알파폴드

알파폴드는 구글 딥마인드가 개발한 인공지능 프로그램으로, 단백질 접힘 구조를 높은 정확도로 예측하는 것을 주요 목적으로 한다. 단백질의 3차원 구조를 실험적으로 규명하는 엑스선 결정학이나 극저온 현미경 등의 방법은 수개월에서 수년에 걸친 시간과 막대한 비용이 소요되는 반면, 알파폴드는 딥러닝 알고리즘을 활용해 이 과정을 단축하는 혁신을 가져왔다.

이 프로그램은 2018년 12월 단백질 구조 예측 학술대회에 처음 참가하여 압도적인 성능을 선보였다. 이후 지속적인 발전을 거쳐, 알파폴드는 생명과학 및 구조생물학 연구에 지대한 공헌을 인정받아 2022년 브레이크스루상을, 2024년에는 노벨화학상을 수상하는 영예를 안았다.

알파폴드의 기술은 기초 연구를 넘어 실용적인 분야에도 적용되고 있으며, 이를 기반으로 신약 개발을 전문으로 하는 아이소모픽 랩스가 설립되었다. 이 프로그램의 성공은 인공지능이 복잡한 과학적 난제를 해결하는 데 있어 강력한 도구가 될 수 있음을 입증한 사례이다.

알파폴드 1은 구글 딥마인드가 개발한 첫 번째 버전의 단백질 구조 예측 인공지능 프로그램이다. 이 모델은 2018년 12월 멕시코 칸쿤에서 열린 제13회 단백질 구조 예측 학술대회(CASP13)에 처음으로 참가하여 주목을 받았다. 당시 알파폴드 1은 전 세계 98개 연구 그룹을 제치고 압도적인 1위를 차지했으며, 특히 고난이도 과제에서 60점이라는 이전 대회에서는 달성되지 않았던 높은 점수를 기록했다. 이 성과는 딥러닝 기반 접근법이 기존의 전통적인 생물정보학 방법을 크게 능가할 수 있음을 보여주는 계기가 되었다.

알파폴드 1의 핵심 기술은 단백질의 아미노산 서열 정보를 입력받아, 아미노산 쌍 간의 거리와 각도를 예측하는 딥러닝 신경망을 활용하는 것이었다. 이를 통해 단백질의 3차원 접힘 구조를 추론했다. 초기 개발 당시에는 하나의 단백질 구조를 예측하는 데 약 2주가 걸렸지만, 대회 참가 시점에는 이를 단 2~3시간으로 크게 단축시켰다. 이 모델의 성공은 구조생물학 분야에 실험적 방법(엑스선 결정학, 극저온 현미경 등)에 의존하지 않고도 빠르고 정확하게 단백질 구조를 알아낼 수 있는 새로운 가능성을 열었다는 평가를 받았다.

알파폴드 2는 구글 딥마인드가 개발한 인공지능 프로그램 알파폴드의 두 번째 주요 버전이다. 이 모델은 2020년 단백질 구조 예측 학술대회인 CASP14에 참가하여 혁신적인 성능을 선보였다. 알파폴드 2는 주어진 과제의 약 3분의 2에서 글로벌 거리 테스트 점수가 90점 이상을 기록했는데, 이는 실험적 방법으로 밝혀진 구조와 대등한 정확도로 간주되는 수치이다. 이 성과는 이전 대회인 CASP13에서 알파폴드 1이 달성한 점수를 크게 상회했으며, 학계에 큰 충격을 주어 "알파폴드 2 쇼크"라는 표현이 생기기도 했다.

알파폴드 2의 핵심 개선점은 딥러닝 아키텍처와 학습 데이터에 있다. 알파폴드 1이 주로 아미노산 쌍의 상호작용에 초점을 맞췄다면, 알파폴드 2는 더 많은 수의 아미노산 간의 복합적 상호작용을 모델링하는 데 중점을 두었다. 또한, 훨씬 더 방대한 단백질 데이터 뱅크의 구조 데이터를 학습하여 예측 정확도를 극적으로 향상시켰다. 그 결과, 막스 플랑크 연구소가 10년간 해결하지 못했던 한 박테리아 단백질의 구조를 단 30분 만에 예측하는 등 놀라운 사례를 만들어냈다.

2022년 7월, 구글 딥마인드는 알파폴드 2의 코드를 오픈소스로 공개함과 동시에, 약 2억 개에 달하는 단백질의 예측 구조 데이터베이스를 무료로 공개했다. 이는 당시 알려진 대부분의 단백질 서열에 대한 구조를 제공하는 것으로, 구조생물학 및 의학 연구에 있어 거대한 공공 자원이 되었다. 이 모델의 성공은 존 점퍼를 비롯한 개발팀이 2022년 브레이크스루상을 수상하고, 2024년 노벨화학상을 공동 수상하는 데 결정적인 기여를 했다.

그러나 알파폴드 2도 완벽하지는 않았다. 이 모델은 주로 독립된 단일 사슬 단백질 도메인의 구조 예측에 강점을 보였고, 실제 생체 내에서 복잡하게 상호작용하는 다중체 단백질이나 리간드 결합 상태의 역동적인 구조 변화를 예측하는 데는 한계가 있었다. 이러한 한계는 후속 모델인 알파폴드 멀티머와 알파폴드 3의 개발 동기가 되었다.

알파폴드 멀티머는 구글 딥마인드가 개발한 인공지능 프로그램 알파폴드 시리즈의 한 모델로, 단백질 접힘 구조 예측 분야에서 중요한 진전을 이루었다. 알파폴드 1과 알파폴드 2가 주로 단일 사슬로 이루어진 단백질의 3차원 구조를 예측하는 데 중점을 두었다면, 알파폴드 멀티머는 여러 개의 폴리펩타이드 사슬이 모여 기능하는 다중체, 즉 멀티머의 구조를 예측할 수 있는 능력을 갖추었다.

생체 내에서 많은 단백질은 단독으로 작용하기보다는 두 개 이상의 동일하거나 다른 소단위체가 결합한 복합체 형태로 기능한다. 이러한 단백질 복합체의 정확한 구조를 실험적으로 규명하는 것은 더욱 복잡하고 시간이 많이 소요된다. 알파폴드 멀티머는 딥러닝 알고리즘을 고도화하여 단일 사슬 간의 상호작용을 모델링함으로써, 다중체 단백질의 전체적인 3차원 구조를 높은 정확도로 예측하는 데 성공했다. 이는 항체-항원 상호작용이나 효소 복합체와 같은 중요한 생물학적 과정을 이해하는 데 큰 도움을 준다.

이 모델의 개발은 알파폴드 기술의 적용 범위를 크게 확장시켰다. 단백질 간 상호작용을 정확히 예측할 수 있게 됨에 따라, 표적 치료제 개발이나 합성 생물학 연구 등 신약 개발 및 기초 생명과학 분야에서의 실용적 가치가 한층 높아졌다. 알파폴드 멀티머의 성과는 이후 등장한 알파폴드 3이 리간드, DNA, RNA 등과의 복합체 구조까지 예측하는 더 포괄적인 모델로 발전하는 데 기반이 되었다.

알파폴드 3는 구글 딥마인드가 2024년 5월에 공개한 최신 단백질 접힘 구조 예측 인공지능 모델이다. 이 모델은 알파폴드 2와 알파폴드 멀티머를 넘어서는 획기적인 성능 향상을 이루었다. 가장 큰 진보는 단순히 단백질의 3차원 구조를 정적으로 예측하는 것을 넘어, 단백질이 실제 생체 내에서 다른 분자들과 상호작용할 때 일어나는 역동적인 구조 변화까지 예측할 수 있다는 점이다.

알파폴드 3는 단백질이 리간드, DNA, RNA 등 다양한 생체 분자와 복합체를 형성할 때의 구조를 정확하게 모델링한다. 이는 신약 개발 과정에서 표적 단백질과 후보 물질의 결합 양상을 가상으로 시뮬레이션하는 데 직접적으로 활용될 수 있어, 응용 가능성 측면에서 이전 모델들과 차별화된다. 이러한 능력 덕분에 알파폴드 3는 공개 전부터 구글의 계열사인 아이소모픽 랩스를 통해 제약 회사들과의 협력 기반으로 사용되었다.

이 모델의 등장은 구조 생물학과 컴퓨터 과학의 융합 연구가 새로운 단계에 진입했음을 보여준다. 단백질의 정적 구조 예측 문제를 넘어, 생명 현장에서 일어나는 분자 간 상호작용의 동역학을 이해하고 예측하는 것은 신약 발견, 합성 생물학, 기초 의학 연구 등에 지대한 영향을 미칠 것으로 기대된다. 알파폴드 3는 이러한 과학적 도전 과제를 해결하는 데 중요한 도구로 자리매김하고 있다.

알파 프로테오는 구글 딥마인드가 개발한 인공지능 프로그램으로, 단백질 접힘 구조를 예측하는 알파폴드의 후속 모델이다. 알파폴드가 단백질의 3차원 구조를 예측하는 데 중점을 두었다면, 알파 프로테오는 한 단계 더 나아가 특정 기능을 수행하도록 새로운 단백질을 설계하는 능력을 갖추고 있다. 이는 단순히 자연에 존재하는 단백질을 이해하는 수준을 넘어, 치료제나 효소와 같이 유용한 특성을 가진 인공 단백질을 창조하는 단백질 설계 분야에 혁신을 가져왔다.

이 모델은 알파폴드의 핵심 기술을 기반으로 하여, 단백질의 아미노산 서열이 어떻게 접혀 안정적인 구조를 형성하는지에 대한 깊은 이해를 바탕으로 작동한다. 알파 프로테오는 원하는 모양이나 기능을 지정하면, 그 조건을 만족시키는 새로운 단백질 서열을 생성해낸다. 이러한 능력은 신약 개발 분야에서 특히 주목받고 있으며, 알파폴드 기반 신약 개발사인 아이소모픽 랩스의 연구에도 중요한 역할을 할 것으로 기대된다.

알파 프로테오의 등장은 구조생물학과 계산생물학의 경계를 넘어, 합성생물학에까지 영향을 미치는 중요한 도약으로 평가된다. 이는 인공지능이 생명과학의 근본적인 도구로 자리잡는 과정을 보여주는 사례이다. 데미스 허사비스가 이끄는 딥마인드 팀은 알파폴드로 노벨화학상을 수상하는 등 이미 업적을 인정받았으며, 알파 프로테오를 통해 생명과학 연구의 패러다임을 다시 한번 변화시키고 있다.

알파폴드는 그 혁신적인 기술과 과학적 공헌을 인정받아 여러 권위 있는 상을 수상했다. 2022년 9월, 구글 딥마인드의 대표이사 데미스 허사비스와 연구원 존 점퍼는 알파폴드를 통한 인공지능 기반 3차원 단백질 구조 예측 공로로 생명과학 분야의 브레이크스루상을 수상했다. 이는 단백질 접힘 문제 해결에 대한 획기적인 진전을 기념하는 의미 있는 성과였다.

더 나아가, 2024년 10월에는 단백질 구조 예측 분야에 대한 지대한 공헌을 인정받아 데미스 허사비스와 존 점퍼가 노벨화학상을 공동 수상하는 영예를 안았다. 이 수상은 알파폴드가 단순한 인공지능 프로그램을 넘어 현대 화학과 생물학 연구의 패러다임을 바꾼 도구로 자리매김했음을 세계적으로 공인받는 계기가 되었다.

이러한 기술적 성과를 바탕으로 알파벳은 알파폴드 기술을 신약 개발에 직접 활용하기 위해 독립 자회사 아이소모픽 랩스를 설립했다. 알파폴드의 정확한 구조 예측 능력은 의약품 표적 발굴 및 설계 과정을 가속화할 잠재력을 가지고 있어, 제약 산업 전반에 큰 영향을 미치고 있다.

학계와 산업계의 평가는 매우 긍정적이다. 알파폴드, 특히 알파폴드 2가 CASP 대회에서 보여준 인간 수준을 뛰어넘는 예측 정확도는 "알파폴드 쇼크"라 불릴 만큼 구조생물학계에 충격을 주었다. 이후 공개된 알파폴드 3은 단백질이 리간드나 핵산과 결합할 때의 역동적인 구조 변화까지 예측할 수 있어, 실제 생체 내 환경을 반영한 연구와 응용 가능성을 한 단계 높였다는 평가를 받고 있다.

알파폴드의 등장은 생명과학과 의약품 개발 분야에 지대한 영향을 미쳤다. 이 기술은 기존에 수개월에서 수년이 걸리던 단백질 구조 분석 시간을 획기적으로 단축시켰으며, 구조생물학의 연구 패러다임을 근본적으로 바꾸었다. 특히 코로나19 팬데믹 당시 SARS-CoV-2 바이러스의 단백질 구조를 신속히 예측하여 백신 및 항바이러스제 개발 연구에 기여한 점은 그 실용적 가치를 입증했다. 이러한 공로로 데미스 허사비스와 존 점퍼는 2022년 브레이크스루상을 수상했고, 2024년에는 노벨화학상을 공동 수상하기에 이르렀다.

알파폴드의 성공은 다양한 파생 및 연계 프로젝트를 촉발시켰다. 모델 자체도 알파폴드 멀티머를 거쳐 알파폴드 3로 발전하며, 단일 사슬 단백질 예측을 넘어 단백질 복합체와 리간드 결합 구조 예측까지 가능해졌다. 이를 기반으로 구글의 모회사 알파벳은 신약 개발 전문 자회사 아이소모픽 랩스를 설립하여 일라이 릴리 앤드 컴퍼니 및 노바티스 같은 제약사와의 협력을 주도하고 있다.

더 나아가 알파폴드는 단백질 구조 예측의 틀을 넘어 새로운 단백질을 설계하는 알파 프로테오와 같은 후속 모델 개발의 토대가 되었다. 또한, 유럽 분자생물학 연구소(EMBL)와 협력하여 2억 개가 넘는 예측 단백질 구조 데이터베이스를 무료로 공개함으로써 전 세계 연구자들의 접근성을 높였고, 이는 기초과학 연구를 가속화하는 데 크게 기여하고 있다. 이처럼 알파폴드는 인공지능이 실질적인 과학적 발견과 산업 적용에 기여할 수 있음을 보여준 선구적 사례로 평가받는다.

• Google DeepMind - AlphaFold

• Nature - Highly accurate protein structure prediction with AlphaFold

• EMBL-EBI - AlphaFold Protein Structure Database

• Wikipedia - AlphaFold

• Google Research Blog - AlphaFold: a solution to a 50-year-old grand challenge in biology

• Science - ‘The game has changed.’ AI triumphs at solving protein structures

• YouTube - DeepMind - AlphaFold: The making of a scientific breakthrough

• GitHub - deepmind/alphafold

• Google DeepMind - AlphaFold 3

• Nature - AlphaFold 3 predicts the structure and interactions of all of life’s molecules