Google DeepMind와 Isomorphic Labs가 개발한 새로운 AI 모델, AlphaFold 3가 출현했습니다. 구글의 이번 AI 모델은 단백질, DNA, RNA, 리간드 등의 생명 분자 구조와 그 상호작용을 이전보다 훨씬 높은 정확도로 예측할 수 있습니다. 따라서 거의 모든 생물학적 분자의 구조를 예측하고 분자 간 상호작용을 모델링할 수 있는 더욱 진보된 버전으로 알려져있습니다. 이보다 앞선 알파폴드 버전2는 단백질 구조 예측만 가능했었습니다.
Nature에 논문이 게재돼 밝혀진 AlphaFold 3는 모든 생명체의 수십억 개의 분자들이 어떻게 서로 상호작용하는지를 밝혀냅니다. 이 논문에 따르면. 단백질과 다른 분자 유형의 상호 작용의 경우 기존 예측 방법에 비해 최소 50% 개선되었으며 일부 중요한 상호 작용 범주의 경우 예측 정확도가 두 배로 향상되었습니다. 논문의 내용을 살펴보겠습니다.
< 알파폴드3가 예측한 내용과 실험적으로 밝힌 내용을 비교하는 도표 > <출처 : 네이쳐>
<위 그림 “fig.1″을 확대해보면 다음과 같습니다>
Fig. 1 | Comparison of details of AlphaFold predictions with density maps. a–h, AlphaFold predictions are shown in magenta with selected residues labeled (a–d); deposited models are shown in blue (e–h). Experimental electron density maps were taken from our previous work31 and are contoured at 1.9 σ (a, e), 1.1 σ (b, f), 1.5 σ (c, g) and 1.2 σ (d, h). Model coloring is bright for parts of the models outside the density contours and dimmed for parts that are inside the contours. a,e, PDB entry 7waa showing a region with high-accuracy prediction. b,f, PDB entry 7s5L showing a region with incorrect prediction. c,g, PDB entry 7t26 showing a prediction that does not match the density map, but where the density map is not fully clear. d,h, PDB entry 7naz showing a prediction that is distorted relative to the density map
<그리고 위 도표 해설은>
위의 그림은 AlphaFold의 예측 결과와 실험적인 전자 밀도 지도(electron density maps) 사이의 비교에 대해 설명하고 있습니다. 이러한 비교는 AlphaFold의 정확도와 한계를 평가하기 위해 사용됩니다. 여기서 각각의 예시(a–h)는 다음과 같은 내용을 담고 있습니다:
- AlphaFold 예측: 마젠타 색상으로 표시되며, 선택된 아미노산 잔기가 라벨링되어 있습니다(a–d).
- 입력된 모델: 파란색으로 표시되며, 다른 구간에서 보여집니다(e–h).
- 실험적 전자 밀도 지도: 이전 연구에서 얻은 데이터를 사용하며, 다양한 수준의 시그마(σ) 값에서 윤곽이 그려져 있습니다. 여기서 시그마 값은 밀도가 높은 부분을 얼마나 강조할 것인지를 결정합니다(a, e는 1.9 σ 등).
각 페어(a, e; b, f; c, g; d, h)는 다음을 보여줍니다:
- a, e (PDB 7waa): 매우 정확한 예측을 보여주는 구역.
- b, f (PDB 7s5L): 예측이 틀린 구역.
- c, g (PDB 7t26): 밀도 지도와 일치하지 않는 예측을 보여주지만, 밀도 지도 자체가 명확하지 않은 구역.
- d, h (PDB 7naz): 밀도 지도에 비해 왜곡된 예측을 보여주는 구역.
모델의 색상은 밀도 윤곽선 외부에 있는 부분에서는 밝게, 윤곽선 내부에 있는 부분에서는 어둡게 표시됩니다. 이러한 비교를 통해 AlphaFold 모델의 예측이 실제 실험적 결과와 얼마나 잘 일치하는지를 평가할 수 있습니다. 이는 AlphaFold의 성능을 검증하고, 필요한 경우 개선을 위한 기초 자료로 활용됩니다.
구글은 이와 함께 약물 설계에 대한 AlphaFold 3의 잠재력을 기반으로 Isomorphic Labs는 이미 제약회사와 협력하여 이를 실제 약물 설계 과제에 적용하고 궁극적으로 환자를 위한 새로운 삶을 변화시키는 치료법을 개발하고 있습니다.
AlphaFold 3는 2020년에 단백질 구조 예측에 근본적인 획기적인 발전을 이룬 AlphaFold 2를 기반으로 구축되었습니다. 지금까지 전 세계 수백만 명의 연구자들이 AlphaFold 2를 사용하여 말라리아 백신, 암 치료법 및 효소 설계를 포함한 분야에서 20,000회 이상 인용되었으며 최근에는 생명과학 분야 혁신상(Breakthrough Prize in Life Sciences)을 받았습니다. 이제 AlphaFold 3는 단백질을 넘어 광범위한 생체분자까지 분야를 넓히게 됨에 따라 작물 개발에서부터 약물 설계 및 유전체학 연구 가속화에 이르기까지 더욱 혁신적인 과학을 실현할 수 있을 전망입니다.
알파폴드3은 연구자들이 비상업적 용도로 사용할 수 있도록 알파폴드 서버(https://golgi.sandbox.google.com)를 통해 공개될 예정입니다.
<이하 광고>
