DeepMind는 생물학에서 가장 큰 도전 중 하나를 깨뜨렸을 것이다. DNA의 이중 나선 발견에 필적하는 하나이다. 그것은 생물의학, 신약 발견 및 백신개발을 영원히 바꿀 수 있다. 실제 성과는 언뜻 보기에 훨씬 덜 섹시하게 들린다. DeepMind의 강력한 AI 알고리즘 중 하나인 AlphaFold는 딥러닝 능력을 사용하여 원자 너비까지 단백질의 3차원(3D) 모양을 예측했다. 그것은 50년 동안 생물학자들을 미스터리 하게 했으며 컴퓨터 기반 단백질 구조 예측이 크라우드 소싱 게임, 글로벌 대회, 돌파구를 찾아 노벨상을 수상할 정도로 많이 계산되었던 것은 도전이다. 우리는그 변곡점에 있다. AlphaFold는 Critical Assessment of Structure Prediction(CASP)이라는 승자 진출식의 장기 도전에서, 입이 떡 벌어지는 성능으로 약 100개 이상의 다른 팀을 이겼다. Nature와의 인터뷰에서 메릴랜드 대학의 CASP 공동 창립자인 John Moult 박사는 "어떤 의미에서는 문제가 해결되었다"고 말했다. 

CASP에도 참여한 콜롬비아대학의 Mohammed AlQuraishi 박사는 AI를 혁신적이라고 칭찬했다. "그것은 내 일생의 가장 중요한 과학적 결과 중 하나인 첫 번째 질서의 돌파구"라고 Nature에 말했다.

또한 Go 및 전체 Atari 세탁 목록과 같은 게임에서 인간을 능가하는 수많은 알고리즘으로 명성을 얻은 DeepMind의 승리이기도 하다. 그러나 단백질 구조 예측의 승리는 현실 세계로의 눈부신 데뷔를 의미한다. 현실 세계에서 AI의 가치에 대한 부정적인 평가를 배제한 것이다. 

DeepMind는 단백질 폴딩 게임에서 유일한 경쟁자는 아니다. AlphaFold는 생물학적 데이터와 통찰력에 의존한다. 이번 주에는 실험 과학자 그룹이 전달했다. 복잡한 단백질 어셈블리의 유전자를 전술적으로 변경하고 결과를 관찰함으로써 팀은 매우 높은 정확도로 단백질을 재구성하는 알고리즘을 구축할 수 있었다.

함께, 우리는 패러다임 전환으로 빠르게 나아가고 있다. Max Planck Institute for Developmental Biology의 Andrei Lupas 박사는 “이것은 의학을 바꿀 것이다. 연구를 바꿀 것이다. 그것은 생명공학을 바꿀 것이다. 그것은 모든 것을 바꿀 것이다.”고 말했다.

어떻게 해야 할까?

생물학의 중심 신조는 "구조가 기능을 설명한다"이다. 예를 들어, DNA의 이중 나선 모양의 발견은 유전 정보가 어떻게 복사되고 저장되는지에 대한 통찰력을 급등시켰다. 구조가 없으면 유전자편집, DNA 컴퓨터 또는 저장 장치가 없을 것이다.  

단백질 구조는 아마도 그 이상은 아니지만 많은 정보를 포함하고 있을 것이다. 그러나 그들은 해독하기가 훨씬 더 어렵다. 그들은 끈의 구슬처럼 아미노산이라고 불리는 선형 구성 요소의 리본으로 삶을 시작한다. 엄청나게 복잡한 생물물리학(대부분은 미스테리로 남아 있음)을 기반으로 하는 이 끈은 꼬이고 돌리는 가닥의 시트 또는 서로를 감싸는 나선과 같은 섬세한 모양으로 접힌다. 이러한 구조의 대부분은 메가플렉스로 추가 결합된다. 그래야만 생명을 유지하려는 의도대로 기능할 수 있다.

 우리가 단백질의 구조를 알고 있다면 그 기능에 대해 교육적인 추측을 할 수 있다. 그리고 수천 개의 단백질 구조를 매핑함으로써 우리는 생명의 생물학을 해독하고 그것을 조작하는 방법을 찾을 수 있다. 

코로나19 백신을 맞는다. 한 가지 중요한 돌파구는 바이러스가 우리 세포를 침범하기 위해 의존하는 바이러스 표면의 "스파이크"단백질 구조를 매핑하는 것이었다. 단백질의 3D구조를 자물쇠로 상상해보자. 자물쇠의 모양을 매핑할 수 있다면 마약이나 백신과 같은 "열쇠"를 설계하여 이를 방해할 수 있다. 코로나19 사례가 전 세계적으로 급증하기 시작한 3월에 DeepMind의 AlphaFold가 이러한 스파이크 단백질 구조를 추적한 것은 놀라운 일이 아니다.  

단백질 구조를 밝히기 위한 고전적인 "골드 표준"은 X-선 결정학이라는 매우 지루하고 어려운 실험실 기술에 의존한다. 과학자들은 본질적으로 단백질을 섬세한 결정과 같은 구조로 "고정"시키고 X-선, 첨단 현미경 및 수학을 조합하여 형태를 파악한다. 그러나 모든 단백질을 분석하기 위해 "순간 동결"할 수 있는 것은 아니므로 생물학을 해독하는 데 그랜드캐년 크기의 차이가 남는다. "핵 자기 공명 분광법"과 같이 친숙하지 않은 이름을 가진 다른 방법도 마찬가지로 비싸고 까다롭다.

하지만 여기에 문제가 있다. 3D 단백질을 만들기위한 지침은 본질적으로 1D 아미노산 서열에 내장되어 있어 노벨상을 수상했다. 그리고 AI가 잘하는 한 가지는 인간의 능력을 넘어서는 복잡한 순서로 패턴을 찾는 것이다.  

3D 체스

CASP는 이미 X선 결정학을 사용하여 확인되었지만 일반인이 이용할 수 없는 단백질 구조의 크라우드 소스 예측에 도전한다. DeepMind는 새로운 도전이 아니다. 2018년에 그 성능은 이 분야에서 오랫동안 일해온 많은 학자들을 놀라게 했다. 

AlphaFold의 전략은 딥러닝에 의존한다는 점에서 올해 CASP의 대부분의 항목과 유사하다. 기억하라. 단백질의 구성 요소인 아미노산 서열에는 단백질의 최종 3D형태에 대한 데이터가 포함되어 있어 딥러닝 접근 방식에 적합하다.

DeepMind는 한 단계 더 나아갔다. 그들은 물리학, 기하학 및 진화 역사에 대한 데이터를 모델에 추가하는 거대한 작업을 수행했다. 약 170,000개의 단백질 구조의 단백질 데이터 뱅크에 대해 훈련된 신경망은 단백질의 구조를 "3D 맵"으로 해석하고 묻혀 있는 관계나 패턴을 분석할 수 있다. 이 프로세스를 반복함으로써 AlphaFold는 "수일 내에 매우 정확한 구조를 결정할 수 있었다"고 DeepMind는 썼다.  

이것은 빈 단어가 아니다. CASP에서 알고리즘은 경쟁자를 부끄럽게 만든다. 예측의 거의 3분의 2는 몇 개의 원자에 대한 유사한 분해능에서 실험 데이터와 비슷했다. 100점 만점에 90점을 기록했다. 이는 다른 경쟁자보다 25점 더 큰 차이이다.

아직 해야 할 일이 더 있다.  

보다 실질적으로 AlphaFold의 성공은 우리가 이전에 "약탈할 수 없는"단백질에 접근할 수 있다는 것을 의미한다. 그 중 다수는 암 및 기타 심각한 질병과 관련이 있다. 

우리의 거의 모든 약물은 자물쇠 열쇠와 같은 단백질에 결합하도록 설계되었다. 첫 번째 단계는 적을 아는 것이다. 즉, 취약한 공격 지점을 찾는 단백질의 구조이다. 단백질 구조를 해독하는 AI 기반 방법을 사용하면 수만 개의 신약 표적을 빠르게 선별할 수 있다. “AlphaFold는 새로운 연구 영역을 열 것이다.”고 영국의 European Bioinformatics Institute의 Dame Janet Thornton이 MIT Technology Review에 말했다.

압도적인 찬사를 제쳐 두고 개선의 여지가 있다. AlphaFold는 정확도가 낮다는 단점이 있지만 몇 초 만에 결과를 제공하는 일부 알고리즘에 비해 상대적으로 느리다. 그러나 더 중요한 것은 집단 기능적 실체를 형성하는 여러 개별 3D 빌딩 블록의 메가 구조인 단백질 복합체를 해독하는 데 어려움을 겪었다는 것이다. 이들은 생물학에서 거의 드물지 않다. 예를 들어, 우리 뇌 세포에 있는 대부분의 화학 수용체는 이러한 구조에 의존한다. 또한 신체 상태에 따라 3D구조가 바뀔 수 있다는 점에서 모양을 바꾸는 메가루빅 큐브와 같다. 예를 들어 닫힌 터널 모양의 거대 단백질은 표면에 도킹된 화학 물질을 감지할 때 열릴 수 있다. 이 과정은 우리 뇌가 작동하는 방식의 중심이다. 

좋은 측면? DeepMind가 도움을 받았다. 이번 주에 한 팀은 AlphaFold가 아직 지배하지 않은 살아있는 세포의 단백질 복합체를 분석하는 별도의 접근 방식을 취했다. 성가신 문제에 대한 그들의 접근은 3D 단백질 폴딩에 대한 정보를 포함하는 아미노산 사슬의 구성을 안내하는 청사진인 유전자로 거슬러 올라간다.

또한 바로 사용할 수 있는 아이디어이다. 연구팀은 살아있는 세포에서 단백질을 만드는 유전자를 찾기 위해 수천 개의 돌연변이를 빠르게 스크리닝 할 수 있음을 발견했다. 생성된 단백질 복합체의 구조를 관찰함으로써, 그들은 AI 기반 방법을 사용하여 한 돌연변이가 다른 돌연변이에 어떻게 영향을 미치는지 파악할 수 있으며, 그에 기초한 유전적 지침을 살펴봄으로써 이러한 거대 구조가 형성되는 방식의“규칙”을 밝혀 낼 수 있다. 

AlphaFold와 마찬가지로 "통합 모델링"이라고 하는 이 기술은 아직 단백질 매핑의 표준을 대체할 준비가 되지 않았다. 하지만 그 어느 때보다 가깝다. 단일 단백질에서 메타-단백질 복합체에 이르기까지 이제 우리는 생물학적 투명 인간을 정확하게 시각화 하는 더 빠르고 간단하며 저렴한 방법을 갖게 되었다. 인공지능과 생물학이 함께 작동하면서 단백질 접힘은 우리 세대 의학의 첫 번째 주요 돌파구일 수 있다.

"AlphaFold는 현재까지 우리가 가장 중요한 발전 중 하나이다."라고 DeepMind 팀은 썼다. "AI가 과학 지식의 영역을 확장하는 데 있어 인류의 가장 유용한 도구 중 하나가 될 것이라는 확신을 갖게 되었으며 앞으로 수년간의 노력과 발견을 기대하고 있다!"