Google DeepMind, AlphaFold로 단백질 구조 1억 개 예측
한줄 요약
DeepMind의 AlphaFold 3는 단백질뿐 아니라 DNA, RNA, 소분자 화합물의 3D 구조와 상호작용을 예측하며 신약 개발의 표적 발굴 속도를 획기적으로 단축하고 있다.
뉴스 개요
2024년 5월 Nature에 발표된 AlphaFold 3(AF3) 논문은 기존 AlphaFold 2가 단백질 구조 예측에 국한됐던 것을 넘어 DNA-단백질, RNA-단백질, 단백질-소분자 결합 구조까지 예측하는 기능을 선보였다. Google DeepMind와 Isomorphic Labs의 공동 개발 결과물로, 기존 최고 성능 도구 대비 결합 예측 정확도를 50% 이상 향상시켰다.
2025년 기준 AlphaFold 데이터베이스에는 전 세계 100만 개 이상의 생물종에 대한 2억 개 이상의 단백질 구조가 무료 공개되어 있으며, 190개국 200만 명 이상의 연구자가 활용 중이다.
주요 내용
연구/발표 상세
AlphaFold 버전별 진화
| 버전 | 발표 연도 | 핵심 기능 | 임팩트 |
|---|---|---|---|
| AlphaFold 1 | 2018 | 단백질 구조 예측 (초기) | CASP13 1위 |
| AlphaFold 2 | 2020 | 단백질 구조 고정밀 예측 | CASP14 압도적 1위 |
| AlphaFold DB | 2021-2023 | 2억 개 구조 공개 | 바이오 연구 패러다임 전환 |
| AlphaFold 3 | 2024 | 모든 생체분자 상호작용 예측 | 신약 설계 핵심 도구화 |
AF3의 주요 성능 지표:
- 단백질-소분자 결합 예측 정확도: 기존 도구(Glide, AutoDock) 대비 50% 향상
- 항체-항원 인터페이스 예측: 기존 대비 2배 이상 정확도 향상
- RNA 구조 예측: 최초의 고정밀 RNA 3D 구조 예측 — mRNA 치료제 설계에 직접 활용 가능
실제 신약 개발 활용 사례:
- 말라리아 백신: AF2 구조 데이터를 활용해 개발된 R21/Matrix-M 백신이 2023년 WHO 권고 백신으로 승인
- 암 치료제: KRAS G12C 억제제 설계 과정에서 AF 구조 데이터 활용, 표적 결합 최적화 시간 18개월 단축
- 항생제 내성 연구: 슈퍼박테리아 단백질 구조 분석으로 새로운 항생제 표적 발굴 가속화
배경
과거 단백질 3D 구조 하나를 분석하는 데 X선 결정학(X-ray crystallography)이나 cryo-EM으로 수개월수년이 소요됐다. AlphaFold는 이 과정을 수십 초수분으로 단축했다. 2022년 Science 지는 AlphaFold를 “올해의 돌파구(Breakthrough of the Year)“로 선정했으며, 2024년 AlphaFold 개발에 핵심적 기여를 한 Demis Hassabis와 John Jumper는 노벨 화학상을 수상했다.
의료 현장에 미치는 영향
긍정적 측면
- 신약 개발 속도 향상: 표적 단백질 구조 분석 → 결합 가능 화합물 스크리닝 시간이 수년에서 수주로 단축. 2030년까지 임상 진입 신약의 30% 이상이 AF 기반 설계 예측
- 희귀질환 치료제: 이전에는 구조 분석 비용 문제로 연구 불가했던 희귀 단백질들도 분석 가능 — 희귀질환 치료제 개발 가속화
- 개인맞춤 약물: 환자 유전체에서 발현되는 변이 단백질 구조를 예측해 개인화 치료 설계 가능성
- 항체 치료제: 항체-항원 결합 예측 정확도 향상으로 항체의약품(바이오시밀러 포함) 개발 효율화
주의할 점/한계
- 예측 = 실제 구조 아님: AF 구조는 예측값이므로 결정학적 실험 검증이 여전히 필요. 특히 유연한 loop 영역, 막단백질(membrane protein) 예측 정확도는 제한적
- 동역학 정보 없음: 단백질은 정적 구조가 아닌 동적으로 움직임. AF는 특정 조건의 정적 구조만 예측하므로 약물 결합의 동역학을 반영하지 못함
- 상업적 활용 제한: AF3의 모델 가중치는 비상업적 연구에만 공개. Isomorphic Labs의 상업적 파트너십을 통한 독점 활용에 비판적 시각 존재
의료진이 알아야 할 점
임상 의사에게 AlphaFold는 직접적인 임상 도구는 아니지만, 다음 측면에서 알아두면 유용하다:
- 신약 개발 타임라인 단축: 환자에게 임상시험 참여를 설명할 때, AF 기반 설계 약물들은 “표적 선택성이 더 높다”는 메커니즘적 근거 제시 가능
- 정밀의학 설명: 환자가 “왜 같은 암인데 다른 약을 쓰냐”고 물을 때, 단백질 변이 구조 차이에 기반한 맞춤 치료 개념을 설명하는 근거
- 의대생·레지던트: 구조생물학 기초 지식과 AI의 결합이 신약 개발의 표준이 되고 있으므로, 구조-기능 관계 이해가 더욱 중요해짐
향후 전망
- AlphaFold 4: DeepMind는 단백질 폴딩 예측을 넘어 단백질 설계(protein design) — 즉, 원하는 기능을 가진 단백질을 AI가 직접 설계하는 방향으로 연구 중
- 국내 제약사 활용: 셀트리온, 한미약품, 유한양행 등 국내 주요 제약사들이 AF3 기반 신약 설계 파이프라인을 구축 중. 2026년 임상 진입 후보물질 중 일부가 AF 기반 설계임
- RNA 치료제 가속화: AF3의 RNA 구조 예측 기능을 활용한 mRNA 치료제·siRNA 설계 연구가 급증 중 — mRNA 코로나19 백신 개발 경험과 결합해 차세대 백신/치료제의 핵심 기반