Curiologist K

단백질 구조 예측 문제는 50년 동안 생물학자들을 괴롭혔다. 2020년, 딥마인드의 AlphaFold가 단 몇 초 만에 수십 년치 실험 결과를 뛰어넘는 정확도로 이 문제를 풀어냈다. 그 순간을 기점으로 AI가 과학 연구에서 하는 역할은 '보조 도구'에서 '공동 연구자'로 완전히 달라졌다. Photo by Filipe Nobre on Unsplash AI가 과학 연구에서 실제로 하는 일은 무엇인가? 패턴 인식을 넘어선 가설 생성 AI가 과학에서 하는 일을 단순히 '데이터 분석'이라고 생각하면 절반만 맞다. 현대 AI 시스템은 방대한 논문과 실험 데이터를 학습해 인간 연구자가 수십 년간 쌓아야 할 직관을 단기간에 압축한다. 더 중요한 것은, AI가 기존 연구자들이 미처 연결하지 못한 분야 간 패턴을 발견해 새로운 가설을 제안한다는 점이다. 예를 들어, 재료과학 분야에서 AI는 수백만 개의 후보 물질 중 특정 조건에서 초전도성을 보일 가능성이 있는 물질을 며칠 만에 추려낸다. 전통적인 방법으로는 한 물질을 합성하고 테스트하는 데만 수개월이 걸린다. 구글 딥마인드 팀이 2023년 발표한 GNoME 프로젝트는 AI를 활용해 220만 개 이상의 새로운 안정적 결정 구조를 예측했는데, 이는 인류가 수백 년간 발견한 것보다 많은 숫자다. AI가 다루는 데이터의 규모 인간 연구자 한 명이 평생 읽을 수 있는 논문은 수만 편 수준이다. 반면 대형 언어 모델 기반 AI는 수천만 편의 논문을 학습 데이터로 소화한다. 이 차이가 만들어내는 가장 큰 강점은 '분야 간 연결'이다. 면역학 논문에서 발견된 패턴이 신경과학 연구에 적용될 수 있다는 사실을 AI는 인간보다 훨씬 빠르게 포착한다. AI Generated · Google Imagen AlphaFold부터 신약 개발까지 — AI가 실제로 풀어낸 과학 난제들 단백질 접힘 문제: 50...

단백질 하나가 잘못 접히면 알츠하이머, 파킨슨병, 광우병이 생긴다. 단순히 '모양이 틀렸다'는 문제가 아니라, 수십 년에 걸쳐 뇌를 파괴하는 연쇄반응의 시작점이다. 그런데 인류는 2021년까지도 단백질이 어떻게 접히는지를 제대로 예측하지 못했다. 50년 묵은 난제가 AI 하나로 사실상 해결됐다는 소식이 과학계를 뒤흔든 이유가 바로 여기에 있다. Photo by Y S on Unsplash 단백질 접힘이란 무엇인가 — 아미노산 사슬이 생명이 되는 순간 아미노산에서 3차원 구조로 단백질은 아미노산이 일렬로 연결된 사슬이다. 사람 몸에서 만들어지는 단백질은 수만 종류가 넘고, 각각은 수백에서 수천 개의 아미노산으로 구성된다. 문제는 이 사슬이 그냥 늘어져 있지 않는다는 점이다. 합성이 끝나는 순간, 사슬은 물리화학적 힘에 의해 특정한 3차원 형태로 '접힌다'. 이 최종 형태가 단백질의 기능을 결정한다. 효소가 특정 분자만 분해하는 것도, 항체가 바이러스에 딱 달라붙는 것도, 헤모글로빈이 산소를 운반하는 것도 전부 3차원 구조 덕분이다. 자물쇠와 열쇠처럼, 형태가 맞아야 기능이 작동한다. 그런데 아미노산 서열이 같아도 접힘 방식이 달라지면 완전히 다른 — 때로는 치명적인 — 단백질이 된다. 프리온 단백질이 대표적인 사례다. 정상 프리온과 병원성 프리온은 아미노산 서열이 동일하지만, 접힘 구조가 달라 광우병 같은 질환을 일으킨다. '접힘 문제'가 왜 50년간 풀리지 않았나 1972년 노벨화학상 수상자 크리스티안 안핀센은 단백질의 아미노산 서열이 최종 구조를 결정한다는 것을 실험으로 증명했다. 이론은 맞았다. 그런데 서열만 보고 구조를 예측하는 계산은 전혀 다른 문제였다. 아미노산 100개짜리 단백질이 취할 수 있는 구조의 경우의 수는 우주의 원자 수보다 많다는 추정이 있을 정도다. 기존 방법인 X선 결정학이나 냉동전자현미경은 실제 단백질을 ...