하버드·옥스퍼드 연구팀, 바이러스 변이 사전 예측 AI ‘EVEscape’ 공개

새로운 변이가 나타나 백신을 무력화할 때마다 인류는 늘 바이러스의 뒤를 쫓기 바빴다. 하버드 의대와 옥스퍼드대 연구진이 이 악순환을 끊기 위해 바이러스가 실제로 변이하기 전에 위험한 변종을 미리 짚어내는 AI 모델 'EVEscape'를 개발하고, 관련 연구를 네이처(Nature)에 발표했다.

2020년 1월로 시계를 되돌리다

연구진은 모델의 성능을 증명하기 위해 2020년 1월, 즉 코로나19 초기 데이터만 EVEscape에 입력하는 타임머신 실험을 진행했다.

결과는 놀라웠다. AI는 팬데믹 기간 동안 실제로 가장 빈번하게 발생한 돌연변이와 가장 위협적인 변이주를 정확히 집어냈다. 항체 결합 능력을 측정하는 기존 실험실 방식과 대등한 정확도를 보였으며, 어떤 돌연변이가 실제 세상에서 지배종이 될지 예측하는 능력에서는 오히려 실험실 방식을 앞섰다. 바이러스 변이로 인해 효능을 잃게 될 항체 치료제까지 짚어냈다.

무엇보다 결정적인 것은 속도다. 실험실 연구는 사람이 바이러스에 감염되어 항체가 생길 때까지 기다려야 하지만, EVEscape는 유전체와 구조 데이터만으로 컴퓨터 안에서 시뮬레이션을 끝낸다. 수개월에 달하는 시간 차이를 단숨에 메운 셈이다.

진화의 역사에서 배운 바이러스의 탈출로

EVEscape의 뼈대는 연구진이 이전에 인간 질병 돌연변이를 판별하기 위해 만든 생성 모델 'EVE'다. 대규모 단백질 진화 데이터를 학습해 단백질이 제 기능을 유지하면서 바뀔 수 있는 범위를 파악하는 기술이다.

연구진은 여기에 면역계가 바이러스의 어느 부위를 주로 공격하는지에 대한 생물학적·구조적 정보를 결합했다. 바이러스가 생존 기능을 잃지 않으면서도 인간의 면역망을 빠져나갈 수 있는 최적의 돌연변이 경로를 계산해내는 구조다.

이 접근법은 코로나에만 국한되지 않는다. 연구팀은 HIV와 인플루엔자 바이러스 변이 예측에서도 높은 정확도를 입증했으며, 현재는 연구가 부족하지만 팬데믹 위험이 있는 라싸(Lassa)와 니파(Nipah) 바이러스로 테스트를 확대하고 있다. 연구진은 현재 격주 단위로 변이 위험 순위를 웹사이트에 공개하고 WHO와 공유 중이며, 전체 소스코드도 오픈소스로 풀었다.

왜 중요한가

우리는 이 연구가 백신과 치료제 개발의 패러다임을 '사후 대응'에서 '사전 차단'으로 바꾸는 분기점이 될 수 있다고 본다.

과거의 백신 개발은 변이가 터진 뒤 샘플을 채취해 설계를 수정하는 추격전이었다. EVEscape와 같은 예측 모델이 정착되면, 제약사는 미래에 등장할 가능성이 높은 변이까지 미리 계산에 넣고 '미래 대응형(future-proof)' 백신을 설계할 수 있다. 수억 달러가 드는 후보 물질 발굴 단계에서 실패 확률을 크게 줄여주는 셈이다.

보건 당국 입장에서도 저비용 조기 경보 레이더를 확보하게 된다. 감염자가 폭증하기 전에 어떤 변이를 집중 감시해야 할지 컴퓨터로 먼저 걸러낼 수 있기 때문이다.

다만 AI가 바이러스의 생물학적 탈출 경로를 맞춘다고 해서 현실의 유행까지 100% 예견할 수는 없다. 특정 변종이 실제로 대유행할지는 인구 집단의 기존 면역 상태나 사회적 거리두기, 우연한 슈퍼 전파 사건 같은 환경 요인에 좌우되기 때문이다. 그럼에도 불구하고 수만 가지의 돌연변이 가능성 중 위험군을 몇 개로 압축해 연구자들의 시간을 아껴준다는 점에서, 신약 개발 현장이 지금 당장 주목해야 할 강력한 도구임은 분명하다.