11월 4주차 위클리A

#알파폴드 #딥마인드 #AI

🌐 알파폴드3 , 전세계 연구자에게 오픈소스 공개

구글 딥마인드는 2024년 11월 11일, 단백질 구조 예측 모델인 알파폴드3를 비상업적 연구 목적에 한해 깃허브에 공개했어요. 이제 전 세계의 개발자들은 알파폴드를 원하는 곳에서 원하는 방식으로 사용할 수 있게 되었는데요. 실제로 현재 190개국의 200만 명 이상의 연구자가 알파폴드를 사용하고 있다고 해요. 알파폴드가 왜 이렇게 주목받고 있는지, 어떻게 연구 혁신을 이끌고 있는지 함께 알아보도록 할게요!

💊ABOUT. 단백질

세상에 있는 모든 생명체는 수십억 개의 분자로 이루어져 있고, 그중 단백질은 생명체 내에서 가장 중요한 역할을 하는 분자 중 하나예요. 단백질은 생명체의 구조와 기능 대부분을 담당하며, 사람 몸의 약 16%를 이루고 있답니다. 근육, 조직, 장기 등 신체를 구성하는 단백질은 생명체가 수행하는 다양한 직무에 맞춰 무궁무진한 형태를 가지며 중요한 역할을 하고 있어요.

Proteins ⓒ RCSB PDB

단백질의 종류는 아미노산 배열에 따라 달라지는데, 아미노산으로 이루어진 긴 줄이 구부러지고 접히면서 3차원 구조를 이루게 돼요. 재미있는 점은, 아미노산의 배열이 같아도 어떤 구조로 뭉치느냐에 따라 기능이 달라진다는 것이에요. 이 과정을 ‘단백질 접힘’이라고 하는데, 이 접힘 과정을 잘 수행하지 못하면 신체에 재앙적인 연쇄 반응이 일어나요. 잘못 접히거나 풀린 단백질은 독성과 세포 사멸로 이어지며, 겸상 적혈구 빈혈증과 같은 많은 질병과 장애가 발생할 수 있죠. 심지어 잘 못 접힌 단백질은 알츠하이머병과 파킨슨병과 같은 신경퇴행성 질환의 특징인 덩어리로 응집될 수도 있다고 해요. 그렇기 때문에 접힘 구조를 알아야만 새로운 약을 개발하거나 병을 분석할 때 문제를 찾아 정확히 공격할 수 있는 거랍니다! 💉

하지만 단백질 접힘이 정확히 어떻게 이루어지는지 아는 사람은 아직 없어요. 과학자들은 1930년대부터 이 질문에 도전해 왔고, 40년이 지난 1971년에 밝혀진 단백질 구조는 단 7개뿐이었어요. 그로부터 50년이 흐른 지금, 알파폴드 덕분에 우리는 2억 개 이상의 단백질 구조를 가지게 되었답니다. 참고로, 단일 단백질 구조를 밝혀내는 데는 보통 박사 과정 학생이 4년 이상을 투자한다고 해요. 그런데 알파폴드는 어떻게 이렇게 많은 단백질 구조를 빠르게 밝혀낼 수 있었을까요?

🤔단백질은 어떻게 접히는가

알파폴드의 탄생은 CASP와 함께 시작됐어요! CASP는 단백질 접힘 문제를 해결하기 위해 1994년부터 존 몰트가 시작한 커뮤니티 과학 실험이에요. 이 실험은 “구조 예측 중요 평가”라고 불리며, 단백질 계의 올림픽으로 알려져 있답니다. CASP는 2년마다 한 번씩 열리며, 2024년까지 총 16회 진행됐어요. 

▶️CASP
아직 발표되지 않은 단백질의 아미노산 서열 목록을 토대로, 전 세계 컴퓨터 과학자 그룹이 원하는 방법을 사용해 단백질 구조를 예측하는 대회

이 대회의 평가 기준은 ‘GDT’로, Global Distance Test의 약자예요. GDT는 아미노산 서열이 같은 두 단백질의 3차 구조 간 유사성을 측정하는 지표인데요. 참가자들의 예측 결과와 실제 단백질 구조를 비교해 점수를 매기는 방식이에요. 참고로, GDT에서 만점은 100점인데 90점을 넘으면 해당 모델이 단백질 구조 예측을 사실상 해결했다고 볼 수 있답니다. 하지만 2010년대 초까지만 해도 대부분의 모델은 GDT가 20~24점에 그쳤다고 하네요.💦

시간이 흘러 2018년에 열린 13회차 CASP에서 구글 딥마인드의 알파폴드1이 60점으로 1등을 차지했어요. 하지만 당시엔 2등과 큰 차이가 나지 않아 눈에 띄는 승리는 아니었죠. 그런데, 불과 2년이 지난 2020년 14회차 CASP에서는 알파폴드2가 무려 90점으로 놀라운 결과를 보여줬어요! 이는 알파폴드의 평균 오차값이 약 0.1 나노미터에 불과하다는 것을 의미해요. X선으로도 파악이 어려워 악명 높은 특정 단백질 구조 부분에도 탁월한 모습을 보였죠. 

알파폴드2의 비밀은 ‘트랜스포머’라는 신경망 구조에 있어요. 이전보다 훨씬 유연한 방식으로 엄청난 양의 데이터에서 패턴을 찾고 특정 목표 달성을 위해 무엇에 집중해야하는지도 효율적으로 결정 가능했죠. DNA 유전 정보와 이미 실험을 통해 확인된 단백질의 3차원 구조 정보 등 약 17만개의 단백질 구조 데이터를 인공지능에 입력하는 방식으로 진행했다고 해요. 이를 통해 알파폴드는 단백질 접힘 문제를 획기적으로 해결할 수 있었던 거죠.

📊AI 활용, 알파폴드가 보여준 데이터 학습의 힘

다른 곳에서는 알파폴드 같은 혁신을 이루지 못했던 이유는 무엇일까요? 바로 단백질 구조 데이터만으로 머신러닝을 돌렸기 때문이에요. 이와달리 알파폴드는 단백질의 서열 데이터까지 활용했어요. 예를 들어 말, 원숭이, 인간의 단백질 서열은 조금씩 다른데 다같이 배열을 비교해봤을 때 아래 사진처럼 왼쪽의 보라색 부분이 바뀌면 오른쪽의 초록색이 같이 바뀌는 걸 알 수 있어요. 이건 해당 아미노산들이 공간적으로 가까이 있다는 걸 의미해요. 이런 서열 데이터를 모두 넣고 동시에 바뀌는 애들이 가까이 있다고 가정한 뒤 모델을 만들어서, 이를 구조 데이터베이스로 트레이닝하니 정확도가 어마어마하게 상승한 것이죠. 이에 더해 알파폴드가 정확히 예측한 모델은 다시 데이터로 넣으면서 데이터양을 늘리는 꼼수도 사용했다고 하네요 🙂

알파폴드2는 대부분의 단백질 구조를 정확히 예측할 수 있었지만, 원자의 정확한 위치는 알 수 없었어요. 이를 보완한 것이 바로 알파폴드3인데요! 알파폴드3은 2보다 단백질 구조 예측 정확도가 약 50% 향상되었고, 특히 중요한 상호작용 유형에서는 정확도가 2배 이상 증가했어요. 단백질뿐만 아니라 DNA, RNA, 이온, 변형 아미노산 등 다양한 생체 분자 구조도 예측할 수 있고, 다른 생체 분자와의 상호작용을 예측할 수 있기 때문에 질병 연구와 치료법 개발의 새로운 가능성을 열 수 있게 되었죠.💫

알파폴드2가 개발되었을 때 허사비스와 같이 노벨상을 받았던 데이비드 베이커가 개발한 ‘로레타폴드’도 나왔는데요. 알파폴드3가 공개된 시기에 개선판 ‘로제타폴드 All-Atom’을 발표하기도 했죠. 이들의 연구는 AI가 단순한 데이터 분석을 넘어 생명과학의 근본적인 문제를 해결하는 도구로서의 가능성을 입증했어요. 또한 AI 기술이 우리의 일상 전반에 걸쳐 AI가 얼마나 중요한지를 재조명하며, 인간의 삶을 더 나은 방향으로 이끌어갈 새로운 방향성을 제시하고 있어요.

🚗자동차 = AI

 100년 전, 자동차가 처음 등장했을 때 사람들은 어떻게 운전해야 하는지 고민했어요. 지금, 이 고민을 하지 않는 건 자동차의 편리함과 가능성을 잘 알고 각자의 필요에 의해 사용법과 기능을 배우고 사용하고 있기 때문이죠. 이렇게 누구나 자동차를 배우고 사용할 수 있는 것처럼, AI도 누구나 필요에 따라 배우고 활용하는 시대가 되었어요. AI의 주인은 특정 집단이 아니라, AI의 가능성을 이해하고 이를 활용할 줄 아는 사람들이에요.

업무에서도 ChatGPT를 잘 활용하기 위해서는 ChatGPT를 잘 이해해야 하는데요. 에이블런은 다양한 직무에 누구나 활용할 수 있는 직무별, 목적별로 총망라된 ChatGPT 활용 백서와 업무에 바로 적용할 수 있는 ChatGPT e-러닝 무료 수강권을 제공하고 있어요! 또한 교육 문의를 남기면 전문 컨설턴트와 1:1 상담을 통해 획일화된 기업 교육이 아닌 맞춤형 솔루션을 제공하고 있답니다. 실무에 바로 적용할 수 있는 교육을 통해 회사의 생산성을 200%로 높이고 싶다면, 지금 바로 상담해 보세요! 🩷

1.  AI가 몰고 온 '제약 혁신' 단축된 개발 시간, 연장된 생명 시간 
구글, 엔비디아, 마이크로소프트 등 빅테크 기업들이 앞다투어 신약 개발용 AI 소프트웨어를 선보이고 있어요. 이는 신약 개발에서 AI가 얼마나 중요한 요소인지 보여주는 사례죠. 전 세계 의약품 시장은 2027년에 약 2,683조 원에 이를 것으로 예상되며, 이 중 AI 신약 개발 시장 규모는 약 5조 6,000억 원에 달할 것으로 전망되고 있어요. 이렇게 세계 제약·바이오 사들이 AI 신약 개발에 열을 올리는 것은 이런 투자가 신약개발 기간을 단축함으로써 수익성을 높이는 데 큰 영향을 줄 것이라고 믿기 때문이에요.
본문 바로보기: AI가 몰고 온 '제약 혁신'...단축된 개발 시간, 연장된 생명 시간 

2. AI, 독성 예측의 새로운 지평을 열다 
우리의 생활용품에는 수많은 화학물질이 포함되어 있지만, 독성이 검증된 물질은 극히 일부에 불과해요. 이는 기존 독성 평가 방법이 많은 시간과 비용이 필요하기 때문인데요. AI 기술은 복잡한 화학물질의 상호작용을 컴퓨터 시뮬레이션으로 분석해 독성을 예측할 가능성을 열어줬어요. 이 기술은 비용과 시간을 절약하고, 동물실험을 대체할 수 있는 친환경적 대안으로 주목받고 있다고 해요.
본문 바로보기: 알파폴드와 독성 예측의 새로운 지평  

3. 에이블런, AI/DX 기업 교육의 새로운 패러다임 제안 "AI가 쉬워진다" 
에이블런은 비전공자도 쉽게 이해할 수 있는 맞춤형 AI·DX 교육을 통해 국내 기업들이 AI 시대에 대비할 수 있도록 돕고 있어요. ‘AI가 쉬워진다. 디지털 프리스쿨’ 슬로건 아래 신입사원부터 임원까지 실무에 바로 적용할 수 있는 교육을 제공하고 있는데요. 최근 3년간 교육 문의가 616%나 증가하며, 매달 평균 217개 사가 프로그램을 신청하고 있답니다. 또한, 2025년 HRD 담당자를 위해 월별 교육 테마와 사례를 담은 ‘2025 HRD 이슈 캘린더’도 제공하고 있으니 에이블런 공식 홈페이지에서 확인해 보세요!
본문 바로보기: 에이블런, AI·DX 기업 교육의 새로운 패러다임 제안..."AI가 쉬워진다" 

[도봉구청/AI리터러시] 

데이터 분석으로 직무 성과를 극대화하는 방법🗂️

에이블런과 도봉구청과 함께 진행한 <AI 리터러시> 교육 프로그램에 대해 소개할게요. 이번 기업 교육은 신입사원 24명을 대상으로, 데이터 분석과 AI 리터러시 교육을 통해 다양한 AI 툴에 대해 학습하고 실제 업무에 활용하는 방법을 익혔어요. 특히, 비즈니스에 활용되는 AI에 대한 개념을 중점적으로 다루며 생성형 AI를 활용한 실습을 진행했는데요. 이번 교육의 전체 만족도는 5점 중 5점 만점으로 높은 만족도와 함께 성공적으로 마무리되었어요. 신입사원 교육을 통해 미래 인재를 양성하고자 하는 모든 교육 담당자 여러분, 에이블런에 지금 바로 문의해 주세요!

앞으로의 WeeklyA도 많은 사랑과 관심 부탁드립니다