그라츠 공과대, AI 결합한 맞춤형 단백질 컴퓨터 설계 기술 발표

원하는 화학 반응을 위해 자연계에 없는 효소를 컴퓨터로 처음부터 조립해내는 기술이 한 단계 도약했습니다.

오스트리아 그라츠 공과대학교(TU Graz) 생화학연구소의 'HelixMold' 프로젝트 연구진은 의약품 원료 생산과 바이오폴리머 분해에 최적화된 맞춤형 인공 단백질을 컴퓨터로 설계하는 플랫폼을 구축했다고 밝혔습니다.

반응 중심을 먼저 잡고 단백질을 빚어낸다

과거 연구자들은 단백질 데이터베이스에서 기존 조각들을 가져온 뒤 몬테카를로 시뮬레이션 같은 무작위 샘플링으로 조립을 시도하곤 했습니다. 하지만 부품이 비슷해도 전체가 어떻게 접힐지는 예측하기 어려웠습니다.

프로젝트를 이끈 구스타프 오버도르퍼(Gustav Oberdorfer) 교수는 1953년 프랜시스 크릭이 제시했던 원자 위치 계산 아이디어를 바탕으로 한 파라메트릭 설계를 도입했습니다. 이를 통해 컴퓨터 상에서 미세하게 형태가 다른 수만 개의 단백질 뼈대를 직접 생성할 수 있었습니다.

연구진은 이들 뼈대 중 특정 촉매 반응을 일으킬 '활성 중심'을 기하학적으로 품을 수 있는 구조를 추려냅니다. 적합한 구조가 선정되면 반응 중심을 고정해 두고, 전용 소프트웨어를 통해 전체 아미노산 간 상호작용 에너지가 최소화될 때까지 주변부를 빚어내는 방식입니다.

유연해서 형태 예측이 가장 빗나가기 쉬운 루프(loop) 영역에는 전용 AI가 투입되었습니다. 팀원인 플로리안 비저(Florian Wieser)는 수천 개의 실험 측정 루프 데이터를 학습한 AI를 개발해, 설계된 루프가 생물학적으로 유효한지 검증하는 품질 관리 도구로 활용했습니다.

파라메트릭 설계에서 최신 AI로의 유연한 선회

연구 도중 일어난 단백질 AI의 폭발적 발전도 연구 경로를 바꿨습니다.

알파폴드(AlphaFold)와 로제타폴드 디퓨전(RoseTTAFold Diffusion) 같은 기술이 등장하면서, 프로젝트 초반에 핵심이었던 수학적 파라메트릭 설계의 비중은 자연스럽게 줄어들었습니다.

연구진은 새로운 머신러닝 기법들을 곧바로 파이프라인에 이식했습니다. 원하는 화학 반응을 정의하고 컴퓨터에서 활성 중심을 찾아 단백질을 둘러싸는 기본 철학을 유지하면서도, 설계 속도를 획기적으로 끌어올린 것입니다.

왜 중요한가

자연계 단백질을 찾아내서 조금씩 깎아 쓰던 방식에서 벗어나, 완전히 새로운 촉매를 목적에 맞게 찍어내는 시대로의 전환을 보여줍니다.

제약사나 바이오 재료 기업 입장에서는 셀룰로오스 같은 난분해성 고분자를 분해하거나 고난도 활성 물질을 합성할 때 걸리는 후보 물질 탐색 기간을 크게 줄일 수 있습니다.

우리가 보기에 이 연구팀의 가장 영리한 점은 기존 방법론에 집착하지 않고 최신 생성형 AI 모델들을 빠르게 흡수했다는 점입니다. 물리학적 에너지 최소화 공식과 유연한 AI 품질 관리를 결합한 실용적인 접근이 돋보입니다.

다만 화면 속 시뮬레이션에서 에너지가 가장 낮게 계산되었다고 해서, 실제 세포 배양을 거쳤을 때 안정적인 수율과 높은 촉매 활성을 보일지는 여전히 미지수입니다. 컴퓨터 설계 결과물이 실험실 파이펫을 거쳐 상업적 공정까지 살아남을 수 있는지가 다음 과제가 될 것으로 보입니다.