 예측 국제 평가 CASP13에서 종합 최고 성과를 기록함. 특히 기존 구조와 유사성이 거의 없는 신규 접힘(Free Modeling) 표적에서 1위를 차지하며, 가장 어려운 단백질 구조 예측 문제에서 두드러진 정확도를 보임.

이는 인공지능 기반 방법이 단백질 구조 예측 분야에서 경쟁력 있는 성과를 낸 첫 대규모 사례 중 하나로, 이후 알파폴드 2와 단백질 구조 예측 기술 발전의 전환점이 됨.

존 몰트가 주도한 단백질 구조 예측의 비판적 평가(CASP)가 미국 캘리포니아주 아실로마에서 처음 개최됨. 참가 연구진은 실험 구조가 아직 공개되지 않은 표적 단백질의 아미노산 서열을 바탕으로 구조 모델을 제출했고, 구조 공개 뒤 비교 모델링·폴드 인식·신규 접힘 예측 등 분야별 독립 평가팀이 실제 구조와 대조해 성능을 평가함.

CASP는 예측 방법을 블라인드 조건에서 객관적으로 검증하는 국제 공동체 실험으로 자리잡았으며, 이후 1994년부터 2년마다 개최되며 단백질 구조 예측 기술의 발전 수준을 가늠하는 대표 기준이 됨.

사이러스 레빈탈은 〈How to Fold Graciously〉에서 폴리펩타이드 사슬이 가질 수 있는 입체 배열의 수가 천문학적으로 많아, 가능한 구조를 무작위로 하나씩 탐색한다면 천연 구조에 도달하는 데 우주의 나이보다 긴 시간이 걸릴 수 있음을 지적. 그러나 실제 단백질은 짧은 시간 안에 접히며, 이 격차는 ‘레빈탈의 역설’로 불리게 됨.

이는 단백질 접힘이 무작위 탐색이 아니라 국소 상호작용과 에너지 지형에 의해 편향된 경로를 따른다는 문제를 제기한 것으로, 단백질 접힘 기작과 구조 예측의 본질적 난이도를 부각한 전환점이 됨.

단백질 구조 예측

크리스티안 안핀센은 리보뉴클레아제를 변성시킨 뒤 다시 활성형으로 회복시키는 실험을 통해, 단백질의 천연 입체 구조를 형성하는 데 필요한 정보가 아미노산 서열에 내재함을 제시. 이른바 안핀센 도그마 또는 열역학 가설로, 적절한 환경에서 단백질의 천연 구조가 자유에너지가 가장 낮은 안정 상태에 해당한다는 관점을 뒷받침함.

이 연구는 단백질의 서열로부터 구조를 예측하는 일이 원리적으로 가능하다는 출발점을 제공하며, 이후 단백질 접힘 연구와 구조 예측 분야의 이론적 토대가 됨.

단백질 구조 예측

조선 후기 실학자 연암 박지원이 청나라 황제 건륭제의 칠순연을 축하하기 위해 사신단을 따라 청나라 열하를 방문함. 청의 상업·유통·기술·도시 문화를 직접 관찰한 경험은 이후 「허생전」에 나타나는 북학적 문제의식과 조선 경제 비판을 이해하는 중요한 배경으로 평가됨.

9건

코딩 특화 AI 모델로 80B MoE 구조를 기반으로 3B 활성 파라미터만 사용, 소형 모델급 속도로 상용 모델 수준의 복잡한 코딩 및 에이전트 성능을 낸다는 것이 알라바바가 밝힌 특징