구글 모회사 알파벳의 자회사인 인공지능(AI) 기업 딥마인드가 단백질·DNA·RNA 등 생물학적 분자의 구조, 소분자 간의 구조·상호작용을 예측할 수 있는 AI 모델인 ‘알파폴드 3’를 개발했다고 7일(현지시간) 발표했다.
미국 타임(TIME)에 따르면 딥마인드의 최고경영자(CEO) 데미스 하사비스는 이날 브리핑에서 “생물학은 역동적인 시스템이며, 세포의 다양한 분자 간 상호 작용을 통해 생물학적 특성이 어떻게 나타나는지 이해해야 한다”면서 “알파폴드3은 이를 위한 첫 번째 큰 발걸음”이라고 말했다.
알파폴드3은 거의 모든 생물학적 분자의 구조를 예측하고 분자 간 상호작용을 모델링할 수 있는 더욱 진보된 버전이다. 기존 알파폴드 버전은 단백질 구조 예측만 가능했다.
2018년 딥마인드가 내놓은 알파폴드1은 단백질 구조 예측 대회에서 1위를 차지한 바 있으며, 2020년 출시된 알파폴드2에서는 단백질 구조 예측 정확도가 개선됐다.
과학자들은 오랫동안 특정 유형의 생물학적 분자 간 상호작용을 모델링하기 위해 특수한 계산법을 개발해 왔는데, 단일 시스템으로 거의 모든 분자 유형 간의 상호작용을 예측할 수 있는 것은 알파폴드3이 처음이라고 타임은 설명했다.
생물학에서 분자의 특성과 기능은 일반적으로 분자 간 상호작용에 따라 결정된다. 통상적인 실험으로 분자 간 상호작용을 이해하려면 수년 간의 연구 시간과 엄청난 비용이 소모된다고 한다. 이런 상호작용을 AI로 정확히 예측할 수 있다면 각종 생물학적 연구는 획기적으로 발전할 수 있다.
이를테면 특정 단백질의 특정 부위에 결합하는 분자가 유망한 신약 후보라고 생각될 경우, 연구자들은 알파폴드3를 이용해 신약 분자를 테스트할 수 있다.
딥마인드는 2010년 하사비스가 딥마인드의 현 수석 과학자인 셰인 레그, 무스타파 술레이만과 함께 설립했다. 이후 딥마인드는 2014년 구글에 인수됐고, 지난해 구글은 AI 사업부인 구글 브레인과 딥마인드를 합병했다.
딥마인드는 알파폴드 외에도 획기적인 AI 시스템을 출시하기도 했다. 지난해에는 전례 없는 정확도로 날씨를 예측할 수 있는 AI 모델을 출시한 바 있다.
알파폴드3은 연구자들이 비상업적 용도로 사용할 수 있도록 알파폴드 서버(https://golgi.sandbox.google.com)를 통해 공개될 예정이다.
[서울=뉴시스]
좋아요
0개
슬퍼요
0개
화나요
0개
댓글 2
추천 많은 댓글
2024-05-09 16:35:52
'불리안' 대수로 '비트' 연산하는 게 이론 상 가장 빠른데 실제로 '시스템'을 구현해 보면 예를 들어 10 기가까지는 '램 속도 3 기가'나 'CPU 속도 3 기가'나 '하모니'여서 '불리안'이 빠른데 10 테라를 돌리면서 분산 처리, 관계 대수를 쓰면 '네트웤' 속도 20 기가', 'CPU-RAM 속도 3 기가'일 때, 7-8X gain이 더 발생한다; 10 테라, 지도들하고 변수들 모두 관계시켜서 돌리면(run) 비트면 몇 주인데 분산 DB면 이틀 안 걸린다' 그런 게 제일 힘들죠, 실제로 구현.
2024-05-09 11:39:18
쉽게 얘기해서 '지놈 단백질 4 가지 지도'는 나왔고 '특정 세포 발현 지놈들'도 찾았고 그건 지도들이고 예를 들면 GPS가 방향과 거리를 잡을 때, 1. 행성 궤도, 1. 위성 궤도, 1. '도플러' 간섭, 1. 지자기 변화, 1. 전파 종류와 속도를 참조하듯이 1. 각 세포, 1. 효소, 1. 전달체, 1. (헤모글로빈이 철분과 결합하듯) 수용체, 1. 기전 활성화 단백질, 1. 단백질 부스러기들지만 체내 축적이나 증식하는 RNA 외(인간 광우병 퓨리온 eg.), 1들만 모아서 일종의 '불리안' 대수를 만들어 계산했다는 거죠.
'불리안' 대수로 '비트' 연산하는 게 이론 상 가장 빠른데 실제로 '시스템'을 구현해 보면 예를 들어 10 기가까지는 '램 속도 3 기가'나 'CPU 속도 3 기가'나 '하모니'여서 '불리안'이 빠른데 10 테라를 돌리면서 분산 처리, 관계 대수를 쓰면 '네트웤' 속도 20 기가', 'CPU-RAM 속도 3 기가'일 때, 7-8X gain이 더 발생한다; 10 테라, 지도들하고 변수들 모두 관계시켜서 돌리면(run) 비트면 몇 주인데 분산 DB면 이틀 안 걸린다' 그런 게 제일 힘들죠, 실제로 구현.
2024-05-09 11:39:18
쉽게 얘기해서 '지놈 단백질 4 가지 지도'는 나왔고 '특정 세포 발현 지놈들'도 찾았고 그건 지도들이고 예를 들면 GPS가 방향과 거리를 잡을 때, 1. 행성 궤도, 1. 위성 궤도, 1. '도플러' 간섭, 1. 지자기 변화, 1. 전파 종류와 속도를 참조하듯이 1. 각 세포, 1. 효소, 1. 전달체, 1. (헤모글로빈이 철분과 결합하듯) 수용체, 1. 기전 활성화 단백질, 1. 단백질 부스러기들지만 체내 축적이나 증식하는 RNA 외(인간 광우병 퓨리온 eg.), 1들만 모아서 일종의 '불리안' 대수를 만들어 계산했다는 거죠.
댓글 2
추천 많은 댓글
2024-05-09 16:35:52
'불리안' 대수로 '비트' 연산하는 게 이론 상 가장 빠른데 실제로 '시스템'을 구현해 보면 예를 들어 10 기가까지는 '램 속도 3 기가'나 'CPU 속도 3 기가'나 '하모니'여서 '불리안'이 빠른데 10 테라를 돌리면서 분산 처리, 관계 대수를 쓰면 '네트웤' 속도 20 기가', 'CPU-RAM 속도 3 기가'일 때, 7-8X gain이 더 발생한다; 10 테라, 지도들하고 변수들 모두 관계시켜서 돌리면(run) 비트면 몇 주인데 분산 DB면 이틀 안 걸린다' 그런 게 제일 힘들죠, 실제로 구현.
2024-05-09 11:39:18
쉽게 얘기해서 '지놈 단백질 4 가지 지도'는 나왔고 '특정 세포 발현 지놈들'도 찾았고 그건 지도들이고 예를 들면 GPS가 방향과 거리를 잡을 때, 1. 행성 궤도, 1. 위성 궤도, 1. '도플러' 간섭, 1. 지자기 변화, 1. 전파 종류와 속도를 참조하듯이 1. 각 세포, 1. 효소, 1. 전달체, 1. (헤모글로빈이 철분과 결합하듯) 수용체, 1. 기전 활성화 단백질, 1. 단백질 부스러기들지만 체내 축적이나 증식하는 RNA 외(인간 광우병 퓨리온 eg.), 1들만 모아서 일종의 '불리안' 대수를 만들어 계산했다는 거죠.