단일 GPU로 단백질 입체구조 수천 개 모사하는 AI 'BioEmu' 공개

알파폴드가 단백질의 3차원 스냅샷을 손쉽게 보여주기 시작했지만, 생체 내 단백질은 사진처럼 멈춰 있는 물체가 아닙니다. 기능을 수행하기 위해 끊임없이 형태를 비틀고 접히며 움직이는 기계에 가깝습니다.

이러한 동적 평형 상태와 구조 변화 확률을 규명하기 위해 과학계는 전원자 분자동역학(MD) 시뮬레이션에 의존해 왔습니다. 문제는 계산 비용이 천문학적이라는 점입니다. 수퍼컴퓨터를 동원하더라도 수 밀리초 단위의 움직임을 추적하는 데 수주에서 수개월이 걸리기 일쑤였습니다.

연구진이 bioRxiv를 통해 공개한 생성형 딥러닝 시스템 'BioEmu'는 이 오랜 난제를 정면으로 겨냥했습니다. 단일 GPU 환경에서 1시간 만에 수천 개의 통계적으로 독립된 단백질 입체구조를 샘플링해 냅니다.

100단계 확산 과정으로 풀어낸 동역학

BioEmu는 이미지 생성 분야에서 널리 쓰이는 노이즈 제거 확산 모델을 단백질 구조 생성에 최적화했습니다.

새로운 아미노산 서열이 주어지면 AlphaFold2의 Evoformer 구조를 사용해 서열 특징을 한 번만 계산합니다. 이후 구조 생성 작업은 확산 모델에 넘겨지며, 약 100회의 노이즈 제거 단계만으로 온전한 3차원 입체구조 하나를 복원합니다.

무거운 서열 연산을 반복하지 않기 때문에 연산 효율이 압도적입니다. 단백질 크기에 따라 몇 분에서 몇 시간 안에 1만 개의 독립된 평형 상태 구조를 생성할 수 있습니다. 모델이 추정한 상대 자유에너지 오차는 약 1 kcal/mol 수준으로, 실제 실험 측정 오차 범위에 근접합니다.

훈련 데이터와 서열 유사도가 40% 이하인 엄격한 벤치마크에서도 약물 결합 시 일시적으로 드러나는 숨은 포켓 형성, 국소적 풀림 현상, 대규모 도메인 재배열 등을 충실히 재현하며 AFCluster나 AlphaFlow 같은 기존 베이스라인을 앞질렀습니다.

200밀리초 분량의 시뮬레이션과 100만 건 실험의 결합

모델의 완성도를 결정지은 핵심은 데이터 학습 전략에 있습니다. 단백질의 동역학적 평형 분포를 완벽히 담고 있는 단일 데이터셋이 존재하지 않기 때문입니다.

연구진은 클러스터링된 AlphaFold 데이터베이스로 다양성을 확보하는 사전 학습을 거친 뒤, 자체 구축한 200밀리초 이상의 전원자 MD 시뮬레이션 데이터를 마르코프 상태 모델로 재가중해 열력학적 평형을 맞췄습니다.

여기에 약 100만 건의 단백질 안정성 실험 수치가 담긴 MEGAscale 데이터셋을 추가로 결합했습니다. 이 실험 데이터에는 3차원 좌표가 없기 때문에, 연구진은 '물성 예측 파인튜닝(PPFT)'이라는 알고리즘을 새로 고안해 거시적인 안정성 측정값을 확산 모델 가중치에 직접 주입했습니다.

왜 중요한가

BioEmu의 진정한 강점은 단백질 동역학 분석의 한계비용을 획기적으로 낮췄다는 점에 있습니다.

신약 개발사나 구조생물학 연구팀은 표적 단백질의 변형 구조나 숨은 결합 부위를 찾기 위해 값비싼 수퍼컴퓨터 자원을 수개월씩 대기할 필요가 없어집니다. 몇 달러 수준의 GPU 클라우드 비용으로 몇 시간 만에 가설을 검증할 수 있는 길이 열린 셈입니다.

그동안 막대한 전력과 비용을 들여 수행했던 MD 시뮬레이션 결과물을 일회성 소모품에 그치지 않고, 거대 AI 모델을 학습시키는 재사용 자산으로 전환했다는 점에서도 매우 영리한 접근입니다.

다만 BioEmu는 물리학 법칙을 밑바닥부터 푸는 도구가 아니라 고도화된 근사 모델입니다. 복합체를 이루는 거대 단백질이나 번역 후 변형이 동반된 복잡한 생체 환경에서도 1 kcal/mol 수준의 에너지 정확도를 흔들림 없이 유지할 수 있을지는 향후 추가적인 검증이 필요합니다.