2024 노벨 화학상 수상 중계! Alpha-Fold란 무엇인가? AI가 푼 생명의 퍼즐! [항성의 우주속으로]

안될과학 Unrealscience
147 팔로워
노벨상의 시즌이 돌아왔습니다!
10월 7일 노벨 생리의학상에 이어,
10월 8일에는 노벨 물리학상,
그리고 오늘 노벨 화학상이 발표되었습니다.
2024 노벨 물리학상의 주인공은 누구?!
모두가 예측가능했던 알파폴드의 노벨 화학상 수상
항성의 우주속으로에서 간단히 알아봅니다!
◆ 2024 신상 굿즈 블록 피규어 키링 + 포스터 출시
모어사이언스 스토어에서 만나볼 수 있습니다!
https://smartstore.naver.com/morescience
#노벨상 #노벨화학상 #인공지능 #딥러닝 #AI #단백질
◆ Thanks to
Editor: 이재현
◆ 안될과학-모어사이언스 스마트스토어 (과학굿즈)
https://smartstore.naver.com/morescience
◆ 안될과학 인스타그램
https://www.instagram.com/unreal.science
◆ 안될과학 커뮤니티
https://cafe.naver.com/unrealscience
◆ 안될과학 문의
E-MAIL : [email protected]
인사할 시간만 있습니다.
항성의 우주 속으로의 항성입니다.
오늘도 항성의 우주 속으로 노벨 화학상 발표 생중계
여러분들과 함께 하도록 하겠습니다.
많은 언론에서도 그렇고 많은 분들도 그렇고
이분들을 지금 현재 가장 강력한 후보로 이야기를 하고 있습니다.
단백질의 3차원 구조와 기능
우리가 흔히 말하는 알파폴드를 예측을 하고 설계를 하는데
기여한 공로로 데이빗 베이커 교수님
존 점퍼 연구원 데미스 하사비스
구글 딥마인드 CEO가 강력한 후보에 오르고 있습니다.
이 연구자들이 어떤 업적으로 받는 거냐
과연 알파폴드가 어떤 거냐
단백질이라는 게 일단은 매우 중요하죠.
이번에 노벨 생리의학 상태도 마이크로 RNA가 나오면서
단백질의 어떤 기능을 해야 되는데
그 기능을 하지 못한 그런 것들을 조절을 하는
마이크로 RNA의 수상이 됐었는데
단백질은 그만큼 우리 몸에서 거의 모든 기능을 담당하고 있다고 해도
과언이 아니라고 생각을 합니다.
그리고 단백질의 기능 자체가 어떻게 결정이 되냐 하면
단백질은 그 모양, 구조에 의해서 결정이 됩니다.
마치 자물쇠가 있고 열쇠가 있는데
딱 거기에 맞아 들어가는 열쇠는 하나밖에 없지 않습니까?
마치 열쇠와 자물쇠처럼 그 단백질의 모양이
정확해야 재기능을 할 수가 있습니다.
알파폴드가 나오기 이전에는
단백질의 구조를 알아내는 것 자체가 매우 어렵고
시간이 너무나 오래 걸리는 작업이었어요.
베이커 박사님 팀은 우리가 원하는 기능을 가진
새로운 단백질을 만들 수 있을까?
거꾸로 생각을 한 거죠.
맨 처음에 인공지능을 이용을 해서
새로운 단백질 구조를 상상을 하게 한 거죠.
이런 것들이 가능했던 건 다 노벨 물리학상에서 나왔던 딥러닝.
그랬더니 그 결과 AI가 자연에 존재하지 않는
새로운 단백질을 디자인할 수 있게 되었다는 것을 알게 된 거죠.
우리가 마치 레고 블록으로 새로운 모양을 만드는 것처럼
원하는 기능의 단백질을 제작을 할 수 있게 되었다고 생각을 하는 거예요.
그래서 이런 것들에 관심을 가진 존 점퍼 연구원하고
데미스 핫서비스가 같이 합심을 해서
새로운 단백질의 구조만 만드는 AI를 개발을 하게 됩니다.
그게 바로 알파폴드죠.
단백질의 아미노산이 있어요.
아미노산 서열만 알면 구조를 예측할 수 있지 않을까라는 게
생명의학 쪽에서는 오랜 과제였어요.
그런데 딥러닝이라는 AI 기술을 사용해서
단백질 구조를 예측하는 알파폴드 시스템을 개발을 한 거죠.
이 구조들은 다 어제 노벨 물리학상에서 나온 딥러닝 방식을 통해
새로운 구조를 만드는 유추하는 과정들을 통해서 알 수 있게 된 거죠.
단백질 구조를 이렇게 알파폴드를 통해서 정말 밝혀낼 수 있다면
의료혁명, 새로운 약물을 진짜 더 빠르고 효과적으로 개발을 할 수가 있을 거고
알츠하이머라든지 파킨슨병이라든지 기존의 불치병이라고 생각을 했던
아니면 치료하기 어렵다고 생각했던 여러 것들을
우리가 이제 빨리 새롭게 만들어낼 수 있고
그 질병의 메커니즘들도 우리가 더 잘 이해할 수 있게 되지 않을까.
이것뿐만 아니라 산업 전반에서도
플라스틱을 분해하는 단백질을 어떻게 하면 만들어낼 수 있을까
새로운 산업 공정들을 개선을 할 수가 있는 거죠.
마치 생명의 설계도를 읽고 쓸 수 있게 된 거죠.
좋습니다. 이제 시작하기 전에 여러 가지 사실들이 나오는데
프레드리 졸리아시라는 분이 35살의 노벨상을 수상을 하셨고요.
가장 나이가 많으신 분은 존비 굿이너프 교수님이 97
이름도 너무 좋네요. 더 이상 좋을 수 없다.
그리고 192명이 노벨 화학상을 수상을 했고요.
장홍재 교수님 전화 한번 해볼까요?
장홍재 교수님 계시나?
보고 계십니다. 전화 안 해도 되겠군요.
이제 들어오시네요.
언제나 그렇듯이 스웨덴 언어로 먼저 얘기를 하고
영어로 발표를 합니다.
뭐라고 하는지 볼까요?
알파폴드입니다.
데이비베이커 교수님
하사비스 점퍼
단백질은 아미노산의 연결체인 거죠.
단백질은 스스로 접으면서 3차원 구조를 받으면서
각각의 구조에 따라서 기능을 나타내게 됩니다.
근데 이 구조를 알아내는 게 힘들었죠.
아미노산의 구조를 계속 해석을 해나가면
단백질이 어떤 기능을 하는지를 예측을 할 수가 있습니다.
근데 이 3D 구조를
이 알파폴드라는 기능을 통해서 예측을 할 수가 있는 거죠.
완전히 새로운 단백질을 만들어낼 수도 있었습니다.
2003년도에 우리가 여태까지 본 적이 없는
어떤 기능을 가진 새로운 단백질을 만들 수 있을까라는
질문에 도전을 한 거죠.
베이커 교수님의 팀이 컴퓨터 프로그램을 통해서
이 구조를 풀어낸 거죠.
구조를 통해서 아미노산 배열을 만들어내고
이 아미노산 배열을 다시 한번 구조로 만들었더니
원래 구조와 거의 일치하는 것을 확인했다는 거죠.
그래서 이게 컴퓨터 파워를 이용을 해서
우리가 이 단백질 구조로 바뀔 수 있겠구나라는 걸 알게 된 거죠.
그 이후에 데미스 핫서비스하고 점퍼 박사님이 같이 합심을 하면서
새로운 방법으로 만들어낸 거죠.
알파폴드가 여러 가지 단백질의 구조를 만들어내기 시작한 겁니다.
최근에 COVID-19이라든지 이런 바이러스 백신 연구에도
상당히 큰 공헌을 했던 거죠.
백신이 빨리 나올 수 있었던 것도
다 이런 알파폴드의 역할도 매우 컸다고 할 수 있습니다.
아주 오랫동안 1994년부터 2016년도까지
이 단백질의 구조를 예측하는 퍼센테이지가
채 40%가 안 될 정도로 엄청나게 낮았던 거죠.
2020년도에 무슨 일이 일어나고 그래서
알파폴드라는 게 1, 그 다음에 알파폴드가 2가 나타나면서
단백질 구조의 예측이 엄청나게 올라갑니다.
알파폴드 2 같은 경우에는 90%의 정확률을 만들어냈습니다.
뉴런 네트워크, 딥러닝 어제 나온 거죠.
기존의 데이터베이스를 가지고
알파폴드는 이제 딥러닝으로 학습을 하기 시작합니다.
뉴런 네트워크를 통해서 패턴 인식하는 것
이런 것들을 통해서 다른 단백질들을
만들어내기 시작하는 데까지 성공을 한 거죠.
그래서 인공지능을 통해서
이 아미노산들 사이에 거리를 만들어내는 맵을 만들어낸 거고
그래서 알파폴드 2를 통해서 단백질의 구조를 예측한 것은
200만 명의 유저가 있다고 하고요.
약 2억 개의 새로운 단백질 구조를 예측을 해냈습니다.
알파폴드 2를 통해서 이 프로틴 디자인이
단백질 구조하고 예측을 하고 새로운 단백질을 만들어내는
이것들은 너무나 많은 곳에서 사용이 될 겁니다.
데이빗 베이커하고 전화통화를 하네요.
저 전화를 받는 기분은 어떤 기분일까요?
자 금년 수상자는 데이빗 베이커
그 다음에 데미스 핫서비스, 존 점퍼 같은데요.
제가 보기에 지금 이렇게 구분이 돼 있는 거 보니까
데이빗 베이커가 1분의 2를 가져가고요.
그 다음에 핫서비스하고 존 점퍼가 나머지 1분의 2를 반을 나눠서
1분의 4씩 가져가는 것 같아요.
1분의 2가 데이빗 베이커야.
이것만 보고도 알아냈다.
공헌도가 다른 거예요.
왜냐하면 이거 데이빗 베이커 교수님이 시작을 안 했으면
이 알파폴드는 만들어지지 않았을 거예요.
그렇기 때문에 그런 거고
아미노산 같은 경우에는 20개의 아미노산이 있습니다.
이 아미노산이 어떻게 배열되어 있는지에 따라서
단백질의 구조가 결정이 됩니다.
이 아미노산들 사이에 거리를 측정을 하는 거죠.
서로 거리를 재서 이걸 3차원 구조로 만드는 거죠.
데이빗 베이커 교수님 같은 경우에는 새로운 단백질을 설계를 한 거예요.
아까도 설명드렸지만
우리가 원하는 기능을 가진 새로운 단백질을 만들 수 있을까라는 질문에 도전을 한 거고
인공지능을 통해서 새로운 단백질 구조를 상상을 하게 했더니
AI가 새로운 단백질을 디자인할 수 있게 된 거예요.
그래서 레고 블록으로 새로운 모양을 만드는 것처럼
우리가 원하는 기능의 단백질을 제작할 수 있게 되었다.
이 알파폴드가 되는 모든 이론적인 기반을 만드신 겁니다.
되니까 구글한테 요청을 해서
딥러닝이라는 AI 기술을 사용해서
단백질 구조를 예측하는 알파폴드 시스템을 개발한 겁니다.
그 기존의 예측 프로그램들은 예측률이 40%가 되지 않았는데
알파폴드 1이 나오자마자 60%가 올라가면서
희귀적이었다고 했는데
알파폴드 2가 나오면서 90%가 올라가게 된 거죠.
거의 모든 단백질 구조를 예측할 수 있게 되는 거고
틀릴 수도 있죠.
나머지 10%에 들 수도 있는데
이걸 다시 해보면 그래도 찾아낼 수 있다.
그 정도까지 수준에 올라온 겁니다.
이 연구는 진짜 너무나 많은 곳에서 쓰일 수밖에 없습니다.
의료, 새로운 약물을 정말 더 빠르고 효과적으로 개발을 할 수가 있게 하고
알차이머나 파킨슨병 같은 단백질 관련 질병의 메커니즘을
훨씬 더 이해를 하게 되고
모든 사람들이 예측했던 대로
정말 알파폴드에서 노벨 화학상이 나왔습니다.
네 이렇게 오늘 노벨 화학상 발표
여러분들과 함께 생중계해봤습니다.
참 노벨 물리학상도 그렇고
노벨 화학상도 그렇고
이제는 연구 분야에서 AI 딥러닝 분야가
이제는 빠질 수가 없는
너무나 강력한 연구 도구로 활용이 되고 있는 것 같습니다.
이 변해가는 것에 대해서
조금 더 여러분들도 함께 어떻게 대응해 가야 될지
우리 한 번 더 얘기해보는 자리를 갖도록 하겠습니다.
그러면 오늘 여기서 마치도록 하겠습니다.
저는 인사드리고 물러가도록 하겠습니다.
인사할 시간만 있습니다.
항성의 우주 속으로의 항성이었습니다.
감사합니다.
안녕
그러면 이제 안 하고 넘어갈 수 없죠?
우리 장홍재 교수님한테
한 번 전화를 해보도록 하겠습니다.
전화 타임
장홍재 교수님 여기 계신다면서 왜 안 받아요?
여보세요?
목소리가 왜 그러십니까?
지금 알파폴드가 받아서
내일 국장 알파로 시작하는 거 뭐 살지 찾고 있었어요.
아니 왜 여기서 그런 말을 하시나요?
이런 선관위 있어야 돈을 벌 수 있는 거야.
나중에 문자로 부탁드립니다.
이것과 관련돼서 제가 알기로는
장홍재 교수님이 전문 분야는 아니고
혹시 추천해 주실 만한 분 계실까요?
부산대학교의 최정모 교수님이라는 분이
이쪽 분야 전문이에요.
살아있는 연금술사기도 하고
그건 또 뭐죠?
원래 학위가 과학사를 석사 때 하고 해가지고
저처럼 야매로 막 자극적인 것만 하는 게 아니라
하지만 우린 자극적인 걸 원해.
알파폴드 이쪽은 그분이
알겠습니다.
제가 그러면 연락처 한번 공유해 주시면
제가 지금 바로 한번 연락드려보도록 하겠습니다.
최정모 교수님
한번 전화를 걸어보도록 하겠습니다.
네.
네 안녕하세요.
저는 안될 과학의 항성이라고 합니다.
부산대학교 최정모 교수님 맞으십니까?
네 안녕하십니까.
아 네 안녕하십니다.
장홍재 교수님께 말씀드려가지고
그 사이에 또 밑작업을 해주셨군요.
다음 주 중에 최대한 빨리
저희와 함께 알파폴드와 관련돼서
저희 같이 할 수 있을까요?
네 그렇게 하시죠.
아 네 너무 감사합니다.
잘 부탁드리겠습니다.
네 초청해 주셔서 감사합니다.
섭외했습니다.
