"인류가 파악한 거의 모든 단백질 구조가 베일을 벗었다."
🎬 요점
- Alphabet의 영국 자회사인 딥마인드가 알파폴드로 2억 1400만 개 단백질 구조를 공개
🎬 배경
- 단백질은 질병 원인을 파악하고 신약 등을 개발하는 데 쓰이는 필수 요소
- 단백질 설계도는 유전체. 2억 개 넘는 설계도가 확인됐지만 실제 단백질 구조를 알아낸 것은 약 19만 개
- 인간 유전체가 해독됐지만 질병 극복 시대를 열지 못했던 이유
🎬 문제 해결
- 딥마인드는 인공지능(AI)으로 오랜 난제를 1년 만에 해결
- 6년 전 알파고로 이세돌을 꺾은 딥마인드가 생물할의 역사를 바꾸고 있다는 평가
🎬 단백질 분석에 AI 필요 근거
- 단백질은 각종 기관과 호르몬, 효소 등을 이루는 인체 핵심 구성 요소. 정확한 기능을 파악하면 암 등을 치료하고 감염병을 예방
- 단백질이라는 골격을 만들기 위해 생명체는 DNA를 설계도로 사용
- DNA가 아미노산 서열로 바뀌고, 다시 단백질을 만들면서 생명 활동
- 2003년 인간의 DNA 서열을 모두 파악한 게놈프로젝트가 끝난 뒤 과학자들은 이를 활용해 단백질 구조를 파악하는데 집중
- '단백질 접힘' 현상 탓에 결과물을 파악하는 게 어려움
- 과학자들은 50여 년간 엑스레이나 현미경으로 단백질 결정 등을 파악해 전체 모양을 추정
🎬 알파폴드의 강점
- 알파폴드는 아미노산 서열을 넣은면 몇 초만에 단백질 모양을 보여준다. 공개된 설계도와 단백질 구조를 딥러닝으로 학습한 결과
- 2억 1400만개 단백질 구조에는 사람뿐 아니라 동물 식물 세균 곰팡이 등을 구성하는 모든 단백질이 포함
🎬 알파폴드의 사용
- 미국 콜로라도 볼더대 연구진은 알파폴드로 대장균 구조를 파악해 내성 문제를 해결한 항생제 개발에 착수
- 영국 포츠머스대 연구진은 효소 단백질 구조를 파악해 플라스틱을 100% 분해하는 기술을 개발 중
- 한센병 등 감염 질환을 해결하는 데에도 알파폴드가 활용
🎬 알파폴드의 한계
- 단백질 구조 하나만 파악하는데 특화된 탓에 여러 단백질이 뭉쳐지면서 생기는 변화 등을 예측하는 데엔 약함
- 약물이나 소분자 등을 단백질에 인위적으로 붙인 신약 개발용 구조물이 어떤 모습일지도 정확히 파악하지 못함
4대륙 개발자