딥마인드의 새로운 결과가 광고 같다는 비판을 받고 있는가? AlphaProteo는 300배 증가된 친화력으로 표적 단백질 결합제를 효율적으로 설계할 수 있습니다.
AlphaFold는 단백질 예측 분야에서 크게 앞서 있으며, AlphaFold 3는 한계를 돌파하여 모든 생명 분자의 예측을 달성했습니다. AlphaFold 3가 출시되었을 당시, 구조화된 예측 및 생성을 통해 AIDD(인공지능 기반 약물 설계) 개발을 가속화할 것이라고 밝혔습니다.
이제 DeepMind는 새로운 단백질 설계를 위한 AlphaProteo를 출시하여 AI 약물 설계에 다시 한번 도전장을 내밀었습니다.
알파 제품군의 이 새로운 구성원은 또한 성능 면에서도 혁명적인 개선을 보여주었습니다. 실험에서 테스트한 7개의 표적 단백질에서 AlphaProteo는 더 높은 실험 성공률을 달성했을 뿐만 아니라,결합 친화력도 기존의 가장 우수한 방법보다 3~300배 더 높습니다.연구진은 동시에 이를 암과 당뇨병 합병증과 관련된 표적 단백질인 VEGF-A에도 적용했습니다.VEGF-A 단백질 접합체 설계에 AI 도구를 사용하여 획기적인 진전을 이루었습니다.
1라운드 중간 처리량 스크리닝으로 "즉시 사용 가능한" 단백질 결합제 생성
9월 5일(현지 시간) DeepMind 연구진은 단백질 설계를 위한 머신 러닝 모델인 AlphaProteo를 제안했습니다. 이 모델은 높은 성공률과 높은 친화성을 갖추고 복잡한 인간의 개입이 필요 없는 표적 단백질 결합제를 설계할 수 있습니다. AlphaProteo는 중간 처리량 스크리닝을 한 번만 거치면 되므로 많은 연구 응용 분야에서 바로 사용 가능한 단백질 바인더를 생성하기 위해 추가적인 최적화가 필요하지 않습니다.
모델 구조: 타겟 단백질 결합제를 효율적으로 생성하기 위해 생성 모델과 필터 결합
AlphaProteo는 아래 그림과 같이 2개의 구성 요소로 이루어져 있습니다.
생성 모델(Generator)단백질 데이터 뱅크(PDB)의 구조 및 시퀀스 데이터와 AlphaFold 예측 구조의 증류 세트를 사용하여 분자가 서로 결합하는 방식을 학습했습니다.필터,실험에서 바인더가 표적 단백질에 성공적으로 결합할 수 있는지 여부를 예측하기 위해 생성된 설계에 점수를 매기는 데 사용됩니다.
구체적으로, 표적 단백질 결합제를 설계하기 위해 연구자들은 먼저 표적 단백질의 구조를 입력하고 표적 단백질 에피토프의 "핫스팟" 잔류물을 선택하여 선호하는 결합 위치를 추론합니다. 생성 모델은 표적 단백질에 대한 후보 바인더 구조와 서열을 출력합니다. 이 필터는 실험 테스트에 앞서 예측된 바인더를 더 작은 집합으로 걸러냅니다. 컴퓨터 시뮬레이션 벤치마크 테스트에서 생성 모델은 기존의 가장 우수한 방법보다 더 나은 성능을 보였습니다.
실험 결과: 높은 성공률과 강력한 친화력으로 기존 최고의 솔루션을 능가
연구진은 AlphaProteo를 사용하여 서로 다른 구조를 가진 8개의 표적 단백질에 대한 결합제를 설계하고 실험적으로 테스트했습니다. 그중에는 감염과 관련된 바이러스 단백질 2종(BHRF1, SARS-CoV-2 스파이크 단백질 수용체 결합 도메인 SC2RBD)과 암, 염증 및 자가면역 질환과 관련된 단백질 5종(IL-7Rɑ, PD-L1, TrkA, IL-17A 및 VEGF-A)이 있고, 류마티스 관절염과 같은 자가면역 질환과 관련된 단백질 1종(TNF)이 있습니다.
아래 그림과 같이,AlphaProteo가 생성한 7개의 표적 단백질 결합제는 실험적으로 테스트했을 때 표적 단백질에 단단히 결합할 수 있었습니다.그러나 여덟 번째 표적인 TNF에 대한 성공적인 결합제를 설계하는 데는 실패했습니다.
* 파란색은 결합제, 노란색은 단백질 표적, 진한 노란색은 예상 결합 영역을 나타냅니다.
또한, 아래 그림에서 보듯이 연구진은 AlphaProteo를 다른 설계 방법과 비교하여 시험관 내 성공률을 비교했습니다. 나오다,습식 실험실 테스트에서 9%-88% 후보 결합제는 다른 방법보다 5~100배 더 높은 수준으로 표적 단백질에 성공적으로 결합할 수 있었습니다.
이 중, 바이러스 단백질 BHRF1의 경우, AlphaProteo가 생성한 후보 분자는 표적 단백질과 88%의 결합 성공률을 보였으며, 결합 강도는 기존 최적 설계 방법의 10배에 달했습니다. 단백질 TrkA의 경우, 새로운 바인더는 여러 차례의 실험을 거쳐 이 단백질에 맞게 최적화된 최고로 설계된 바인더보다 더 강력합니다.
또한 연구진은 실험적 최적화 없이 다른 설계 방법과 비교했을 때 AlphaProteo가 설계한 바인더가 표적 단백질에 가장 잘 결합하는 친화성을 알아보았습니다. 나오다,AlphaProteo로 생성된 바인더는 최상의 사용 가능한 방법을 사용하여 설계된 바인더보다 약 3~300배 더 높은 결합 친화력을 가지고 있습니다.
* 친화도가 높을수록 결합력이 강해진다
연구원들은 SC2RBD와 VEGF-A 단백질의 강력한 결합제와 AlphaProteo가 설계한 결합제 간의 유사성을 더욱 탐구했으며이러한 강력한 결합제의 결합 상호작용은 AlphaProteo가 예측한 것과 유사했으며, 이는 AlphaProteo의 신뢰성을 나타냅니다.
연구진은 또한 이러한 결합제가 실제 생물학적 기능을 가지고 있다는 사실도 확인했습니다. 예를 들어, 일부 SC2RBD 결합제는 SARS-CoV-2와 그 변종이 세포를 감염시키는 것을 막는 것으로 나타났습니다. 더 중요한 점은 AlphaProteo는 적용 범위가 넓고 고처리량 스크리닝이나 친화도 최적화 실험이 필요하지 않아 단백질 결합제를 설계하는 데 필요한 초기 실험 시간을 크게 줄일 수 있다는 것입니다.
유럽 최대 규모의 생물의학 연구실과 협력
새로운 단백질 설계 시스템인 AlphaProteo를 테스트하기 위한 최초의 실험에는 프랜시스 크릭 연구소의 3개 팀이 참여했습니다.
프랜시스 크릭 연구소는 영국 런던에 위치해 있습니다. 현재 유럽 최대의 생물의학 연구실이자 영국의 연구 센터입니다. 이 프로젝트는 영국 의학연구소(NIMR)와 영국 암 연구소가 공동으로 추진했으며 비용은 약 7억 파운드였습니다.
현재 크릭 연구소에는 2,000명이 넘는 연구자와 100개가 넘는 연구 그룹이 있습니다. 또한 이 연구소는 영국 의학연구위원회(MRC), 영국 암연구소(Cancer Research UK), 웰컴 트러스트(Wellcome Trust), 런던대학교(University College London), 임페리얼 칼리지 런던(Imperial College London), 킹스 칼리지 런던(King’s College London) 등 세계 유수의 생물의학 연구 기관 6곳이 협력하는 독특한 기관입니다.
프랜시스 크릭 연구소 공식 웹사이트 주소:
* https://www.crick.ac.uk/
Deepmind의 최신 결과에 대한 평가는 엇갈렸습니다.
연구의 중요성 vs. 오픈 소스
AlphaProteo가 실제 연구에 있어서 높은 가치를 지닌다는 것은 누구나 알고 있지만, 많은 네티즌들은 이 도구가 오픈 소스인지 여부에 대해 더 우려하고 있습니다. 한 네티즌은 "오픈소스인가요? 아니라면 너무 지루할 것 같아요."라고 말했습니다.
다른 네티즌들은 이렇게 말했다.AlphaProteo는 오픈 소스인지 여부보다 생명을 구하는 데 더 중요합니다.그리고 개발 잠재력에 대해 낙관적인 견해를 표명했습니다.
방법론적 세부 사항이 너무 적어서 논문이라기보다는 광고에 가깝습니다.
DeepMind 팀은 해당 모델에 대한 논문을 썼지만, 모델의 방법에 대한 세부 정보가 거의 없거나 아예 없습니다. 세계적인 제약 및 헬스케어 회사의 한 과학자가 "이 백서에는 방법론적 세부 정보가 너무 적습니다."와 "적절한 출판물이라기보다는 광고 같은 느낌이 듭니다."라는 내용의 업데이트를 세 번이나 게시하며, 백서에 있는 동일한 범례 표시기에 의문을 제기했습니다.
MIT의 또 다른 생물학 박사는 오픈 소스 과학의 중요성을 거듭 강조했을 뿐만 아니라, 딥마인드의 움직임을 비판하면서 "딥마인드는 너무 나아갔고, 저는 그것이 어떻게 작동하는지 정말 알고 싶습니다."라고 말했습니다.
DeepMind, 새로운 전장을 열다, AlphaFold를 보완하다
DeepMind의 생물제약 산업에 대한 "업그레이드 및 괴물과의 싸움"은 새로운 전장을 열었습니다. 이것이 AI 약물 설계의 구현을 가속화하는 데 큰 도움이 될 수 있을까요?
우리 모두 알고 있듯이 AlphaFold 3는 이미 모든 생명 분자(단백질, DNA, RNA, 리간드 등)의 구조와 상호 작용을 매우 높은 정밀도로 예측할 수 있습니다. 업계 관계자들은 향후 반복 방향과 관련해 운동 정보 예측에 개선이 있을 것으로 예측하고 있습니다.이번에 출시된 AlphaProteo는 어느 정도 AlphaFold와 상호 보완하고 홍보할 수 있습니다.
한편으로는,단백질 설계는 기능에서 출발하여 특정 생물학적 또는 화학적 기능을 달성하기 위해 새롭거나 개선된 단백질 구조를 설계해야 하므로 단백질 구조와 기능 간의 관계를 이해하는 데 크게 의존합니다.반면에,단백질 예측은 핵심적인 구조적 정보를 제공하고 설계에 도움을 줄 수 있습니다. 동시에 설계된 단백질은 예측 모델을 개선하고 단백질 접힘 및 역학과 같은 측면에서 예측의 정확도를 높이는 데에도 도움이 될 수 있습니다.
DeepMind는 AlphaProteo 소개에서 이 혁신이 사람들이 생물학적 과정을 이해하는 데 도움이 될 수 있고, 새로운 약물 발견, 바이오센서 개발 등에 도움이 될 수 있다고 언급했습니다. 앞으로 회사는 과학계와 협력하여 AlphaProteo를 사용하여 광범위한 생물학적 의문을 해결하고 그 한계를 파악할 것입니다. 동시에 DeepMind는 Isomorphic Labs와 협력하여 약물 설계 응용 프로그램도 연구해 왔습니다.
Isomorphic Labs는 DeepMind에서 탄생했으며 AI 의학 분야에 중점을 두고 있습니다. 이 회사의 사명은 인공지능과 머신러닝 방법을 활용해 약물 발견 과정을 가속화하고 개선해 인류가 가장 파괴적인 질병에 대한 치료법을 찾는 것입니다.
어느 정도까지 Isomorphic Labs는 AI 의학 분야에서 DeepMind의 촉수이기도 하며, 최신 연구 결과를 최초로 특정 목표에 맞춰 약물 설계에 적용할 수 있습니다. 이 팀은 AlphaFold 3 연구에도 참여했습니다. DeepMind의 지원을 받아 AI 약물 설계 구현에 좋은 소식을 가져올 것으로 기대합니다.
마지막으로, 학문적 공유 활동을 추천해 드리겠습니다!
Meet AI4S의 세 번째 라이브 방송에는 상하이 교통대학교 자연과학연구소와 상하이 응용수학 국가센터의 박사후 연구원인 주쯔이가 초대되었습니다. 저우쯔이 박사는 9월 25일 온라인 라이브 방송 형식으로 단백질 언어 모델의 소규모 샘플 학습 방법을 여러분과 공유하고, AI가 지원하는 지향 진화에 대한 새로운 아이디어를 탐구할 예정입니다. 클릭하여 라이브 방송을 시청할 예약을 하세요!