과학자들은 지금까지 X선이나 극저온 전자현미경 등 장비를 활용해
10
만여 종의 단백질 구조를 해독했지만 수십억 종에 달하는 단백질 중 극히 일부에 불과하다. 이미 확인된 수십만 개의 단백질 구조를 학습한 인공지능(
AI
) 모델은 아미노산 염기서열만 입력하면 가능한 단백질 구조를 빠르게 예측한다. 수개월 걸리던 작업을 순식간에 할 수 있다.
구글 딥마인드의 알파폴드는
2018
년 ‘단백질 구조 예측을 위한 기술 중요성 평가(
CASP
)’ 학회에서 단백질 구조를 가장 정확히 예측하면서 센세이션을 일으켰다. 딥마인드 연구진은
2020
년 여러 아미노산 간 상호작용을 예측한 알파폴드2를 공개한 데 이어 단일 단백질이 아닌 단백질-단백질 복합체 구조로 예측하는 ‘알파폴드-멀티머’도 공개했다.
이번에 공개된 알파폴드3는 단백질-단백질 복합체 예측에서 더욱 확장돼 항체-항원 상호작용, 핵산·소분자·이온·아미노산 등과 단백질 복합체 상호작용도 예측할 수 있다. 연구팀은 “알파폴드3는 광범위한 생체 분자 결합 구조를 보다 정확하게 예측할 수 있게 됐다”고 설명했다.
● 한국 연구자 주도 ‘로제타폴드 올 아톰’도 공개
지난달
21
일 국제학술지 사이언스에 공개된 로제타폴드 올 아톰도 알파폴드3와 마찬가지로 소분자, 핵산 등과 상호작용하는 단백질 복합체 구조를 예측한다. 백 교수는 “알파폴드와 로제타폴드가 비슷한 시기에 나왔던 것처럼 알파폴드3와 로제타폴드 올 아톰도 비슷한 시기에 등장했다”며 “연구자들은 단백질 구조 예측 이후 풀어야 할 문제로 다른 분자와의 상호작용 문제를 고민했기 때문”이라고 말했다.
단백질은 다른 생체 분자와 결합해 구조가 변하기 때문에 단백질 기능을 제대로 이해하려면 사실상 단백질 구조만 아는 것으론 부족하다. 단백질과 비단백질 분자 사이의 상호작용에 대한 이해가 필요하다. 백 교수는 “단백질 구조를 예측하려는 이유는 단백질 기능을 알기 위함”이라며 “이제 구조는 어느 정도 예측할 수 있으니 단백질 기능을 보다 잘 알자는 목표로 단백질이 핵산을 비롯한 생체 분자 중 어떤 것과 잘 결합할 수 있는지 상호작용 예측 모델로 발전하고 있다”고 설명했다.
단백질과 생체 분자 사이의 복잡한 상호작용을 예측할 수 있는 알파폴드3와 로제타폴드 올 아톰의 등장은 단백질 기능에 대한 이해를 넓히고 신약 개발에 속도를 더할 것으로 기대된다. 유기분자 등 모든 분자와의 상호작용을 예측할 수 있고 항원-항체 결합 예측도 상당히 좋아졌다는 점에서 항체 신약 설계에 도움이 될 것으로 기대된다.
백 교수는 “처음 알파폴드가 나왔을 때 신약 개발이 빨라질 거라고 기대했지만 실제로는 굉장히 미미했는데 단백질 구조만 고려했기 때문”이라며 “신약을 개발하려면 단백질 구조뿐 아니라 단백질에 어떤 유기분자가 결합할 수 있는지, 항체 신약을 설계한다면 어떤 항체가 어디에 어떻게 결합할 수 있을지 예측을 잘할 수 있어야 한다”고 설명했다.
문세영 동아사이언스 기자 [email protected]
https://n.news.naver.com/mnews/article/020/0003563864
(시사)
국회 최초 야당 단독 개원...jpg
(23)
과학/우주 월간 추천 
