광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
로고

[인공지능, 단백질접힘] AlphaFold가 주어진 단백질의 3D 구조가 아미노산 서열에서 결정될 수 있어야 한다고 주장하는 소위 단백질 접힘 문제를 본질적으로 해결했다, 이는 반세기 동안 과학자들을 어리둥절하게 만들었던 이슈로, 큰 도약을 이루었다.

https://medicalxpress.com/news/2021-07-ai-human-protein-database-great.html

JM Kim | 기사입력 2021/07/26 [00:00]

[인공지능, 단백질접힘] AlphaFold가 주어진 단백질의 3D 구조가 아미노산 서열에서 결정될 수 있어야 한다고 주장하는 소위 단백질 접힘 문제를 본질적으로 해결했다, 이는 반세기 동안 과학자들을 어리둥절하게 만들었던 이슈로, 큰 도약을 이루었다.

https://medicalxpress.com/news/2021-07-ai-human-protein-database-great.html

JM Kim | 입력 : 2021/07/26 [00:00]

과학자들은 목요일에 생명의 빌딩 블록을 형성하는 단백질에 대한 가장 철저한 데이터베이스를 공개했으며, 획기적인 관찰자들은 "생물학 연구를 근본적으로 변화시킬 것"이라고 말했다.  

모든 살아있는 유기체의 모든 세포는 건강을 유지하고 감염을 방지하기 위한 지속적인 지침을 전달하는 단백질에 의해 기능을 수행하도록 촉발된다. 게놈(세포 생명을 암호화하는 인간 유전자의 완전한 서열)과 달리 인간 프로테옴은 유전적 지시와 환경적 자극에 따라 끊임없이 변화한다단백질이 세포 내에서 작동하는 방식, 즉 세포 내에서 "접히는" 형태를 이해하는 것은 수십 년 동안 과학자들을 매료시켰다.

 

그러나 직접적인 실험을 통해 각 단백질의 정확한 기능을 결정하는 것은 힘든 일이다.

 

50년 동안의 연구는 지금까지 단백질의 소단위인 인간 프로테옴의 아미노산 중 17%만을 산출했다. 목요일 구글 딥마인드(DeepMind)와 유럽분자생물학연구소(EMBL)의 연구원들은 인간 게놈으로 표현되는 20,000개의 단백질 데이터베이스를 온라인에서 무료로 공개했다. 여기에는 과학자들이 연구에 의존하는 박테리아, 효모 및 쥐와 같은 20가지 유기체의 350,000개 이상의 단백질도 포함되었다.

 

데이터베이스를 만들기 위해 과학자들은 아미노산 서열을 기반으로 단백질의 모양을 정확하게 예측할 수 있는 최첨단 머신러닝 프로그램을 사용했다수백만 달러의 장비를 사용하는 대신 몇 달을 보내는 대신 170,000개의 알려진 단백질 구조 데이터베이스에서 AlphaFold 시스템을 훈련했다.

 

그런 다음 AI는 알고리즘을 사용하여 인간 프로테옴 내 모든 단백질의 58% 모양을 정확하게 예측했다. 이것은 연구원들이 50년 동안 직접 실험을 하는 동안 본질적으로 하룻밤 사이에 식별한 고 정밀 인간 단백질 구조의 수를 두 배 이상 늘렸다. 유전 질환 연구 및 항균제 내성 퇴치부터 가뭄 저항성 작물 공학에 이르기까지 잠재적인 응용 분야는 엄청나다.

  

'단백질 접힘 문제'

2001년 노벨 의학상 수상자이자 Francis Crick Institute 소장인 Paul Nurse는 목요일의 공개가 "생물학적 혁신을 위한 큰 도약"이라고 말했다. 그는 "이 자원을 무료로 공개함으로써 과학 커뮤니티는 공동 지식을 활용하여 발견을 가속화하고 AI 기반 생물학의 새로운 시대를 열 수 있을 것"이라고 말했다. 

일회용 플라스틱 폐기물을 소비할 수 있는 효소를 개발하고 있는 포츠머스 대학의 효소 혁신 센터 소장인 John McGeehan AlphaFold가 이 분야에 혁명을 일으켰다고 말했다. "몇 달, 몇 년이 걸리던 일을 AlphaFold는 주말에 할 수 있었다. 어제보다 적어도 1년은 더 도약한 것 같다."라고 그는 말했다.

 

실험이 아닌 컴퓨터를 사용하여 아미노산 서열로부터 단백질의 형태를 예측하는 능력은 이미 여러 연구 분야의 과학자들에게 도움이 되고 있다.

 

AlphaFold는 빈곤한 국가에 불균형적으로 영향을 미치는 질병에 대한 치료법 연구에 이미 사용되고 있다. 미국에 기반을 둔 한 팀은 AI 예측을 사용하여 약물 내성 박테리아 균주를 극복하는 방법을 연구하고 있다.

 

다른 그룹은 이 데이터베이스를 사용하여 코로나19를 유발하는 바이러스인 SARS-CoV-2가 인간 세포와 어떻게 결합하는지 더 잘 이해하고 있다.

 

2009년 노벨 화학상을 수상한 벤키 라마크리슈난(Venki Ramakrishnan)은 목요일 네이처(Nature) 저널에 발표된 이번 연구가 생물학적 연구의 "놀라운 발전"이라고 말했다.

 

그는 AlphaFold가 주어진 단백질의 3D 구조가 아미노산 서열에서 결정될 수 있어야 한다고 주장하는 소위 "단백질 접힘 문제"를 본질적으로 해결했다고 말했으며, 이는 반세기 동안 과학자들을 어리둥절하게 만들었다.

 

단백질이 이론적으로 취할 수 있는 모양의 수가 천문학적으로 많다는 점을 감안할 때 단백질 접힘 문제는 부분적으로 처리 능력 중 하나였다그 작업은 1969년에 미국 분자 생물학자인 Cyril Levinthal이 무차별 계산을 사용하여 가능한 모든 단백질 구성을 열거하는 데 알려진 우주의 나이보다 더 오래 걸릴 것이라는 유명한 이론을 발표했을 정도로 벅찼다.

 

그러나 AlphaFold가 매초 어지러울 정도로 많은 계산을 수행할 수 있기 때문에 AI와 알고리즘에 직면했을 때 문제가 발생하지 않았다.

 

"현장의 많은 사람들이 예측하기 훨씬 전에 일어난 일이다.”라고 라마크리슈난이 말했다. "생물학 연구를 근본적으로 변화시킬 다양한 방식을 보는 것은 흥미로울 것이다."

 
인공지능, 단백질 접힘, AlphaFold 관련기사목록
광고
광고
광고
광고
광고
광고
광고
많이 본 기사