Google이 소유한 DeepMind는 하룻밤 사이에 학계를 뒤흔들었습니다.
5월 8일 DeepMind는 새로운 AI 모델인 AlphaFold 3를 공식 발표했습니다.
관련 연구논문은 권위 있는 '네이처'지에 게재돼 출간되자마자 첫 페이지를 장식했다.
ChatGPT 이후 수많은 AI 모델이 있지만, 세상을 변화시킬 수 있는 가장 적합한 모델은 아마도 AlphaFold 3일 것입니다.
AlphaFold의 슈퍼 진화는 생물학적 세계를 더욱 "고화질"로 만듭니다.
우리는 중학교 생물학 수업에서 단백질이 펩타이드 결합을 통해 아미노산을 연결하여 형성되고 공간에서 복잡한 3차원 구조로 접혀져 형성된 긴 사슬 분자라는 것을 배웠습니다.
3차원 구조는 단백질의 기능을 결정하며 약물 설계 및 질병 치료에 직접적인 영향을 미칩니다.
단백질 구조 예측은 생물학에서 가장 중요한 명제 중 하나라고 할 수 있습니다.
그러나 단백질의 3차원 구조를 예측하는 것은 어려운 작업이며 종종 복잡한 실험이 필요합니다. 이는 "50년 동안 생물학자들을 괴롭힌 문제"로 묘사되기도 했습니다.
2016년 딥마인드의 알파고(AlphaGo)는 프로 9단 선수를 물리치고 바둑의 고대 기술을 다시 썼습니다.
DeepMind의 AlphaFold는 생물학의 암호를 해독하고 생명 자체의 신비를 들여다보고 싶어합니다.
2018년에는 AlphaFold 1이 출시되었습니다.
2020년에는 단백질의 모양을 대규모로, 원자 수준까지 몇 분 만에 정확하게 예측할 수 있는 AlphaFold 2가 출시되었습니다.
이제 우리는 훨씬 더 큰 야망을 가진 AI인 AlphaFold 3를 보유하게 되었습니다. 즉, 단백질을 넘어 모든 생물학적 분자를 탐색하는 것입니다.
생체분자는 단백질, DNA, RNA 등 살아있는 유기체를 구성하는 분자입니다.
DeepMind는 생체 분자가 수백만 가지 조합으로 어떻게 상호 작용하는지 이해해야만 생명의 과정을 진정으로 이해하기 시작할 수 있다고 믿습니다.
한마디로 알파폴드3는 이전 모델보다 더 넓은 범위를 다루며, 단백질, DNA, RNA, 리간드 등 생물학적 분자의 구조와 상호작용을 정확하게 예측할 수 있다.
먼저 AlphaFold 3의 예측 결과를 살펴보겠습니다.
7PNM은 일반 감기 바이러스의 스파이크 단백질입니다.
그림에서 볼 수 있듯이 AlphaFold 3는 항체(녹색 부분) 및 단당류(노란색 부분)와 상호 작용할 때 7PNM(파란색 부분)의 구조를 예측하며 이는 실제 구조(회색 부분)와 일치합니다.
이러한 예측에는 의미가 있습니다. 과학자들은 이러한 단백질을 연구함으로써 코로나19를 포함한 면역 체계와 코로나바이러스를 더 잘 이해하고 더 나은 치료 옵션을 찾을 수 있습니다.
AlphaFold는 단백질 구조 외에도 여러 분자로 구성된 복잡한 구조인 분자 복합체를 예측할 수 있습니다.
아래 그림의 효소는 식물에 해로운 토양 곰팡이에서 나옵니다.
효소 단백질(파란색 부분), 이온(노란색 구체) 및 일부 단당류(노란색 부분)를 포함한 AlphaFold의 예측 결과는 실제 구조(회색 부분)와 일치합니다.
이 효소가 식물 세포와 어떻게 상호 작용하는지에 대한 더 깊은 이해는 연구자들이 더 건강하고 저항력이 더 높은 작물을 개발하여 농업 생산에 실질적인 이점을 가져오는 데 도움이 될 수 있습니다.
마찬가지로 AlphaFold 3는 단백질(파란색 부분), RNA 가닥(보라색 부분) 및 두 개의 이온(노란색 부분)으로 구성된 분자 복합체를 예측하는데, 이는 실제 구조(회색 부분)와도 밀접하게 일치합니다.
이 복합체는 세포 생명 활동과 건강의 기본 과정 중 하나인 단백질 합성에 관여하며 연구 중요성도 마찬가지로 심오합니다.
DeepMind는 예측 결과의 정확성을 보여주고 관련 용도를 강조함으로써 AlphaFold 3가 "혁명적인 모델"임을 전 세계에 알리고자 합니다.
한편으로는 연구 범위가 더 넓습니다. 단백질, 특히 리간드와 같은 소분자 이상으로 시야를 확장하면 더 많은 약물을 다룰 수 있습니다.
반면 정확도도 향상됐다. 다른 분자 유형과의 단백질 상호작용에 대해 AlphaFold 3는 기존 예측 방법에 비해 정확도를 최소 50% 향상시킵니다. 중요한 상호 작용 중 일부는 100% 향상되었습니다.
이러한 방식으로 AlphaFold 3는 더 많은 연구에 도움을 주고, 약물 설계를 가속화하고, 유전체학을 촉진하고, 더 건강한 작물을 개발하고, 생체 재생 가능 재료를 개발할 수 있습니다.
기술 원리를 말하자면 AlphaFold 3는 AlphaFold 2의 개선 사항을 기반으로 합니다. 핵심은 Evoformer 딥 러닝 아키텍처이며 Midjourney와 유사한 확산 네트워크를 사용합니다.
AlphaFold 3를 사용하는 과정은 대규모 언어 모델과 채팅하는 것과 약간 비슷합니다. 생체분자에 대한 설명을 입력하면 AlphaFold 3가 이러한 분자의 3차원 구조를 생성하고 상호 작용하는 방식을 연구합니다.
AlphaFold 3가 예측 결과를 제공하는 과정은 퍼지 원자 구름에서 시작하여 점차적으로 정확한 분자 구조로 수렴되는 AI Vincentian 그래프 확산 모델과 유사합니다.
인간의 언어를 말하는 생성 AI는 사무실 직원의 생산성을 향상시킵니다. AlphaFold는 과학자들에게 이보다 더 큰 의미가 없습니다.
실험실에서 단백질 구조를 예측하려면 박사 학위 취득에 소요되는 시간과 수십만 달러의 비용이 소요될 수 있습니다. 수억 개의 예측이 있으며 심지어 수백만 명의 사람들도 평생 동안 예측을 완료하지 못할 수도 있습니다.
그러나 AlphaFold를 사용하면 과학자들은 대담한 질문과 혁신적인 가설을 제시한 다음 실험실에서 이를 테스트하여 연구 과정을 가속화할 수 있습니다.
DeepMind의 한 문장은 일반 사람들에게 AlphaFold 3의 중요성을 요약하기에 충분합니다.
AlphaFold 3는 생물학의 세계를 HD로 가져옵니다.
과학적 발견의 새로운 르네상스를 기다리며 AlphaFold를 세상에 전하세요
OpenAI의 비공개 소스를 조롱하기 위해 머스크는 OpenAI에 CloseAI라는 별명을 붙였습니다.
여러 OpenAI 논문에 기고한 Google은 어떤 측면에서는 오픈소스 정신에 더 가깝습니다.
2021년 7월 AlphaFold 2는 Nature에 논문을 발표하고 코드도 오픈소스로 만들었습니다.
현재까지 AlphaFold 2는 수억 개의 구조를 예측하는 데 사용되었습니다. 전 세계 수백만 명의 연구자들이 말라리아 백신, 암 치료, 효소 설계 등의 분야에서 AlphaFold 2를 사용하고 있습니다.
또한 2021년 7월 DeepMind는 유럽 생물정보학 연구소(EMBL-EBI)와 협력하여 AlphaFold 단백질 구조 데이터베이스를 출시하여 현재까지 인간 프로테옴에 대한 가장 완전하고 정확한 그림을 제공했습니다.
DeepMind는 공식 블로그에서 이것이 인간 게놈 매핑 이후 가장 중요한 데이터 세트 중 하나라고 언급했습니다. 이제 그들은 전 세계 과학 연구자들의 손에 무료로 AlphaFold의 기능을 제공할 것입니다.
1년 이내에 500,000명 이상의 연구자가 AlphaFold 데이터베이스를 사용하여 200만 개 이상의 구조물을 확인하고 플라스틱 오염 및 항생제 내성과 같은 실제 문제에 대한 솔루션을 가속화했습니다.
그 이후로 데이터베이스는 계속 확장되었습니다.
2022년 7월 DeepMind는 과학에 알려진 거의 모든 단백질(총 2억 개 이상)의 예측 구조를 공개했습니다. 여기에는 인간 외에도 식물, 박테리아, 동물 및 기타 유기체의 예측 구조도 포함됩니다.
AlphaFold 데이터베이스는 단백질 구조에 대한 "Google 검색"과 같으며 별이 빛나는 단백질 우주와도 같습니다. 단백질의 3차원 구조는 생명의 초석이며 그 모습이 정교하고 아름다워 사람들로 하여금 자연 창조의 마법에 경탄하게 만듭니다.
하지만 이번에 출시된 알파폴드3는 알파폴드2에 비해 조금 더 보수적인 태도를 취하고 있어 일각의 비판을 받고 있다.
AlphaFold 3는 현재 오픈 소스가 아니며 로컬에 배포할 수 없습니다. 연구원은 DeepMind의 최신 연구 플랫폼 AlphaFold Server를 통해서만 대부분의 기능에 무료로 액세스할 수 있으며 사용은 비상업적입니다.
과학적 진보를 가장 방해하는 것은 서비스에 대한 액세스 횟수입니다. 하루에 10번만 예측할 수 있습니다.
인색한 행동 뒤에는 DeepMind의 사업적 고려 사항이 있을 수 있습니다. 자회사 Isomorphic Labs는 제약 회사와 협력하여 AlphaFold 3를 약물 설계에 적용했습니다.
구글 딥마인드(Google DeepMind)의 공동 창업자이자 CEO인 데미스 하사비스(Demis Hassabis)는 최초의 AI 설계 약물이 향후 몇 년 내에 테스트 준비가 될 수 있다는 낙관론을 표명했습니다.
물론 AlphaFold에는 여전히 한계가 있습니다.
중국의 구조생물학자인 옌닝(Yan Ning)은 2022년 AlphaFold 2가 과학자들을 대체할 것인지에 대한 질문에 답한 적이 있습니다.
Nav/Cav 측면에서 AlphaFold 2는 여전히 2017년 수준에 머물고 있으며, 새로운 소분자와 단백질 간의 상호 작용을 테스트할 때 AI 예측 중 어느 것도 정확하지 않았습니다.
Yan Ning은 생물구조 과학은 접힘뿐만 아니라 단백질의 동적 변화를 이해하고, 다른 생물학적 거대분자 또는 조절 소분자와의 상호작용을 이해하고, 현장에서 세포의 상태를 이해하는 것에 관한 것이라고 설명했습니다. all 아직은 AI가 무력한 영역이다.
오늘날 AlphaFold 3는 AlphaFold 2가 부족한 부분에서 큰 진전을 이루어 다양한 생체 분자의 상호 작용을 예측할 수 있는 가능성을 보여 주지만 여전히 때때로 환각을 일으킬 수 있는 분자 구조의 정적 예측에 중점을 두고 있습니다.
이전 인터뷰에서 Demis Hassabis는 AI를 둘러싼 과대광고를 비판했습니다.
그는 AI가 단백질 구조를 예측하는 AlphaFold 모델과 같은 '궁극적인 과학 도구'로 활용되어야 한다고 믿습니다. 인류는 곧 과학적 발견의 새로운 르네상스를 맞이할 것입니다.
영웅은 Nvidia의 Huang Jenxun도 의료 및 생명 공학 분야의 AI 트랙에 대해 매우 낙관적입니다. 그는 2024 GTC AI 컨퍼런스에서 많은 AI 의료 서비스를 소개했으며 해당 분야에서 Johnson & Johnson과 같은 회사와 합의를 이루었습니다. 수술과 의료 영상이 협력합니다.
Sora는 물리적 세계를 시뮬레이션하는 반면 AlphaFold 3를 사용하면 생물학적 세계를 이해하고 AI에 대한 원래 기대로 돌아가 과학적 발견을 가속화하고 인간의 진보를 촉진하며 생명 자체를 이해할 수 있습니다.
AGI는 아직 멀리 떨어져 있지만 문자, 그림, 영상, 단백질 분자는 서로 다르지만 서로 울려퍼진다.
AI는 실제로 매우 강력해지고 일상 생활과 점점 더 관련성이 높아졌으며, 우리는 매일 더 많은 혁신이 나타나고 더 많은 미스터리가 해결될 것으로 기대할 수 있습니다.
# Aifaner: Aifaner(WeChat ID: ifanr)의 공식 WeChat 공개 계정을 팔로우하신 것을 환영합니다. 더 흥미로운 콘텐츠가 최대한 빨리 제공될 예정입니다.
Ai Faner | 원본 링크 · 댓글 보기 · Sina Weibo