구글 딥마인드, 차세대 '알파폴드' 공개…DNA·약물 분자까지 예측

단백질이 어떻게 접히는지 알아내는 것도 대단한 일이었지만, 실제 우리 몸속에서 질병이 일어날 때는 단백질 혼자 움직이지 않습니다. 약물 분자가 단백질의 어느 틈새에 달라붙고 핵산과 어떻게 얽히는지를 봐야만 진짜 치료제를 만들 수 있습니다.

구글 딥마인드와 신약 개발 전문 자회사 아이소모픽 랩스는 차세대 알파폴드의 최신 연구 성과를 공개했습니다. 이번 모델은 단순 단백질 사슬 예측을 넘어 저분자 리간드, DNA와 RNA 같은 핵산, 그리고 번역 후 변형이 일어난 복합체까지 예측 범위를 대폭 넓혔습니다.

딥마인드에 따르면 새 모델은 단백질 데이터 뱅크에 수록된 거의 모든 분자 범주를 예측할 수 있으며, 원자 수준의 정확도에 빈번하게 도달합니다.

결합 주머니를 몰라도 예측하는 전원자 모델링

제약 업계가 기존에 저분자 리간드와 단백질의 결합을 시뮬레이션할 때는 도킹 기법에 의존해 왔습니다. 하지만 기존 도킹 방식은 고정된 단백질 기준 구조가 필요하고, 약물이 들어갈 결합 포켓의 위치를 사람이 미리 지정해 줘야 한다는 한계가 뚜렷했습니다.

차세대 알파폴드는 이 기준을 완전히 뛰어넘었습니다. 단백질 기준 구조나 결합 주머니의 좌표 없이도 기존 최고 수준의 도킹 프로그램을 앞서는 성능을 냈으며, 구조가 전혀 밝혀지지 않은 완전히 새로운 단백질에도 적용할 수 있습니다.

또한 모든 원자의 위치를 동시에 계산하기 때문에, 분자끼리 만날 때 단백질과 핵산이 부드럽게 형태를 바꾸는 고유의 유연성을 그대로 반영합니다. 딥마인드는 주요 암 표적인 KRAS 복합체, 항암 분자 PORCN, 유전자 가위 계열인 CasLambda 복합체 등에서 실험실 측정치와 거의 일치하는 결과를 얻었다고 밝혔습니다.

왜 중요한가

신약 개발자와 연구자들에게 이번 업데이트는 컴퓨터 안에서 약물 후보 물질을 검증하는 판도를 뒤흔들 변화입니다. 기존 알파폴드 데이터베이스는 190여 개국 140만 명 이상이 써왔지만, 약물 결합을 보려면 구조를 내려받아 다른 도킹 프로그램에 일일이 집어넣어야 했습니다. 새 모델이 본격 도입되면 복잡한 복합체 시뮬레이션을 단일 인공지능 안에서 단번에 끝낼 수 있게 됩니다.

업계 차원에서는 알파폴드가 단순한 학술 연구 도구를 넘어 아이소모픽 랩스를 앞세운 상업용 신약 발굴 엔진으로 완전히 체급을 올렸음을 뜻합니다. 기존 물리 화학 시뮬레이션 패키지를 판매하던 상용 소프트웨어 기업들은 상당한 압박을 받을 것으로 보입니다.

우리는 딥마인드가 단백질 접힘 점수 경쟁에 머무르지 않고, 실제 약물 설계의 병목이었던 다중 분자 상호작용으로 빠르게 방향을 튼 점이 매우 영리한 수라고 봅니다. 다만 시뮬레이션 상에서 분자가 잘 달라붙는다고 해서 곧바로 알약이 되는 것은 아닙니다. 체내 흡수율, 대사, 독성 같은 생체 내 복합 변수는 여전히 존재하므로, 이 예측이 임상 성공률 향상으로 이어지기까지는 여전히 많은 습식 실험 검증이 뒤따라야 할 것입니다.