카이스트, 구글의 단백질 예측 AI '알파 폴드3' 한계 깼다

이관수 교수팀 'GPCRact' 개발
약물 결합 넘어 작동까지 예측

KAIST 이관수 교수(오른쪽)와 손효진 박사과정. KAIST 제공

KAIST(한국과학기술원) 연구진이 구글 딥마인드의 단백질 예측 인공지능(AI) 모델 '알파 폴드3 '를 넘어서는 AI를 개발했다. 단백질 결합체가 결합하는지 여부를 넘어 '실제 작동하는지'까지 예측할 수 있다.

KAIST는 바이오및뇌공학과 이관수 교수 연구팀이 대표적인 신약 표적인 G-단백질 결합 수용체(GPCR)에 대해, 후보 물질이 단순히 결합하는지를 넘어 실제로 단백질을 활성화하는지까지 예측하는 인공지능 모델 'GPCRact'를 개발했다고 8일 밝혔다. G단백질 결합 수용체(GPCR)는 세포 표면에 있는 '신호 수신기'다. 호르몬이나 신경전달물질, 약물이 세포 밖에서 신호를 보내면 이를 받아 세포 안으로 전달하는 문(게이트) 역할을 한다.

인체에는 약 800여 종의 GPCR이 존재하며, 현재 시판 약물의 약 30~40%가 이를 표적으로 한다. 심장 박동, 혈압 조절, 통증 감지, 면역 반응, 감정 조절 등 다양한 생리 기능에 관여하는 핵심 단백질이다.

연구팀은 약물 작용 과정을 △약물-표적 결합 단계 △단백질 내부 신호 전파 단계로 나누어 AI가 단계적으로 학습하도록 설계했다. 단백질의 3차원 구조를 원자 수준 그래프로 표현하고, 중요한 신호 전파 경로를 학습할 수 있도록 '어텐션 메커니즘'을 적용했다. 이를 통해 AI가 약물 결합 신호와 함께 단백질 내부 신호 전파 경로를 파악해 단백질의 활성을 예측하도록 했다.

그 결과, 기존 모델이 어려워했던 복잡한 구조의 단백질에서도 약물 활성 예측 성능을 크게 향상시켰다. 이번 모델은 단순히 '활성' 또는 '비활성' 결과만 제시하지 않는다.

예측의 근거가 되는 단백질 내부 핵심 신호 경로를 제시해, 이른바 '블랙박스 AI'의 한계를 극복했다.

[e-mail] 연지안 기자