구글 AI가 만든 노벨화학상 대체 뭐길래 (서울대학교 생명과학부 백민경 교수)

📣 사람을 찾습니다
🙋 언더스탠딩과 함께 일할 분을 찾습니다!

직무: 영상제작PD, 기자, 인사담당자, 마케팅담당자 
지원 접수: 이메일 접수 to.understanding.official@gmail.com
제출 서류: 이력서, 포트폴리오
접수 기간: 상시채용


라이브는 삼프로TV에서, 클립영상은 언더스탠딩에서!

매일 저녁 7시~9시

문의 : to.understanding.official@gmail.com


언더스탠딩 : 세상의 모든 지식

노벨 화학상 수상 및 강연 소개

세상의 모든 지식을 다루는 언더스탠딩에서 노벨 화학상에 대한 심도있는 강연을 시작한다.

노벨 문학상, 경제학상 수상자에 대한 설명은 이미 진행되었고, 노벨 화학상에 대한 설명이 부족함을 언급한다.

노벨 화학상 수상 내용에 대한 시청자들의 이해도를 질문한다.

AI를 활용한 단백질 구조 예측에 대한 노벨 화학상 수상 소식을 언급한다.

노벨 화학상 수상자의 제자이자 서울대학교 백민경 교수를 초청하여 강연을 진행한다는 것을 소개한다.

노벨 화학상 수상 연구 내용 설명

노벨 화학상은 총 세 명이 수상했으며, 그중 데이비드 베이커 교수의 수제자인 백민경 교수가 연구 내용을 설명한다.

데미스 하사비스, 존 점퍼 등 구글 딥마인드 소속 수상자들의 이례적인 조합을 언급한다.

데이비드 베이커 교수는 컴퓨터를 활용한 단백질 설계 연구로, 구글 딥마인드 수상자들은 AI를 활용한 단백질 구조 예측 연구로 수상했다.

백민경 교수는 데이비드 베이커 교수의 논문 중 가장 많이 인용된 논문의 저자임을 밝힌다.

단백질의 개념을 설명하고, 우리 몸을 구성하는 주요 성분이자 중요한 기능을 수행하는 물질임을 강조한다.

세포를 확대하여 보여주면서 단백질이 세포 내 다양한 역할을 수행함을 시각적으로 보여준다.

단백질의 기능으로 물질 수송, 신호 전달 등 다양한 역할을 수행한다는 것을 설명한다.

단백질은 아미노산이라는 작은 분자가 연결되어 구성된 생체 고분자임을 설명한다.

단백질 구조 예측의 어려움과 AI의 역할

아미노산 서열만으로 단백질의 3차원 구조를 예측하는 것이 어려운 이유를 설명한다.  에너지적으로 가장 안정적인 구조를 찾는 것이 매우 복잡한 문제임을 강조한다.

게놈 프로젝트 이후 DNA 시퀀싱 기술 발전으로 아미노산 서열은 쉽게 알 수 있지만, 3차원 구조는 어렵다는 점을 언급한다.

단백질이 잘못 접히면 질병을 유발하며, 우리 몸은 이를 방지하고 제거하는 시스템을 가지고 있음을 설명한다.

50년 넘게 풀리지 않던 단백질 구조 예측 문제를 AI가 해결했다는 점을 강조한다.

AI가 등장하기 전에는 컴퓨터를 이용하여 다양한 구조를 만들고 에너지를 계산하여 가장 안정적인 구조를 찾는 방식을 사용했지만, 계산의 복잡성 때문에 한계가 있었다고 설명한다.

단백질 구조 예측의 새로운 접근 방식: 진화 정보 활용

미오글로빈을 예시로 들어, 서로 다른 종의 단백질에서 아미노산 서열은 다르지만 구조는 유사한 경우가 많다는 점을 설명한다.

진화 과정에서 기능을 유지하는 돌연변이만 살아남았다는 점에 착안하여, 친척 단백질들의 서열을 분석하여 구조에 대한 패턴을 찾는 접근 방식을 설명한다.

AI는 친척 단백질들의 서열 정보를 바탕으로 구조 패턴을 학습하고, 새로운 단백질의 구조를 예측할 수 있다는 점을 설명한다.

AI 모델 학습에는 정답 구조가 필요하지만, 충분한 학습 후에는 정답 구조를 몰라도 예측이 가능해진다고 설명한다.

알파폴드 2와 단백질 구조 예측의 혁신

구글 딥마인드의 알파폴드 2가 단백질 구조 예측 문제를 거의 해결했다는 점을 강조한다.

알파폴드 2는 20만 개의 단백질 구조 데이터를 학습하여, 단백질의 진화 정보를 바탕으로 구조에 대한 패턴을 학습하고 예측한다.

알파폴드 2는 단백질 서열을 입력받아, 아미노산 간의 상호 작용 패턴을 분석하여 3차원 구조를 예측한다.

알파폴드 2의 성공은 AI 전문가와 단백질 구조 전문가의 협력이 중요한 역할을 했다는 점을 강조한다.

단백질 설계 및 신약 개발의 발전

데이비드 베이커 교수의 단백질 설계 연구를 소개하며, 원하는 기능을 하는 단백질을 설계하는 방법을 설명한다.

단백질 설계를 통해 약물 전달, 항암제 개발, 바이오센서 개발 등 다양한 응용이 가능함을 보여준다.

알파폴드의 등장으로 단백질 설계 과정에 AI가 활용되면서 성공률이 높아졌고, 단백질 구조 예측과 설계를 모두 AI가 수행할 수 있게 되었다.

단백질 디자인의 성공률이 높아졌지만, 신약 개발에는 여전히 임상 시험 등 많은 단계가 남아있음을 강조한다.

알파폴드를 통해 2억~3억 개의 단백질 구조 예측이 가능해졌고, 기초 과학 연구에 큰 영향을 미칠 것이라고 전망한다.

구글 딥마인드는 단백질 구조 예측 기술을 신약 개발에 활용하고 있으며, 알파폴드 3를 통해 단백질과 다른 분자의 결합까지 예측할 수 있게 되었다.

구글 딥마인드 외에도 다양한 기업들이 단백질 구조 예측 및 설계 기술 개발에 뛰어들고 있다.

단백질 설계 기술은 발전하고 있지만, 여전히 해결해야 할 문제들이 남아있으며, 신약 개발 과정의 모든 단계를 AI가 대체할 수는 없음을 강조한다.

단백질 구조 예측 및 설계 기술의 발전은 질병 이해 및 치료제 개발에 큰 도움이 될 것이라고 전망한다.

이번 노벨 화학상은 AI를 활용한 단백질 구조 예측 연구의 공로를 인정받아 수여되었으며, 이는 생명 현상 이해와 신약 개발에 기여할 수 있다.

단백질은 아미노산 서열에 따라 3차원 구조가 결정되고, 이 구조를 알면 질병 원인 규명 및 치료제 개발에 활용 가능하다.

구글 딥마인드의 알파폴드 2는 단백질의 진화 정보를 학습하여 높은 정확도로 3차원 구조를 예측하는 AI 모델로, 단백질 구조 연구에 획기적인 발전을 가져왔다.

🧪 노벨 화학상, 왜 이렇게 어려울까?

대부분의 사람들은 노벨 문학상이나 경제학상에 대해서는 들어봤지만, 노벨 화학상에 대해서는 잘 모릅니다. 이번 노벨 화학상은 **AI를 이용한 단백질 구조 예측**에 대한 공로로 수여되었는데, 그 의미를 제대로 이해하는 사람은 드물죠.

👨‍🏫 백민경 교수님은 누구?

이번 방송에서는 서울대학교 생명과학부의 백민경 교수님을 모시고 노벨 화학상에 대해 자세히 알아보았습니다. 백민경 교수님은 **이번 노벨 화학상 수상자인 데이비드 베이커 교수의 수제자**라고 합니다. 교수님은 이번 수상의 의미와 그 배경에 대해 설명해주셨습니다.

🧬 단백질, 우리 몸의 핵심 일꾼

단백질은 우리가 섭취해야 하는 영양분이기도 하지만, **우리 몸을 구성하는 주요 성분**이기도 합니다. 세포 내에서 다양한 역할을 수행하며, 우리 몸 곳곳에 필요한 물질을 수송하는 택배원 역할도 하고, 효소로서 음식물을 분해하기도 합니다.

헤모글로빈은 산소를 운반하는 대표적인 단백질입니다. **단백질 자체가 산소를 나르는 역할**을 수행하며, 외부 자극에 대한 신호 전달 과정에서도 단백질들이 중요한 역할을 합니다.

단백질은 아미노산이라는 작은 분자들이 연결되어 만들어집니다. **20가지 종류의 아미노산**이 다양한 방식으로 결합하여 수많은 종류의 단백질을 만들어내고, 각각 다른 기능을 수행합니다.

🤔 단백질 구조 예측, 왜 중요할까?

단백질의 아미노산 서열을 알면 어떤 종류의 단백질인지 특정할 수 있지만, **그 구조를 정확히 예측하기는 어렵습니다**. 단백질 구조 예측은 단백질이 생명 현상에 깊이 관여하는 이유를 이해하는 데 중요합니다.

코로나19 바이러스의 감염 과정을 예로 들어보겠습니다. 바이러스 표면의 단백질이 우리 세포 표면의 특정 단백질과 결합하면서 감염이 시작됩니다. **이 결합 구조를 알면 감염 기전을 정확하게 이해**하고, 치료제나 백신 개발에 활용할 수 있습니다.

예를 들어, 바이러스 단백질과 사람 단백질의 결합을 막는 작은 단백질을 설계하여 비염 스프레이처럼 코에 뿌리면, 바이러스 감염을 효과적으로 차단할 수 있습니다. **이것은 쥐 실험에서 이미 성공적인 결과**를 보여주었습니다.

🔬 실험적 방법의 한계와 AI의 등장

실험적으로 단백질 구조를 분석하는 것은 매우 어렵고 시간도 오래 걸립니다. 코로나19 바이러스의 경우, 전 세계 연구자들이 협력하여 비교적 빠르게 구조를 밝혀냈지만, **일반적인 단백질 구조 하나를 알아내는 데 수개월에서 수년이 소요**될 수 있습니다.

단백질은 너무 작아서 웬만한 현미경으로는 자세히 관찰하기 어렵습니다. 따라서 실험적인 방법 대신 **AI를 이용하여 단백질 구조를 예측**하려는 시도가 이루어졌습니다. 이것이 바로 이번 노벨 화학상의 핵심 내용입니다.

🤖 알파폴드, AI로 단백질 구조 예측의 혁신을 가져오다

구글 딥마인드는 **알파폴드 2**라는 단백질 구조 예측 AI 모델을 개발하여 이 분야에 혁신을 가져왔습니다. 알파폴드 2는 단백질 서열 정보를 바탕으로 매우 정확하게 3차원 구조를 예측할 수 있습니다.

알파폴드 2는 기존의 단백질 구조 예측 대회에서 압도적인 성능을 보여주었습니다. **실제 실험으로 밝혀진 구조와 거의 일치하는 수준**으로 예측이 가능하며, 이를 통해 기초 과학 연구를 크게 촉진할 수 있게 되었습니다.

🧱 단백질 디자인, 원하는 기능을 하는 단백질을 만들다

데이비드 베이커 교수는 단백질 구조 예측 연구를 넘어 **단백질 디자인 연구**를 시작했습니다. 이는 자연계에 존재하는 단백질을 변형하는 것이 아니라, 원하는 기능을 수행하는 단백질을 처음부터 설계하는 것을 의미합니다.

단백질 디자인은 마치 비행기를 설계하는 것과 같습니다. 유체역학 원리를 이해하고 그에 맞춰 비행기를 설계하듯이, **단백질의 작동 원리를 이해하고 원하는 기능을 수행하도록 설계**하는 것입니다.

단백질 디자인을 통해 약물 전달, 항암제 개발, 바이러스 감염 차단, 마약 탐지 등 다양한 분야에서 활용 가능한 단백질을 만들 수 있습니다. **단백질 로봇이나 바이러스 백신**과 같은 상상 속의 아이템도 현실화될 가능성이 열렸습니다.

단백질 디자인 기술은 획기적인 발전을 이루었지만, 아직 해결해야 할 과제들이 남아있습니다. **특히, 설계한 단백질이 인체 내에서 부작용을 일으키지 않는지** 예측하는 것은 여전히 어려운 문제입니다.

신약 개발은 여전히 오랜 시간이 걸리는 과정이며, 임상 시험을 통해 안전성을 검증해야 합니다. 단백질 구조 모델링 및 디자인 기술은 **신약 개발 초기 단계를 단축하는 데 기여**할 수 있지만, 임상 시험의 어려움은 여전합니다.

이번 노벨 화학상은 인공지능이 기초 과학 연구를 획기적으로 발전시킬 수 있다는 것을 보여주는 사례입니다. **알파폴드 2를 통해 2억 개 이상의 단백질 구조 예측 결과가 공개**되었으며, 이는 신약 개발 및 생명과학 연구에 큰 영향을 미칠 것으로 기대됩니다.

구글 딥마인드는 알파폴드 3를 통해 단백질뿐만 아니라 DNA, RNA, 유기 분자 등과의 결합까지 예측할 수 있는 기술을 개발하고 있습니다. **많은 IT 기업들이 이 분야에 뛰어들고 있으며**, 앞으로 더욱 혁신적인 연구 결과들이 나올 것으로 예상됩니다.

AI 기술은 단백질 연구 분야에 **공학용 계산기**와 같은 중요한 도구가 되었습니다. 앞으로 AI를 활용하여 질병의 원인을 더 잘 이해하고, 새로운 치료법을 개발하는 데 기여할 수 있을 것입니다.