AI 도구 AlphaFold, 이제 매우 큰 단백질 예측 가능

AI 도구 AlphaFold가 개선되어 이제 매우 크고 복잡한 단백질 구조의 모양을 예측할 수 있습니다. Linköping University 연구원도 실험 데이터를 도구에 통합하는 데 성공했습니다. Nature Communications 에 게재된 결과는 특히 의료용 약물을 위한 새로운 단백질의 보다 효율적인 개발을 향한 한 걸음입니다.

모든 살아있는 유기체에는 세포 기능을 조절하는 다양한 단백질이 있습니다. 기본적으로 근육을 조절하고 머리카락을 형성하는 것부터 혈액으로 산소를 운반하고 음식을 소화하는 것까지 신체에서 일어나는 모든 일은 단백질과 관련이 있습니다. 하지만 단백질은 예를 들어 세제와 의약품 등 신체 외부에서도 발견됩니다.

단백질은 목걸이의 구슬처럼 긴 줄로 서로 붙어 있는 20가지 다른 아미노산으로 구성된 대형 분자입니다. 시퀀스 또는 사슬은 50개에서 수천 개의 아미노산 길이까지 다양할 수 있습니다. 이로 인해 수십억 가지의 다른 조합이 생겨나며, 이는 차례로 단백질의 3차원 모양을 결정합니다. 단백질 사슬의 모양, 즉 접힌 방식에 따라 단백질은 완전히 다른 기능을 합니다.

50년 이상 동안 연구자들은 신체의 메커니즘, 다양한 질병에 대한 더 깊은 이해를 얻고 새로운 유형의 의료 약물을 개발하기 위해 다양한 단백질 구조를 예측하고 설계하려고 노력해 왔습니다. 이는 많은 수동 처리가 포함된 힘들고 값비싼 작업이었습니다.

하지만 2020년, Deepmind라는 회사는 AlphaFold라는 오픈소스 소프트웨어를 출시했습니다. 이는 소위 신경망을 기반으로 하는 인공 지능으로, 단백질이 어떻게 접힐지, 따라서 어떤 기능을 할지 매우 정확하게 예측할 수 있습니다. 이는 2024년 노벨 화학상을 수상하게 된 획기적인 사건이기도 했습니다.

그러나 이 프로그램에는 한계가 있었습니다. 무엇보다도 매우 큰 단백질 화합물을 예측하거나 실험적 또는 불완전한 데이터로부터 결론을 도출할 수 없었습니다.

Linköping University의 연구자들은 이제 이러한 단점을 극복하기 위해 AlphaFold를 더욱 개발했습니다. 그들이 AF_unmasked라고 부르는 이 도구는 이제 실험과 부분 데이터에서 정보를 수집하고 매우 크고 복잡한 단백질 구조를 예측할 수 있습니다.

"저희는 AlphaFold에 새로운 유형의 입력을 제공하고 있습니다. 실험과 신경망 모두에서 전체 그림을 얻어 더 큰 구조를 구축하는 것이 목표입니다. 하지만 AlphaFold에 입력하는 구조 초안을 가지고 비교적 정확한 결과를 얻을 수도 있습니다." Linköping University의 물리학, 화학 및 생물학과의 강사인 클라우디오 미라벨로는 말합니다.

AF_unmasked의 아이디어는 연구자들이 단백질을 설계하는 방법에 대한 지침을 제공하여 수행된 실험을 개선하는 것입니다. 이는 단백질의 기능을 더욱 잘 이해하고 새로운 유형의 단백질 약물을 설계하기 위한 단계입니다.

AlphaFold의 획기적인 진전은 전 세계 연구자들이 1970년대부터 데이터베이스에 있는 약 200,000개의 서로 다른 단백질 구조에 대한 데이터를 수집하면서 가능해졌습니다. 이 데이터베이스는 AlphaFold에 대한 훈련 데이터를 제공했습니다. 마침내 대규모로 작동하게 된 것은 GPU를 사용하여 무거운 계산을 하는 슈퍼컴퓨터의 기술적 개발이었습니다.

비욘 발너는 린셰핑 대학교의 생물정보학 교수이며, 노벨상 수상자 3명 중 한 명과 함께 작업했습니다.

"단백질 설계의 가능성은 무한하며, 상상력만이 한계를 설정합니다. 신체 내부와 외부에서 모두 사용할 수 있는 단백질을 개발하는 것이 가능합니다. 오래된 문제를 해결한 후에는 항상 새롭고 더 어려운 문제를 찾아야 합니다. 그리고 우리 분야에서는 문제를 찾는 것이 문제가 되지 않습니다."라고 Björn Wallner는 말합니다.

클라우디오 미라벨로와 함께 그는 AlphaFold의 선구자를 개발했고, 이는 Deepmind가 도구를 개발하는 데 영감을 주었습니다. Google 소유 회사의 리소스 덕분에 그들은 지금은 전 세계 단백질 과학자에게 없어서는 안 될 도구를 개발할 수 있었습니다.

"AlphaFold는 딥 신경망을 사용하여 문제를 해결한 최초의 도구가 아니었습니다. 사실, AlphaFold의 가장 중요한 특징 중 하나는 신경망 내부의 단백질의 진화적 역사를 인코딩한다는 것입니다. 이 아이디어는 실제로 LiU에서 시작되어 Björn과 제가 2019년에 출판했습니다. 따라서 AlphaFold는 우리의 아이디어를 기반으로 했고, 지금은 AlphaFold를 기반으로 구축하고 있다고 말할 수 있습니다."라고 클라우디오 미라벨로는 말합니다.

출처: https://www.sciencedaily.com/releases/2024/11/241104112352.htm