2024 노벨 화학상 해설 2부! AI와 딥러닝으로 단백질 구조를 어떻게 예측해내나? 로제타와 알파폴드의 놀라운 능력은?!(부산대학교 최정모 교수)

안될과학 Unrealscience
147 팔로워
2024 노벨 화학상 수상자의 연구 해설!
데이빗 베이커, 드미스 하사비스, 존 점퍼
과연 이 세명이 단백질 구조 연구에 기여한 바는?!
AI의 활용으로 단백질 구조를 어떻게 연구할 수 있는지!
그 누구보다 재미있고 명쾌하게 알아보는 노벨 화학상 해설!
부산대학교 최정모 교수님과 함께 알아봅니다
◆ 2024 신상 굿즈 블록 피규어 키링 + 포스터 출시
모어사이언스 스토어에서 만나볼 수 있습니다!
https://smartstore.naver.com/morescience
#노벨상 #노벨화학상 #로제타 #알파폴드 #최정모교수
◆ Thanks to
Editor: 이재현
Studio: 서울스트리밍스테이션
Guest: 부산대학교 최정모 교수
◆ 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]
베이커 선생님의 업적, 단백질 구조 예측도 하셨고
아주 정확하진 않지만 그 정도 정확도를 가지고도
설계를 할 수 있다는 것을 보여주셨습니다.
그러던 어느날, 다음 올림픽 캐스프 14에서요.
2020년에 베이커 선생님이 저기 있어요. 2등입니다.
점수가 높을수록 잘 맞춘 거예요.
더블스코어 이상으로 이긴 1등이 보이시죠?
저게 바로 알파폴드2입니다.
인사할 시간도 많습니다. 여러분의 시간을 낭비해드릴
느리지만 쿨한 과학
랩 미팅입니다. 반갑습니다, 교수님들.
제가 베이커 연구실에 갈 뻔했습니다.
제가 졸업을 하고 포닥 자리를 알아보고 있던 시절에
베이커 선생님 연구실에 지원을 했는데
선생님이 한번 와서 면접을 보겠느냐
제가 동부에서 공부를 했는데 서부까지 비행기를 타고 날아갔죠.
가서 떨어졌어요.
하고 싶은 얘기는 제가 가서 그곳을
하루지만 본 얘기를 해드리면
그 당시에 연구실에 80명이 있었습니다.
대학원생 40명, 포닥 40명이 있고
거의 공장이죠.
그러니 네이처 사이언스를 찍어내지 약간 이런 생각이 드는데
더욱 놀라운 건 뭐냐면
모두가 각자의 프로젝트가 있어요.
근데 베이커 선생님은 그 친구들이 뭐 하는지 다 알겠어요.
이 사람은 이 세상의 사람이 아니에요.
더욱 놀라운 거는 이 한 사람 한 사람이
설계를 하고 구조 예측을 하는 것에서 끝나는 게 아니고
실험을 통해서 검증까지 해야 됩니다.
이 프로젝트는 네 거야.
네가 처음부터 끝까지 다 키워.
근데 그러니까 8년, 9년, 10년씩 포장을 하는 거예요.
그래서 좀 슬픈 게
그러다 보니 8, 9, 10년을 있어도 성과가 안 나오면
왜냐면 프로젝트라는 게 항상 성공하는 게 아니에요.
실패하면 그냥 다른 일을 찾아보는 분들도 있고
성공하면 네이처 사이언스급이 나가니까
그래서 제가 딴 데 가서는 자존심 세우느라고
8, 9년 걸린다 그랬는데 내가 안 갔어.
이렇게 얘기를 하지만
사실 베이커 선생님도 제가 별로 맘에 안 드셨던 모양이에요.
일부러 연락이 없으시더라고요.
제가 노벨 화학상 받으신 분과 대화를 해봤습니다.
그래서 15분이지만 잠깐 얘기를 하고
지금은 더 커졌다고 들었습니다.
120명이라고 들었습니다.
그게 되는구나.
또 하나 대단한 게 뭐냐면
취미생활이 실험이에요.
그래서 제가 애들이랑 얘기를 해봤더니
애들이 자기가 이렇게 옆에서 단백질 만들고 있으면
옆에서 앉아서
교수님이 실험을 하고 있다는 거예요.
제가 그 실험실에 있었으면 어땠을까라는
저는 박사도 해봤으니까 생각해봤는데
몹시 힘들었을 것 같아요.
저는 못 견뎠을 것 같아요.
아무나 하는 건 아니에요.
연구실 사람들이 숨 막힐 것 같다고
그렇지는 않을걸요?
거기가 굉장히 자유로운 분위기예요.
그게 강박적으로 관리가 되면
절대 그 인원으로 꾸려질 수가 없어요.
그래서 이 제자들은 무슨 프로그램을 쓸까요?
각자의 교수가 된 다음에
로제타를 계속 개발하는 데 참여를 하는 거예요.
로제타 커먼스라는 커뮤니티가 있습니다.
그래서 졸업을 하든지 아니면 랩을 떠나고 나서도
계속 연결을 해서 주기적으로 모여요.
자기들끼리 컨퍼런스도 하고
이런 게 마피아입니다.
이거 비슷하게 하시는 분을 제가 알거든요.
우리나라에
김재경 교수님이라고
카이스트에 몇 번 나오셨던 분인데
그분 연구실이 비슷해요.
수적으로는 훨씬 작은데
모두가 정말 학부생부터
각각의 프로젝트들이 있어요.
근데 김재경 교수님은 다 알고 계세요.
그거를 다 컨트롤하고 계세요.
영감을 받으셨나?
지금까지 들려드린 것만으로도
베이커 선생님의 업적
단백질 구조 예측도 하셨고
아주 정확하진 않지만
그 정도 정확도를 가지고도
설계를 할 수 있다는 걸 보여주셨습니다.
그러던 어느 날
다음 올림픽
캐스프 14에서요.
2020년에
베이커 선생님이 저기 있어요.
2등입니다.
점수가 높을수록 잘 맞춘 거예요.
더블스코어 이상으로 이긴 1등이 보이시죠?
저게 바로 알파폴드2입니다.
분야에 있는 사람들이 진짜 충격을 받았어요.
왜냐면
제가 베이커 선생님을 엄청 띄우는 이유가 있습니다.
인간계 큰형이거든요.
그분이 더블스코어로 깨졌어요.
그래서 충격이 진짜 어마어마했습니다.
알파폴드2의 논문입니다.
캐스프 14를
압도적인 점수 차이로 우승을 하고
그 다음에 여름에 이걸 발표를 했는데요.
1저자가 존 점퍼
그리고 마지막 저자가
데미스 허사비스라고 해서
4분의 1씩 노벨상을 받으신
그분들이 이거를 가져가셨고요.
하나 또 역시 비하인드 스토리가 있는데
2020년에 캐스프를 이겼다고 했잖아요.
사람들이 비법을 알고 싶은 거예요.
원래 대여가 끝나면
비법 소스를 공유를 하는 자리가 있습니다.
근데 비법 소스를 만드는
재료만 가르쳐주고 예를 들면
몇 시간을 가열해야 되는지
이런 디테일을 안 알려준 거예요.
그림 하나 띡 보여주고는
자 요렇게 요렇게 하시면 됩니다.
머신러닝을 적절히 섞으면 됩니다.
그래가지고
그 자리에 베이커 선생님이 앉아있었는데
얼마나 자존심이 상했겠어요.
나중에 백민경 교수님께 들은 얘기인데
백민경 교수님한테
아이디어를 잘 저어가가지고
한번 우리가 만들어보자 이렇게 하셨대요.
백민경 교수님이 만들었는데
형편없는 결과가 나오더라는 거예요.
비법 소스를 안 가르쳐준 거예요.
근데 이놈들이 논문은 안 쓰고
계속 이러니까 사람들이
이걸로 돈 벌려는 거야?
이러고 있었는데
7월에 이제 논문이 발표됐죠.
얘네들도
아 논문으로 쓸게 논문으로 쓸게 이랬는데
뭐 항성님 잘 아시겠지만
과학계에서는 쓸게 해놓고
안 쓰는 사람 많잖아요.
과학계에는
안 써도 되는 사람들이 있어요.
상업적 목적으로 하면서
쓰면 오히려 역효과가 나는 경우가 있어요.
여기는 업체에서 나온 사람들이기 때문에
자기 상품이 잘 팔리면 되는데
대박을 쳤단 말이에요.
비법 소스가 뭐였냐
여러 가지가 있는데요.
머신러닝이라는 건
기본적으로 데이터를 받아서
컴퓨터가 학습을 해가지고
그걸 가지고 어떤 일을 하는
그것을 머신러닝이라고 하잖아요.
사람들이 그동안
머신러닝을 쓰려는 시도를
이미 오래전부터 했습니다.
70, 80년대에 이미
머신러닝을 쓰려는
그런 연구들이 있었어요.
그게 데이터가 많아지고
컴퓨팅 파워가 좋아지면서
이제 딥러닝이 빛을 보는 거거든요.
구슬끼리 어떻게 밀치고
당기는 걸 하는 사람들도 있었지만
어떤 사람들은
컴퓨터가 공부할 수 있다면
돌려보자 하고 했던 사람들이 있어요.
그 사람들의 패착이 뭐였냐면
구조만 가지고 돌렸다는 겁니다.
구조 데이터를 지금까지 쌓아놓은 걸
모아봐야 안 많거든요.
몇 십만 개 안 돼요.
근데 이 사람들이 주목한 건 뭐냐면
서열은 훨씬 많이 우리가 풀려있다.
서열 정보까지 써보자.
서열을 이렇게 쭉 봤는데
구슬이 바뀌면 성질이 바뀐다고 해서
근데 서열을
인간이 가지고 있는 어떤 단백질
원숭이 가지고 있는 단백질
말이 가지고 있는 단백질
똑같은 일을 하는 단백질들인데
그리고 조상이 같은 단백질인데
서열이 조금씩 달라요.
걔들을 싹 비교를 해봤더니
구슬이 하나씩 바뀌는 데도 있지만
두 개가 쌍으로만 바뀌는 애들이 있어요.
그래서 이게 왜 그런가고 봤더니
얘네들이 공간적으로 가까이 있으면
얘가 뾱 길어지면
여기가 쑥 들어가야 되는 거예요.
구슬 모양이 바뀌면 쌍으로 바뀌어야 되는 거예요.
가까이 있는 애들은
그러면 둘이 같이 동시에 바뀔 확률이 높은 애들은
공간적으로 가까이 있겠구나.
라는 추론을 할 수가 있어요.
이 아이디어도 이미 90년대에 나오는 아이디었는데
두 개를 섞은 겁니다.
그래서 우리가 서열을 가지고서
우리 구슬 순서에 대한 데이터는 엄청 많으니까
걔들이 동시에 바뀌는 애들이
누가 있는지 찾은 다음에
그 놈들이 가까이 있는 애들일 거라고 가정을 하고
모델을 만들고 그걸 가지고
구조 데이터베이스로 트레이닝을 하는 거예요.
두 개를 다 써서 했더니
정확도가 어마무시하더라고요.
이게 기본적인 알파폴드의 원리가 되겠고
그래서 이분들이 그 논문만 쓰고 끝난 게 아니라
서열을 다 우리가 알고 있다고 했잖아요.
그거를 어마어마한 컴퓨터 자원을 써서
다 구조를 예측을 했어요.
그리고 이거를 공짜로 풀었죠.
전 세계의 연구자 누구든 와서 쓰시오.
그전까지는 정확도가 너무 낮아서
이런 걸 만들어 줘봤자
실험하는 사람들이 줘도 안 써.
근데 95%?
이런 식으로 맞추기 시작했거든요.
오차가 거의 실험오차 수준으로 맞춰져요.
실제로 측정을 한 데이터나
알파폴드2를 사용해서 예측을 한 거나
둘 다 비슷한 수준으로 정확한 결과를 준다면
안 쓸 이유가 없는 거예요.
그래서 이게 처음 나왔을 때
2021년에는 사람들이 좀 안 믿었어요.
근데 너도 나도 해보니
맞더라 이건 못하겠지 하고
어려운 문제를 내서 예측을 시킨 다음에
했더니 또 맞아요.
논문을 쓸 때 저도 느끼는 건데
단백질이 이런 식으로 움직이기 때문에
이런 식의 기능을 할 것이다.
그렇게 쓰면 계산을 통해서
예측을 한 구조를 가지고 그런 얘기를 하면
구조기 실험으로 풀어서 와.
이렇게 항상 요구를 했거든요.
근데 지금 알파폴드2로 해서 내도
오케이인 거예요.
네이처 사이언스급의 전월들도
이제 다 인정을
지금까지 인간이 50년 넘게
모아온 게 23만 개인데
알파폴드는 지금
서열만 가지고 예측한 구조가 2억 개 이상
인간 몸 안에 있는 단백질들은 다 들어있어요.
그래서 알파폴드2가
세상을 바꿨다라고 할 수 있고
그 일에 책임자를 하신 분이
스미스 화사비스
이분은 사실 인공지능 전문가입니다.
그래서 이분의 커리어를 말씀드리면
딥마인드라고 하는 회사를
2010년에 설립을 했고요.
원래는 인공지능으로
게임 만드는 일을 하셨었어요.
딥마인드 설립하기 전에
석사까지 하고 나서
이제 그렇게 게임 회사 같은 데서 일을 하시다가
박살을 내겠다 하고는
인지심리학
사람의 머리 안에 심리학을
과학적으로 연구하는
그런 데 들어가셔서
공부를 하셨습니다.
그때도 좋은 논문도 쓰셨다고 들었어요.
그러다가
야! AI가 세상을 바꿀 거야.
그러고 딥마인드를 2010년에 설립을 하셨고
이 가치를 알아본 구글이
2014년에 딥마인드를 사들이죠.
그리고 이 딥마인드가
2016년 3월에
알파고를 발표를 해서
이세돌 구단과 접전을 벌였고요.
나중에 알파고 제로라는 것이 나왔는데
그쯤 가면 이제
인간은 대적할 수 없다.
근데 웃기는 게
거기까지만 해놓고는
접었어요.
얘네들이
가둑 프로그램을 개발하는 건
약간 도장깨기가 돼서
깰 게 없다.
근데 웃기는 게
뒷이야기를 제가 들은 게
그거를 사람들이
AI를 가지고서
얘를 이길 수 있는 방법이 없냐는
연구를 또 한 거예요.
인간이라면 안 둘 수를
요렇게 요렇게 요렇게 두면
제가
맛이 가서 이상한 짓을 하더라.
뭐 이제 그런
얘기들이 뒷이야기가 있더라고요.
근데 재밌는 게
왜 갑자기 이 사람이
가둑 프로그램을 하다 말고
단백질 접힘을 했지?
이게 궁금했거든요.
하사비스 선생님이
2022년에 인터뷰를 한
글이 있더라고요.
학부 공부를 할 때
친구 중에
단백질 덕후가 있었대요.
이 덕후가
자기를 만날 때마다
단백질 접힘 문제를 풀면
인류가 바뀐다.
그리고
자기가 포닥을 하던 시절에
폴드잇이 나왔대요.
그래서 자기가 이 게임을 하면서
이거
바둑이랑 비슷한데?
라는 생각을 했다는 거예요.
이게 다 연결되는 겁니다. 여러분.
점수가 올라가는 게 중요하고
바둑에서는 집을 내는 게 중요하죠.
어떤 측정 가능한 점수가 있고
그거를
아까 최적화 문제라는
유조화시키는 거죠.
그 아이디어로
이분이 이제
이세돌
구단을 이기고 나서
아자황이라고 그때
알파고의 앞잡이라고
우리가 불렀던
친알파 계시잖아요.
그 박사님한테 그랬댑니다.
이제 때가 왔다.
원래부터 이분이
진짜 풀고 싶었던 문제는
단백질 접힘이었던 거죠.
근데
바둑은
연습 경기였는데
이걸로
바둑판을 뒤집어 놓고는
자
이제 본게임 들어가볼까?
그러고 나서
바로
이제 알파폴드 개발팀을 꾸립니다.
그래서
그때는 이름을
A7D라고 하는
가명을 쓰고
발전을 했고
1등을 했습니다.
근데
보세요. 점수가
별로 많이 안 나죠?
그래서
인상적이긴 했으나
약간 찻잔 속의 태풍이었어요.
이게 알파폴드
원이에요.
투가 중요해서 그렇습니다.
이때는
화사비스 선생님이
자 알파폴드 팀 꾸려!
하고는 이제 몇 명
모아가지고 이제
깨작깨작 약간
했는데
가능성이 좀 있어 보이는데?
본격적으로 한번 해볼까?
하고 이제
알파폴드2 개발을
시작을 하신 거죠.
그래서 이제 여기
이제 오늘의 주인공
존 점퍼
1985년생이고요.
저와 동갑입니다.
만 서른아홉 살이시고요.
제가 굉장한 자괴감에
지금 빠져있는데
저 친구 노벨상을 탔는데
나는 무엇을 하는 것인가
70년 만에 최연속
이런 식으로 표현을 하더라고요.
이분은
그 앞에 보여드렸던
화사비스 선생님이나
베이커 선생님같이
자기가 책임자 자리에
오르지 않았고
나이가 아직 젊기 때문에
좀 재미있는 게 있는 게요.
어떤 분들이 설명을 하실 때
알파폴드는
AI가 다 했다.
그러니
이제는 AI 전문가들이
일을 해야 된다.
물리 화학하는 사람들이
50년 동안 했는데
못 푼 문제를
인공지능 하는 사람이
4년 만에 풀었어.
인공지능이 다 풀어.
이런 식으로 이제 설명을 하시더라고요.
근데 저는
50년에 이제
물리 화학하는 사람이
쌓아놓은 게 있었으니까
했다라는 게
중요하다고 생각을 하고요.
화사비스 박사님
혼자만으로는
당연히 못 만들었을 거라고 생각을 합니다.
그래서 이분도 이제
히스토리를 보면
이분이 2007년에서 8년 동안
물리학 석사
존 점퍼 박사님이 하셨고요.
근데 이때 원래 이분은
고체물리학을 하셨다고 해요.
근데
재미없음.
노잼이다.
하고는 때려치시고는
디이쇼 리서치라고 하는 데를 가십니다.
여기는
뉴욕에 있는
민영연구기관입니다.
국가기관이거나
학교가 아니고
기업도 아니에요.
근데 웃긴 게
이게 뭐냐면
디이쇼라는 사람 이름을 따서
만든 연구소인데요.
이 디이쇼라는 사람이 누구냐면
원래 이분은
단백질
이런 문제에 관심이 있고
근데
돈이 안 된다는 것을 알고
이걸 때려치고는
월스트리트로 진출하셨습니다.
거기서
어마어마한
해치 펀딩을 하셔가지고
어마어마한 불을 이루신
자기가 회사를 세워요.
단백질에 대한
나의 마음속에 열정은 있다 그래서
자기 돈을 들여서
연구소를 세웠습니다.
그러고는
돈은 우리가 다 드립니다.
걱정하지 마세요.
우리가 해드릴게요.
하고는
디이쇼 연구소라는 것을
이제 만들었고요.
이 연구소가 대단한 게
여기에 이제
단백질 전문가들만 모으는 게 아니고
컴퓨터 전문가
전자공학 전문가
이런 사람들을 모아가지고
하드웨어도
단백질 계산을 하는데
최적화되는 것을 만들고
프로그램도
단백질 계산을 하는데
최적화되는 것을 만들어요.
거기에서 이제 3년
거기서 이제 일을 하시고는
좀 더 깊게 공부를 해보고 싶다.
그래서
박사를 받으러
시카고 대학교에 가셔서
소스닉이라고 하는
또 저희 분야의 유명한 분 밑에서
계산생물학으로 박사를 했습니다.
그리고 이제 17년에
딥마인드에
고용이 돼가지고
알파폴드에도
팀에도 있었고
트위에도 이제
참여를 하셨고요.
보시면은
도메인 지식은
그렇죠.
그 외에도
이 분야의 전문가들이
많이 참여한 팀이었기 때문에
이게 AI만으로 이루어진 것은
아니다.
그렇죠.
라는 것을
강조를 한 번 다시 한 번 드리고
네.
자 그래서
알파폴드2가 나온 지도
벌써
시간이
지났습니다.
논문 기준으로는 3년이 지났고
대회 기준은 4년이 지났는데요.
자 일단 알파폴드2가 나왔을 때
아까 제가 베이커 선생님의
반응 말씀드렸지만
충격과 공포였죠.
그러다가 이제
그걸 따라잡기 위해서
거기는 이제 그럴 만한
자원이 되는 곳이니까
지금은 서울대학교
생명과학부에 계시는
백민경 교수님이
그 연구실에 포닥으로 있었는데
개발에 박차를 가합니다.
베이커 그룹에서
바로
단백질 구조 예측하는
로제타폴드라는 것을 만듭니다.
알파폴드는
네이처에 나갔고요.
로제타폴드는 사이언스에 나갔습니다.
로제타폴드가 좀 더 잘하는 게 있고
알파폴드가 좀 더 잘하는 게 있습니다.
그래서 이제 그
두 가지 툴을
지금 연구자들이 다
활용을 하고 있고요.
자 그리고 베이커 그룹이 이제
깨달았죠.
머신러닝이
대박이구나.
이걸 가지고 우리가
많은 일을 할 수 있겠다.
야! 머신러닝
하고는 이제
많은 사람들이 이제
머신러닝을 달고 프로젝트를 합니다.
전 세계에서 똑똑한 사람들을 모아서
이제 그걸 하니까
새로운 툴을 또 만들게 됐죠.
이건 2023년에 나온
RF 디퓨전이라고 하는
단백질 프로그램인데요.
생성형
머신러닝이 나옵니다.
이걸로 여러분들이 이제
채취 PT
이런 거 이제 하실 때 쓰는
기반이 되는
그런 머신러닝 모델로 알고 있는데요.
지금 보시면 밑에 있는 분자가
목표 분자예요.
얘는 우리가 구조를 알아요.
여기 달라붙는 애를 만들어줘.
라고 하면
만들어주는 거죠.
그래서 이거를
베이커 그룹에서
2023년에 발표를 했습니다.
알파폴드 팀은
알파폴드 팀대로
또 계속했겠죠.
알파폴드 3
3가 나왔습니다.
2024년 5월에
그리고 여기 보시면
제일 뒷자리에
존 점퍼 박사님
그 앞자리에
드미스 하사비스
그리고 또 하나
오픈 AI에서도 질 수 없다.
채취 PT 만드는 회사죠.
그래서 늦게 얘네들이
이제 전쟁에 뛰어듭니다.
2024년 9월 9일에
발표됐습니다.
차이원이라는 것을 발표를 했고
심지어 자기들의 보도자료를 보면
알파폴드 3보다 우리가 잘하는데
이제 이렇게 얘기를 합니다.
그럼 여기 와서
잘하는 게 뭐지라는 생각을 해볼 수 있습니다.
알파폴드 2는 이미 잘했으니까
2는 뭐가 필요했냐면
데이터베이스가 있었어야 됐어요.
구조데이터베이스
서열 데이터베이스를
참고를 해서 학습을 한 다음에
그걸 가지고서
다른 예측들을 해나가는 구조였죠.
근데 답이 없는 애들이 있습니다.
서열을 아니면
단백질이 아닐 수 있죠.
예를 들어서 대표적인 게
핵산
DNA나 RNA 같은 애들이
몸 안에서 사용이 되는 분자들이잖아요.
걔들도 단백질이랑 많이 붙거든요.
근데 얘네들은
구조를 풀어내는 게
되게 어렵습니다.
단백질만 있는 거에 비해서
훨씬 어려워서
수가 훨씬 적어요.
구조를 풀어내는 게
DNA나 RNA가 혼자 있는 경우
더 풀기 어렵습니다.
우리가 잘 알고 있는
이중 나선 구조는
정확히 공식이 있습니다.
걔는 우리가 정확히 아는데
이중이 아니라
단일 가닥으로 있을 때는
얘가 구조를 만들 수 있는데
그 구조를 풀어내는 것도 어렵고
개수도 그래서 몇 개 없습니다.
그럼 이런 구조들을 어떻게 예측해?
이런 문제가 발생할 수가 있죠.
그리고
약으로 쓰려면
이런 단백질, DNA, RNA처럼
일정한 단위체가 계속
반복적으로 있는 애들만 있는 게 아니고
그냥 조그만 분자
그냥 화학물
이런 애들이 있단 말이에요.
얘들은
야, 시퀀스가 없는데?
얘들은 어떻게 만들어서 넣지?
이런 고민들이 생기는 거죠.
그거를
방금 얘기가 나왔던
디퓨전 모델을 사용해서
알파폴드3도 풀고
차이원도 그걸 푼다.
생성을 해낼 수 있으니까
생성을 해놓고
채점을 할 수가 있는 거죠.
이게 말이 되는 구존이 아니냐.
지금 사람들이 기대하는 게
병리 의학적인 연구에
이 알파폴드3
그리고 경쟁사들
차이원이라든지
아니면 로제타폴드라든지
이런 데들이 다 같이
이제 일을 할 수 있을 것이다.
라고 생각을 하고
중소기업들도 지금 많이
하고 있습니다.
스타트업들도 많이 생기고
경쟁은 많이 생기면 좋은 거죠.
소비자 입장에서는
되게 좋은 겁니다.
보이자는 손 깨서
다 일을 해서
좋은 걸 만들어주실 거기 때문에
그렇죠.
시장 경제에 맡기는 것이죠.
인사할 시간도 많습니다.
여러분의 시간을
낭비해드릴
느리지만 쿨한 과학
랩 미팅이었습니다.
감사합니다 교수님들.
감사합니다.
