딥마인드, 단백질 구조 솔루션으로 인류에 선물

딥마인드(DeepMind)가 수천 개의 알려진 단백질의 화학적 구성과 3D 모양을 분석하고 해당 정보를 사용해 알려지지 않은 단백질의 모양을 놀라운 정확도로 예측할 수 있는 알파폴드(AlphaFold)라는 프로그램을 구축했다.

타임(TIME)에 따르면 옥스포드(Oxford) 대학의 매트 히긴스(Matt Higgins)와 그의 연구원 팀은 수년 동안 매년 수십만 명의 목숨을 앗아가는 질병인  말라리아를 퍼뜨리는 기생충을 연구해 왔다.

그들은 잠재적인 미래 백신의 초점으로 기생충 표면의 중요한 단백질을 확인했다. 또한 그들은 그 밑에 깔린 화학 코드를 알고 있었다. 그러나 그 단백질의 가장 중요한 3D 구조는 알 수 없었다. 그 모양은 기생충이 인간 세포를 감염시키는 것을 차단하고 미끄러지는 올바른 백신을 개발하는 열쇠였다.

지금까지 단백질의 사진을 찍는 가장 좋은 방법은 흐릿한 이미지만 반환하는 부정확한 도구인 X선을 사용하는 것이었다. 명확한 3D 그림이 없다면 진정으로 효과적인 말라리아 백신 개발은 그저 꿈일 뿐이었다. 히긴스는 “우리는 수년간의 연구에도 불구하고 이 분자가 어떻게 생겼는지 충분히 자세히 볼 수 없었다”고 말했다.

그런데 딥마인드가 나타났다. 구글(Google)의 모회사 알파벳(Alphabet)의 자회사인 인공지능(AI) 연구소 딥마인드는 단백질과 효소의 3D 구조를 정확하게 예측하는 과학계의 오랜 숙원 과제를  마침내 해결했다.

딥마인드가 히긴스와 그의 동료들에게 알파폴드에 대한 액세스 권한을 부여했을 때 팀은 결과에 놀랐다. 히긴스는 기자들에게 "알파폴드의 사용은 정말 혁신적이었고 우리에게 이 말라리아 표면 단백질에 대한 매우 날카로운 시각을 제공했다. 알파폴드는 우리 연구의 속도와 힘을 변화시키는 능력을 제공했다"고 말했다.

28일(현지시각)에 딥마인드는 2억 개의 단백질(과학계에 알려진 거의 모든 것)의 3D 구조에 대한 예측을 모든 과학 커뮤니티에서 사용할 수 있다고 발표했다.

딥마인드의 CEO인 데미스 하사비스(Demis Hassabis)는 이번 공개가 환경, 식량 및 질병과 같은 다양한 분야에서 더 빠른 작업을 촉진함으로써 생물학의 세계에 활력을 불어넣을 것이라고 말하며 "이제 구글 검색을 하는 것만큼 쉽게 단백질의 3D 구조를 조회할 수 있다"라고 강조했다. 

알파폴드 프로젝트는 ‘범용 인공지능(AGI)’ 또는 인간보다 더 유능하고 빠르게 작업을 수행할 수 있는 컴퓨터를 구축하는 것이 최종 목표인 딥마인드에게 좋은 홍보다. 하사비스는 과학적 도전을 해결하는 것이 최종 목표인 과학적 진보와 인류 번영을 향한 필수 단계라고 설명했다.

하사비스는 알파폴드를 “인류를 위한 선물"이라고 설명했다. 딥마인드 대변인은 알파폴드의 코드와 데이터를 인류와 과학 커뮤니티에 이익을 주기 위해 취소 불가능한 오픈 소스 라이선스에 따라 상업적이든 학문적이든 ​​모든 용도로 자유롭게 사용할 수 있도록 하고 있다고 말했다.

그러나 일부 연구자와 AI 전문가는 기계 학습 연구가 과학 발전의 속도를 가속화하더라도 소수의 기업에 부와 권력을 집중시켜 형평성과 정치참여를 위협할 수 있다는 우려를 제기했다. 

신경망으로 알려진 패턴을 찾아내는 강력한 방법과 결합된 대량의 데이터와 컴퓨팅 성능은 과학 환경을 빠르게 변화시키고 있다. 종종 AI로 설명되는 이러한 기술은 별의 진화를 이해하고 약물 발견을 촉진하는 등 다양한 분야의 과학자들을 돕고 있다.

하지만 이러한 변화에는 위험이 따른다. 최근에는 약물 발견 알고리즘이 VX 신경 작용제와 같은 독성 분자나 더 치명적인 물질을 생성하는데 사용될 수 있다는 연구 결과도 있었다. 컴퓨터와 AI에 대한 잠재적인 오용은 인간의 건강을 악화시키는 결과를 초래할 수도 있다.

딥마인드는 알파폴드 데이터베이스 공개의 위험을 신중하게 고려했으며 생명윤리 및 보안 분야의 30명 이상의 전문가와 상의한 후 결정을 내렸다고 밝혔다. 딥마인드의 CEO인 하사비스는 "이번 공개의 이점이 위험을 훨씬 능가한다는 평가가 돌아왔다"고 말했다.

딥마인드와 파트너십을 맺은 유럽 생물정보학 연구소(European Bioinformatics Institute)의 이완 버니(Ewan Birney) 소장에 따르면 누구나 단백질의 3D 구조를 결정할 수 있게 하는 것이 신약 개발 알고리즘에 접근할 수 있게 하는 것보다 덜 위험하다고 한다.

알파폴드가 위험한 화합물을 설계하도록 조장한다고 해도 해독제 또는 백신을  설계하려는 노력을 배가시킬 수 있다. 버니는 "모든 위험과 마찬가지로 균형과 긍정적인 면에 대해 생각해야 한다. 그리고 위험할 수 있는 엔터티는 매우 소수일 가능성이 높다”고 주장했다.

AI 연구는 종종 소스 코드와 결과를 공개적으로 공유하는 개방적인 문화로 특징지어졌다. 그러나 하사비스는 기계 학습이 잠재적으로 더 위험한 다른 과학 분야로 더 큰 진전을 이루면서 개방 문화가 제한돼야 할 수도 있다고 지적했다.

하사비스는 "미래 시스템이 위험을 수반한다면 전체 커뮤니티가 해당 시스템에 대한 액세스 권한을 부여하는 다양한 방법을 고려해야 할 것이다. 모든 것을 오픈 소싱할 필요는 없다. 왜냐하면 그렇게 하면 나쁜 행위자가 발생할 수 있기 때문이다”고 말했다.

AI타임스 박찬 위원 cpark@aitimes.com

[관련기사]AI가 약물 후보 분자 수천 배 빠르게 찾아

[관련기사]신약 개발 난제 '심장 독성'…AI로 유발 약물 미리 알아낸다