5월 8일 (현지 시간) 국제 유명 학술지'네이처'는 구글 딥마인드와 영국 자회사 Isomorphic Labs 공동팀이 공동 발표한 구글 AI 모델 알파폴드3 (Alpha Fold3) 에 대한 최신 성과를 게재했다.
소개에 따르면 이 모델은 전례없는 정확도로 단백질과 기타 생물분자의 구조와 상호작용을 예측했다.이 연구팀은 알파 접기 3가 생물 세계와 약물 발견에 대한 이해를 바꾸고 나아가 인공지능 세포 생물학의 새로운 시대를 여는 데 도움이 될 것이라고 밝혔다.
(출처/네이처)
약 600만 종의 단백질 구조 그리기
이미 2018년 CASP13 (단백질구조예측평가) 경연에서 알파접기1은 다른 참가팀보다 훨씬 뛰어난 단백질구조예측에서 뛰어난 활약을 펼쳤기 때문에 많은 관심을 끌었다.
2020 년 Deep Mind는 알파 접기 2를 발표했습니다.그 해 CASP14 경연에서 알파 접기 2는 전례 없는 정확도를 보여주며 단백질 구조를 예측하는 데 획기적인 진전을 이뤘다.당시 평가 결과에 따르면 알파 폴딩 2의 평균 오차는 대략 원자 한 개의 지름(0.1㎚)에 불과해 기존 실험 방법과 비슷한 예측 정확도를 보여 당시 과학계에 큰 반향을 일으켰다.딥마인드도 이후 과학계와 협력해 알파 폴딩 2를 사용해 다양한 생물학적으로 중요한 단백질 구조를 해석해 생물의학 연구를 가속했다.
딥마인드는 2021년 유럽생물정보학연구소와 협력해 수만 개의 단백질 구조 예측이 담긴 데이터베이스인 알파폴딩 DB를 공개한 것으로 알려졌다.이러한 데이터의 공개는 전 세계의 과학 연구자들이 이러한 단백질 구조 정보에 무료로 접근할 수 있게 한다.2022년에는 알파 접기 2도 전면 업그레이드됐다.
앞서 딥마인드에 따르면 알파 접기 2는 불과 3년 만에 180만 명의 연구자가 사용해 약 600만 종의 다른 단백질 구조를 그렸다.그러나 이 그림들은 세포 내부에서 일어나는 화학 통신을 포함하지 않는 단일 정적 단백질의 이미지입니다."생물학은 동적 시스템입니다."Deep Mind의 CEO 인 데미스 허사비스는"세포에서 서로 다른 분자 간의 상호 작용이 생물학적 특성을 생성하는 방법을 이해해야합니다."
AI 조력 질병 치료, 약물 개발
6년이 지난 지금, 구글 딥마인드는 과학자들이 약물을 더 효과적으로 설계하고 질병을 겨냥할 수 있도록 돕기 위한 최신 알파 접이식 3를 선보였다.Isomorphic Labs의 최고 인공 지능 책임자인 맥스 저드버그는 알파 폴딩 3의 기능이 연구자들이 잠재적 인 새로운 약물 분자를 빠르게 식별 할 수있는 새로운 기회를 제공한다고 밝혔다.이에 앞서 Isomorphic Labs는 제약회사 릴리와 노바티스와 파트너십을 맺은 것으로 알려졌다.
맥스 저드버그는 "이를 통해 우리 과학자, 약물 설계자들이 원자 수준에서 가설을 만들고 테스트한 뒤 알파 폴딩 3를 몇 초 안에 사용해 고도로 정확한 구조 예측을 생성할 수 있게 됐다"며 "이에 비해 전통적인 실험 방법은 수개월 내지 수년이 걸릴 수 있다"고 말했다.
이 팀에 따르면 알파 접기 3의 예측 정확성은"이전에 기반한 도구를 포함한 많은 기존 전용 도구에 비해"크게 향상되었다"고 한다.이 버전의 알파 접기는 기존 예측 방법에 비해 단백질과 다른 분자 간의 구조와 상호작용을 예측하는 데 최소 50% 향상됐다.일부 주요 연구 분야에서는 예측 정확도가 100% 개선되어 두 배로 향상되었습니다.알파 접기 3는 단백질, DNA, RNA, 배합체의 구조와 그들 사이의 상호작용을 정확하게 예측할 수 있다.이 진전은 암, 자가면역성 질환 등의 치료에 희망을 제공했다.
딥마인드의 알파 접기 팀 책임자인 존 제퍼는 "우리는 믿을 수 없는 진보를 봤고, 이러한 진보가 많은 새로운 과학의 잠금을 해제할 것으로 생각한다"며 이 기술이 식물생물학 지식 향상은 물론 식량 안보에서도 마찬가지로 잠재력이 있다고 지적했다."우리는 이미 생물학자와 초기 테스트 요원들이 세포가 어떻게 작동하는지 이해하기 위해 그것을 사용하는 것을 보기 시작했으며, 그것이 어떤 오차가 발생할 수 있는지 생각하기 시작했다."라고 그가 말했다.
기자가 그의 논문 개요를 정리한 결과, 최신 알파 접기 3는 몇 가지 중대한 업데이트를 가지고 있다는 것을 발견했다.
최신 버전의 알파 접기는 대상 서열과 관련된 단백질 정보에 더 적게 의존할 것이다.동시에 알파 접기 3는 이미지 생성식 인공지능이 사용할 수 있는 확산 모델이라는 기계 학습 네트워크를 사용한다.존 제퍼는 "상당한 변화"라고 말했다.
아울러 알파 폴딩 3는 기존 소프트웨어 도구보다 단백질과 그 구조를 예측하는 데 훨씬 뛰어나다고 연구진은 밝혔다.예를 들어, 신약 찾기에 관심이 있는 과학자들은 일반적으로 화학 물질과 단백질의 결합 정도를 시뮬레이션하기 위해 docking이라는 소프트웨어를 사용하는데, 알파 접기 3은 이 소프트웨어보다 우수하다는 것이 증명되었고, 동시에 RoseTTAFoldAll-Atom4라는 다른 인공지능 기반 도구보다 우수하다는 것도 증명되었다.
존 제퍼와 그의 동료들은 조금 전 보고서에서도 데이터로 그들의 주장을 검증했다.보고서에 따르면 400 개 이상의 테스트 사례 중 알파 폴딩 3는 알려진 단백질과 약물 소분자 간의 상호 작용을 정확하게 시뮬레이션 할 수 있으며 그 중 76% 는 정확하게 시뮬레이션 할 수 있으며 RoseTTAFoldAll-Atom의 이 비율은 약 40% 입니다.단백질과 항체 간의 상호작용에 대해 알파 접기 3의 정확도는 62% 였고, 알파 폴드 멀티머 (이 회사가 이전에 단백질과 다른 생체 분자의 상호작용을 시뮬레이션하는 데 사용했던 패키지) 의 정확도는 30% 였다.
딥마인드 연구진은 새로운 모델이 널리 채택되도록 장려하기 위해 알파 접이식 서비스단도 발표했다. 이는 무료 온라인 사용 플랫폼이다. 딥마인드 연구진은 이를 위해 약 2억 개의 단백질 구조를 담은 데이터베이스를 발표했다.
새 모델의 우열
보스턴컨설팅그룹이 이번 주 발표한 연구에 따르면 인공지능이 발견한 약물은 다른 방법으로 발견된 약물보다 조기 실험에서 성공률이 더 높았다.이 연구는 이러한 데이터가 이 기술의 약물 발견 및 유효성에 대한 초기 분석이라고 지적했으며, 연구는 인공 지능이 제약 개발의 생산성을 두 배로 향상시킬 수 있다고 밝혔다.
또 다른 국제 유명 학술지'사이언스'의 이 모델에 대한 소개와 해독에 따르면 킹스 칼리지 런던의 생물학자 줄리안 버젤론은 알파 폴딩 3를 테스트할 기회를 얻었다. 그는 이 소프트웨어가 연구 속도를 높이는 데 변혁적이라고 말했다.연구진은 수년 동안 실험실에서 단백질을 연구할 필요가 없고 몇 분 안에 결과를 얻을 수 있다."우리는 컴퓨터에서 가설을 테스트하기 시작할 수 있습니다."라고 줄리안 버저런이 말했다."나는 세계의 모든 구조 생물학과 단백질 생화학 연구팀이 즉시 이 시스템을 채택할 것이라고 매우 확신한다."
캘리포니아 대학 샌프란시스코 캠퍼스의 약물 화학자 브라이언 쇼이체트는 단백질과 가능한 약물의 상호 작용 모델링에 대한 제한 때문에 알파 폴딩 3이 알파 폴딩 2가 이전에 미치는 영향이 크다고 생각하지 않는다고 말했다.
이 연구팀이 보고서에서 소개한 바와 같이 알파 접기 3는 여전히 많은 면에서 한계가 있으며 추가 반복과 개선이 필요하다.입체화학 규제, 예측 정확성 문제, 구조 구조 규제, 동적 정보 부족, 특정 목표 예측 제한 등이 포함된다.
转播
