알파폴드

알파폴드는 단백질의 아미노산 서열로부터 그 3차원 구조를 예측하는 인공지능 시스템이다. 단백질은 생명 현상의 핵심적인 역할을 수행하며, 그 기능은 복잡하게 접힌 3차원 구조에 의해 결정된다. 과거에는 실험을 통해 단백질 구조를 밝히는 데 수년의 시간과 막대한 비용이 소요되었으나, 알파폴드는 이를 수 시간 내에 원자 수준의 정밀도로 예측함으로써 생명과학 연구의 패러다임을 전환했다.

알파폴드는 지속적인 성능 개선을 통해 발전해 왔다.

• 알파폴드 1 (2018): 제13회 단백질 구조 예측 학술대회(CASP13)에서 종합 순위 1위를 차지하며 등장했다. 기존 방식으로는 예측이 어려웠던 단백질 구조를 정확하게 파악하여 주목받았다.
• 알파폴드 2 (2020): CASP14 대회에서 단백질의 약 3분의 2에 대해 전역 거리 테스트(GDT) 점수 90점 이상을 기록했다. 이는 실험 결과와 거의 일치하는 수준으로, '단백질 접힘 문제'를 사실상 해결했다는 평가를 받았다. 2021년에는 소스 코드가 공개되었다.
• 알파폴드 3 (2024): 단백질을 넘어 DNA, RNA, 리간드 등 다양한 생체 분자와의 상호작용을 예측하는 단계로 진화했다. 세포 기능을 조절하는 화학적 변형까지 모델링이 가능하다.

알파폴드는 딥러닝 알고리즘을 기반으로 작동한다. 입력된 아미노산 서열과 다중 서열 정렬(MSA) 정보를 분석하여 단백질 내 아미노산 간의 거리와 각도를 계산한다. 특히 알파폴드 2는 단일 돌연변이가 구조에 미치는 영향까지 예측할 수 있을 정도로 정밀하다. 최신 버전인 알파폴드 3는 단백질-핵산, 단백질-리간드 복합체 구조를 예측하여 약물 설계 및 기초 생물학 연구에 필요한 데이터를 제공한다.

알파폴드는 과학계 전반에 광범위한 영향을 미쳤다. 인류는 이를 통해 약 2억 개의 단백질 구조를 예측할 수 있는 역량을 확보하게 되었다. 주요 응용 분야는 다음과 같다.

• 신약 개발: 질병 관련 단백질의 구조를 파악하여 효과적인 치료제 후보 물질을 설계한다.
• 질병 연구: 암, 항생제 내성 등 복잡한 질병의 메커니즘을 이해하는 데 기여한다.
• 환경 및 산업: 플라스틱을 분해하는 효소 설계 등 생명공학적 해결책을 모색하는 데 활용된다.
• 기초 생물학: 꿀벌의 질병 저항성 연구 등 다양한 생물학적 현상을 규명하는 도구로 쓰인다.

2024년 노벨 위원회는 단백질 구조 예측의 50년 숙원을 해결한 공로로 딥마인드의 데미스 허사비스(Demis Hassabis)와 존 점퍼(John Jumper)에게 노벨 화학상을 수여했다. 다만, 일부 연구자들은 알파폴드가 단백질 접힘의 근본적인 물리적 메커니즘을 완전히 설명하지는 못하며, 모든 경우에 완벽한 정확도를 보장하는 것은 아니라는 점을 지적하기도 한다. 그럼에도 불구하고 알파폴드가 이룩한 기술적 혁신은 현대 과학의 중대한 이정표로 인정받고 있다.