AI로 생명체의 분자 기계에 숨겨진 비밀 규명

ㅇ 단백질의 상태 간 전환 과정과 중간 상태 분석을 위한 장시간·고복잡도 시뮬레이션의 필요성

- 근육 수축과 신경 신호 전달 등 생물학적 과정에서는 분자가 끊임없이 형태를 바꾸며 서로 다른 상태로 전환됨

- 그러나 이러한 변화는 밀리초에서 수초에 걸쳐 발생하는 반면, 기존 컴퓨터 시뮬레이션은 마이크로초 수준을 넘어서는 데 한계가 있어 연구에 막대한 컴퓨팅 자원이 필요했음

- 이에 프랑스 이론물리·화학연구소(LPCT)와 스페인 마드리드공과대학교 연구진은 분자의 상태 전환 과정에서 나타나는 중간 상태를 빠르게 예측하는 생성형 AI 모델을 개발함

- 이번 연구는 기존에 고성능 슈퍼컴퓨터가 필요했던 분자 동역학 연구의 접근성을 높일 것으로 기대됨

ㅇ 구체적인 사례 제시

- 기존 분자 시뮬레이션은 고가의 슈퍼컴퓨터를 활용하더라도 하루에 약 0.5마이크로초 분량만 계산할 수 있어, 밀리초 단위로 발생하는 생물학적 현상을 분석하는 데 한계가 있음

- 이에 프랑스·스페인 공동연구팀은 분자의 중간 구조와 상태 전환 경로를 예측하는 생성형 AI 모델 ‘Gen-COMPAS’를 개발함

ㅇ AI 기술 발전에 따른 연구 방향 변화

- 연구진은 AI 기술의 발전에 따라 기존 연구방식을 생성형 AI 기반 접근법으로 전환하고, 단백질의 초기·최종 구조를 바탕으로 물리학적 원칙에 부합하는 중간 상태를 예측하는 기술을 개발함

- Gen-COMPAS는 원리가 잘 알려진 단순한 현상부터 검증을 시작해 점차 복잡한 분자 구조 전환 과정으로 적용 범위를 확대함

ㅇ 생성형 AI 모델을 단백질 접힘 문제에 적용

- 연구진은 단백질 접힘 문제를 대상으로 Gen-COMPAS의 성능을 검증한 결과, 전용 슈퍼컴퓨터 ‘안톤(Anton)’보다 약 300배 빠르게 동일한 결과를 도출함

- 이어 신경 신호 전달과 통증·불안 반응 등에 관여하는 복잡한 막단백질인 니코틴성 아세틸콜린 수용체를 분석해 기존에 알려지지 않았던 중간 상태를 발견하고 실험적으로 검증함

- 이번 연구는 기존 고성능 슈퍼컴퓨터로 수개월간 계산해야 했던 복잡한 분자 구조 변화를 생성형 AI로 신속하게 분석할 수 있음을 보여줌

ㅇ 일반적인 컴퓨팅 자원으로도 연구 수행 가능

- 연구진은 Gen-COMPAS가 기존 분자 시뮬레이션을 완전히 대체하는 기술은 아니며, 예측 결과가 힘장(force field) 등 경험적 매개변수에 의존해 편향이 발생할 수 있다는 한계를 설명함

- 그러나 기존 방식과 달리 연구자의 직관에 의존한 사전 모델 설정 없이, 실험으로 확인된 분자의 초기·최종 상태 정보만으로 중간 구조와 전환 경로를 예측할 수 있다는 점을 주요 장점으로 강조함

Source: CNRS