KAIST, 단백질 구조 예측 최대 25배 빠른 AI 개발

분자 복합체 예측, 알파폴드3 근접 평가

웹에서 대화하듯 이용…K-폴드 무료 배포

카이스트(KAIST)는 28일 과학기술정보통신부 ‘AI 특화 파운데이션 모델 프로젝트’의 주관기관으로 팀 KAIST를 구성해 K-폴드를 공개했다. ⓒ카이스트

카이스트(KAIST) 연구진이 단백질의 3차원 구조와 약물 후보가 어디에 어떻게 결합하는지 예측하는 바이오 인공지능(AI) 모델 K-폴드를 국내 기술로 개발했다.

KAIST는 28일 과학기술정보통신부 ‘AI 특화 파운데이션 모델 프로젝트’의 주관기관으로 팀 KAIST를 구성해 K-폴드를 공개했다.

신약을 개발하려면 먼저 질병과 관련된 단백질의 모양을 파악한 뒤 수많은 물질 가운데 어떤 후보가 잘 붙는지 찾아야 한다. K-폴드는 이 과정을 AI로 수행해 연구자가 실제 실험할 후보를 좁히도록 돕는다.

단백질 하나의 구조뿐 아니라 단백질끼리 또는 단백질과 약물, DNA·RNA가 결합했을 때 만들어지는 구조도 계산할 수 있다.

지난 3월 과제 단계평가에서는 분자 복합체 구조 예측 정확도가 구글 딥마인드의 알파폴드3에 근접한 수준으로 평가됐다. 연구팀이 이달 자체 진행한 평가에서는 일부 항목에서 기존 글로벌 모델보다 높은 성능을 확인했다.

기존 AI는 구조를 예측하기 전에 비슷한 단백질의 서열 정보를 대량으로 찾아 비교해야 했다. K-폴드는 이 과정을 없애 예측 속도를 기존 모델보다 최대 25배 높였다.

연구팀은 암 등 여러 질환의 주요 신약 표적인 G단백질 연결 수용체와 인산화효소, 질병을 일으키는 단백질을 제거하는 표적단백질분해 분야에서도 약물 결합 예측 성능을 확인했다고 설명했다.

KAIST 교원창업기업 히츠는 K-폴드를 웹 기반 AI 연구 플랫폼 하이퍼랩에 탑재했다. 연구자가 “이 단백질에 잘 붙는 항체를 설계해줘”처럼 입력하면 AI가 구조를 분석하고 후보를 설계한 뒤 결과를 평가한다.

하이퍼랩에는 약 120개 계산 도구와 160개 전문 기능, 100개 데이터베이스가 연결됐다. 별도의 고성능 컴퓨터를 구축하거나 복잡한 AI 프로그램을 다루지 않아도 웹에서 이용할 수 있다.

팀 KAIST는 K-폴드를 무료로 배포할 계획이다. 하이퍼랩은 국내외 연구자를 대상으로 베타 서비스를 제공한 뒤 올해 안에 상용 서비스를 단계적으로 확대한다.

김우연 KAIST 화학과 교수는 “새로운 AI 구조를 적용해 기존 방식의 한계를 뛰어넘기 위해 개발했다”며 “세계 최고 수준의 바이오 AI를 연구자 누구나 활용할 수 있는 과학 AI 플랫폼으로 발전시키겠다”고 말했다.