AI 기술로 단백질 시뮬레이션 가속화 및 복잡한 구조 변화 파악

새로운 AI 기반 방법으로 단백질 시뮬레이션 가속화와 복잡한 구조 변화 과정 드러내어 베를린 자유대학교 물리학과 아인슈타인 교수 세실리아 클레멘티가 이끄는 국제 연구팀이 CGSchNet라는 머신 러닝을 활용한 거칠게 분할된(CG) 모델을 개발하여 단백질 시뮬레이션을 획기적으로 가속화하고 정확성을 높였습니다. 이 연구는 2025년 7월 18일자 네이처 케미스트리에 발표되었습니다. 전통적인 원자 수준의 분자 역학 시뮬레이션보다 훨씬 빠르게 작동하는 CGSchNet은 더 큰 단백질과 복잡한 시스템을 탐구할 수 있게 해줍니다. 이는 암 치료 방법 등 단백질 공학과 신약 개발 분야에서 많은 가능성을 제공합니다. 50년 동안 과학자들이 지속적으로 도전해온 일반적인 CG 모델 개발 문제를 이 연구가 처음으로 해결했습니다. "깊은 학습을 통해 이 장벽을 극복하고 원자 수준 시뮬레이션을 직접적으로 용매나 원자세부 정보를 모델링하지 않으면서도 유사하게 수행하는 시뮬레이션 시스템을 만드는 것이 가능하다는 것을 이 작업은 처음으로 입증했습니다,"라고 클레멘티 교수는 말했습니다. CGSchNet에서는 클레멘티 교수팀이 그래프 신경망을 사용하여 거칠게 분할된 단백질 시뮬레이션의 입자 간 효과적 상호작용을 학습하여 수천 개의 다양한 원자 수준 시뮬레이션의 동역학을 재현할 수 있도록 했습니다. 구조 예측 도구들과 달리, CGSchNet은 동적 과정을 모델링하며, 알츠하이머병과 같은 질병에서 발견되는 아밀로이드 형성과 같은 잘못된 접힘 과정에서 중요한 중간 상태들을 포함합니다. 또한 이 모델은 접힌 상태 사이의 전환 과정을 시뮬레이션하며, 훈련 세트 외의 단백질에도 일반화되어 강력한 화학 이전 가능성을 보여주었습니다. 더욱이, 접혀진, 접혀지지 않은, 무질서한 단백질의 메타안정 상태를 정확히 예측할 수 있어, 이러한 단백질의 유연성 때문에 과거에 예측하기가 극히 어려웠던 상황을 개선했습니다. 메타안정 상태의 단백질은 생물학적으로 활성인 단백질 대부분을 구성하기 때문에, 이 예측 능력은 매우 중요합니다. 또한 CGSchNet은 단백질 변이의 상대 접힘 자유 에너지를 추정할 수 있는데, 이는 과거 시뮬레이션 방법론들이 계산 제약으로 인해 수행할 수 없었던 부분입니다. 이 연구는 단백질 구조와 동역학의 복잡성을 이해하는데 중요한 진전을 이루었으며, 단백질 관련 질병 치료 및 신약 개발 분야에서 큰 잠재력을 보여주고 있습니다. 업계 전문가들은 CGSchNet의 혁신적인 접근 방식이 단백질 연구의 새로운 시대를 열 것으로 평가하고 있으며, 베를린 자유대학교는 물리학 분야에서 선구적인 연구를 지속적으로 수행하는 세계적 수준의 대학으로 알려져 있습니다.