마이크로소프트, 단백질 동적 구조 예측 AI 'BioEmu-1' 오픈소스 공개

BioEmu-1은 마이크로소프트가 오픈소스로 공개한 단백질 동적 구조 앙상블 예측 딥러닝 모델이다. 알파폴드와 같은 기존 도구가 영화 속 한 장면 같은 정적 스냅샷을 제공했다면, BioEmu-1은 단백질이 실제로 움직이고 접히며 기능을 발휘하는 동적인 변화 과정을 생성해 낸다.

무엇을 할 수 있는가

가장 큰 장점은 압도적인 처리 속도다. BioEmu-1은 단일 GPU 환경에서 1시간 만에 수천 개의 단백질 입체 구조를 생성할 수 있다.

생물학 및 제약 연구에서는 단백질의 구조 변화를 관찰하기 위해 고전 분자동역학(MD) 시뮬레이션을 주로 활용해 왔다. 하지만 의미 있는 구조 전이를 포착하려면 전용 하드웨어나 슈퍼컴퓨터를 동원해도 수개월에서 수년의 계산 시간이 걸리는 한계가 있었다.

반면 BioEmu-1은 D. E. Shaw Research가 수행한 Protein G 시뮬레이션과의 비교 테스트에서 기존 평형 분포를 정밀하게 재현하면서도, 소모된 GPU 시간은 1만 분의 1에서 10만 분의 1 수준으로 줄였다.

학습 데이터에 없던 단백질 서열에 대한 일반화 능력도 뛰어나다. 콜레라균의 LapD 단백질을 테스트한 결과, c-di-GMP 분자와 결합한 상태와 결합하지 않은 상태를 모두 정확히 예측했다. 더 나아가 기존 실험으로는 한 번도 직접 관측된 적 없는 중간 전이 구조까지 제시했다.

또한 폴딩 및 언폴딩 구조의 분포를 집계해 산출한 접힘 자유에너지는 실제 습식 실험 측정값과 매우 높은 상관관계를 보였다.

작동 원리와 사용처

연구진은 물리적 타당성과 생성 속도를 모두 확보하기 위해 세 가지 데이터를 결합해 모델을 학습시켰다.

먼저 알파폴드 데이터베이스(AFDB) 구조로 대략적인 구조 지형을 파악하고, 방대한 MD 시뮬레이션 데이터를 통해 물리적으로 타당한 구조 변화 경로를 익혔다. 마지막으로 실험적 단백질 안정성 데이터셋으로 미세 조정하여 실제 확률에 맞게 상태를 샘플링하도록 만들었다.

서울대학교 마틴 스타이네거 교수는 정적 구조 예측 이후 차세대 개척지는 단백질 동역학이라며, BioEmu가 생성형 딥러닝을 통해 자유에너지 지형의 초고속 샘플링을 가능케 한 중대한 진전이라고 평가했다.

BioEmu-1은 현재 오픈소스로 코드가 공개되어 있으며, Azure AI Foundry Labs를 통해서도 테스트해 볼 수 있다.

왜 중요한가

신약 개발 연구진과 계산생물학자라면 지금 바로 테스트해 볼 가치가 충분하다. 다수의 표적 치료제는 단백질의 정적 상태가 아니라 특정 전이 상태의 틈새를 공략해 작동하므로, 몇 달 걸리던 가설 검증을 반나절 만에 마칠 수 있기 때문이다.

다만 우리는 이 모델이 아직 초기 단계라는 점을 염두에 두어야 한다고 본다. 생성 AI는 압도적으로 빠르지만 완전히 새로운 복합체나 특이 구조에서는 물리적 오류를 낼 가능성이 상존한다. 정밀 MD나 실험실 검증을 완전히 대체하기보다는, 대규모 후보 구조를 빠르게 걸러내는 1차 스크리닝 필터로 활용하는 것이 가장 합리적이다.