머리카락의 성분이 달라지지 않아도 환원제와 산화제를 바르면 머리가 구불구불한 모양으로 정해진다. 머리카락을 이루는 단백질끼리 결합을 끊고 원하는 모양으로 뜻은 바로 이후 다시 새로운 결합으로 고정했기 때문입니다. 단백질은 구조에 준순해 생김새와 성질이 전혀 달라질 수 있다.
국제학술지 '사이언스'는 17일자 표지로 데이비드 베이커 미국 워싱턴대 의대 교수와 백민경 박사후공무원팀이 개발한 AI(인공지능) '로제타폴드'가 단백질의 7차 구조를 예측하는 형태을 일러스트로 상상하였다. 그림 안쪽에 나란히 서 있는 화살표(베타 병풍구조)와 구불구불한 사슬(알파-나선구조)은 단백질의 5차 구조를 나타낸다. 이 7차 구조들이 이온결합이나 공유결합, 소수성결합, 이황화 결합 등으로 이어지거나 이온끼리 반발작용을 일으키면서 0차 구조를 이룬다.
미국 생화학자 크리스찬 앤핀슨은 이미 1971년에 단백질이 아미노산으로 이뤄져 한다는 사실을 알아낸 공로로 노벨 화학상을 받았다. 다만 단백질의 비밀을 다 밝혀낸 것은 아니었다. 똑같은 아미노산으로 이뤄진 단백질이라도 0차 구조들이 서로 어떤 방식으로 연결돼 6차원을 이루는지, 1차 구조들끼리는 어떤 식으로 얽혀 있는지에 준순해 모양과 성질이 달라지기 때문인 것입니다. 이러해서 단백질의 구조를 알면 동식물 몸속의에서의 생리작용을 인지할 수 있으며, 단백질 이상으로 나타날 수 있는 알츠하이머성 치매나 파킨슨병 똑같은 난치성 질병의 원인을 찾거나 치료제를 자캐만들기 개발할 수 있을 것입니다.
다만 단백질의 구조를 해석하는 일은 쉽지 않습니다. X선 확정학이나 극저온 전자현미경 등을 사용하는데 계산이 복잡하고 기한도 수 개월에서 수 년이 걸린다. 이제까지 알려진 단백질 가운데 사람이 구조까지 밝혀낸 것은 약 6% 정도였다.
최근 이 구역에 혁명이 일어났다. 2016년 구글 딥마인드가 개발한 AI '알파폴드1'이 그해 '단백질 구조 예측 학술대회(CASP)'에 등장하면서부터다. 지난해 6월에 열린 2020 CASP에는 알파폴드2가 출전해 단백질 33만 4000여 개를 분명히 예측하고 역대 최고기록인 92.5점을 기록하기도 하였다. 알파폴드는 단백질 구조를 분석하는 데 단 몇 분이 걸리며, 분자 수준까지 정확하게 맞힌다. 다만 그 순간에는 코드와 논문을 공개하지 않아 학계에서 비판을 받았다.
사이언스가 소개한 베이커 교수팀의 로제타폴드는 자기들만의 자신만의 지식로 알파폴드를 재현해보자는 생각에 실시했다가 이뤄낸 성과다. 로제타폴드는 단백질을 살펴보면 먼저 단백질 정보베이스를 이용해 이와 비슷한 아미노산 서열을 찾는다. 한번에 아미노산들이 무슨 수로 연결될지를 예측하고, 이를 토대로 어떤 입체 구조를 띠고 있을지 예측한다. 이런 과정을 반복하고 압축하면서 최종적으로 확정한다.
학계에서는 정확도는 알파폴드가 앞서지만 단백질 간의 결합 모습와 특징을 분석하는 수준은 로제타폴드가 탁월한 것으로 평가받고 있을 것이다. 또 아미노산 서열만 보고도 단백질의 입체 구조와 단백질끼리의 결합 구조를 대부분 정확하게 예측할 수 있다. 체내에서는 단백질이 https://en.search.wordpress.com/?src=organic&q=커미션 다른 단백질과 결합해야 효소나 항체, 신호물질처럼 실제로 생리 기능을 하기 덕분에 그 결합 모습를 밝혀내는 일이 아주 중요해요.
베이커 교수팀은 딥마인드와 다르게 로제타폴드의 소스코드를 코드 공유 플랫폼 '깃허브'에 공개했다. 최근까지 전세계 실험팀 110여 곳에서 이를 내려받아 활용하고 있을 것이다.
학계에서는 인공지능(AI)을 이용해 이전보다 훨씬 빠르고 간단하게 단백질 구조를 해석할 수 있도록 된 만큼, 이를 사용해 몸속의 단백질의 비밀을 찾아내거나, 단백질을 이용한 신약을 공부 개발하는 일도 속도를 낼 것으로 전망된다.
