노벨 화학상: 컴퓨테이셔널 단백질 설계 및 단백질 구조 예측

 (nobelprize.org)
1P by GN⁺ | ★ favorite | 댓글 1개
  • 2024년 노벨 화학상은 생명의 화학 도구인 단백질을 컴퓨터로 설계하고 구조를 예측한 성과에 수여됨
  • 상금의 절반은 University of Washington 및 Howard Hughes Medical Institute의 David Baker에게, 나머지 절반은 Google DeepMind의 Demis Hassabis와 John Jumper에게 공동 배분됨
  • Baker는 2003년 기존 단백질과 다른 새 단백질을 설계했고, 이후 의약품·백신·나노소재·소형 센서에 쓰일 수 있는 단백질 제작으로 확장함
  • Hassabis와 Jumper는 2020년 AlphaFold2를 공개해 아미노산 서열에서 단백질의 3차원 구조를 예측하는 50년 된 난제에 돌파구를 만듦
  • AlphaFold2는 거의 모든 2억 개 단백질 구조 예측에 쓰였고, 190개국 200만 명 이상이 활용하며 항생제 내성과 플라스틱 분해 효소 연구에 영향을 줌

2024년 노벨 화학상의 수상 대상

  • 스웨덴 왕립과학원은 단백질의 구조 예측과 설계를 다룬 세 연구자에게 2024년 노벨 화학상을 수여하기로 결정함
    • David Baker: “컴퓨테이셔널 단백질 설계” 공로로 상금의 절반을 수상
    • Demis Hassabis와 John Jumper: “단백질 구조 예측” 공로로 나머지 절반을 공동 수상
  • 세 수상자는 새로운 단백질을 만들거나 복잡한 구조를 예측하는 방식으로 단백질 연구의 핵심 문제를 다룸
  • 단백질은 생명의 기반이 되는 화학 반응을 제어하고 구동하며, 호르몬·신호 물질·항체·조직 구성 요소로도 작동함
  • Heiner Linke 노벨 화학위원회 위원장은 한 발견을 “장관을 이루는 단백질의 구축”, 다른 발견을 아미노산 서열에서 단백질 구조를 예측하는 “50년 된 꿈”의 실현으로 설명함

단백질 설계와 AlphaFold2의 성과

  • 단백질은 일반적으로 생명의 구성 요소로 볼 수 있는 20가지 아미노산으로 이루어짐
  • David Baker는 2003년 이 구성 요소를 사용해 기존에 알려진 어떤 단백질과도 다른 새 단백질을 설계하는 데 성공함
    • 이후 그의 연구그룹은 의약품, 백신, 나노소재, 소형 센서에 쓰일 수 있는 단백질을 포함해 여러 단백질 창작물을 만들어 옴
  • 단백질 구조 예측은 아미노산이 긴 사슬로 연결된 뒤 접혀 만들어지는 3차원 구조를 예측하는 문제임
    • 이 3차원 구조는 단백질 기능에 결정적임
    • 연구자들은 1970년대부터 아미노산 서열로 단백질 구조를 예측하려 했지만, 오랫동안 매우 어려운 문제로 남아 있었음
  • Demis Hassabis와 John Jumper는 2020년 AlphaFold2라는 AI 모델을 공개함
    • AlphaFold2를 통해 연구자들이 확인한 거의 모든 2억 개 단백질의 구조를 예측할 수 있었음
    • 공개 이후 190개국 200만 명 이상이 AlphaFold2를 사용함
    • 활용 사례에는 항생제 내성 이해와 플라스틱을 분해할 수 있는 효소 이미지 생성이 포함됨
  • 노벨상 상금은 1,100만 스웨덴 크로나이며, 절반은 David Baker에게, 나머지 절반은 Demis Hassabis와 John Jumper에게 공동 배분됨
  • 읽어볼 자료

함께 보면 좋은 글 β

GN⁺   [-]
Hacker News 의견들

  • 여기서 AlphaFold에 노벨상을 주기엔 이르다는 댓글들과는 대체로 생각이 다름
    바이오테크 학계에 있는데 이미 많은 것을 바꿔 놓았고, 단백질 접힘 문제가 “해결”된 건 아니지만 생물학에서 어떤 문제도 완전히 해결되지는 않음
    CRISPR, 촉각 수용체, 양자점, 클릭 화학 같은 이전 생물·화학 노벨상과 비교해도 AlphaFold의 영향력은 이미 충분한 수준에 도달했다고 봄

    • 딥러닝 모델이 생물정보학에서 유효한 접근이라는 것도 입증했음
      AlphaFold에는 결함과 한계가 있지만, 일반 하드웨어에서 임의의 단백질 구조를 몇 분 안에 풀어내는 반면 이전 접근은 이런 식이었음: https://en.wikipedia.org/wiki/Folding@home
      생물학 연구와 생물공학 사이의 간극은, 생물공학에서는 가능한 해답 공간의 크기와 그것을 좁히는 데 드는 시간·자원이 제품 개발 비용의 핵심 동인이라는 데 있음
      결국 느리게 맞는 답을 얻는 것보다 빠르고 싸게 대충 맞는 답을 얻는 쪽이 더 가치 있을 때가 많음
    • 동의함. 영향의 방향이 너무 많아 다 열거하기 어렵지만, 가장 즉각적인 영향 중 하나는 단백질 결정학에서의 사용이었음
      AlphaFold2 이후 많은 예비 결정학자들이 진로를 재편했고, 나머지도 결정학의 위상 문제를 풀기 위한 분자 치환에 이를 쓰기 시작함
      AF2 모델 덕분에 AF2 공개 몇 년 전에 측정해 둔 데이터로 새로운 결정 구조를 해석할 수 있었음
    • 이르지 않다고 보는 이유가 두 가지 있음
      첫째, AlphaFold가 2018년 CASP에서 처음 우승한 지 이미 6년이 지났고, 이는 CRISPR의 2012년 첫 논문부터 2020년 노벨상까지 걸린 8년과 크게 다르지 않음
      둘째, AlphaFold는 상의 절반일 뿐이고, 나머지 절반은 1990년대부터 이어진 David Baker의 Rosetta와 RoseTTAFold 작업에 돌아감
    • 동의함. 바이오테크 쪽이 아닌 사람들에게 단백질 접힘은 오랫동안 성배였고, AlphaFold는 엄청난 도약을 의미함
      컴퓨터과학에서 NP를 P로 줄이는 방법을 찾는 것과 비슷하며, 완전한 해결이 아니더라도 그런 도약은 매우 큼
    • CRISPR는 널리 쓰이고 이를 기반으로 승인된 치료법도 있으며, 양자점을 쓰는 TV는 실제로 살 수 있고 클릭 화학도 생체접합 같은 응용이 많음
      하지만 AlphaFold에서는 아직 그런 수준의 영향은 보지 못했다고 봄
      많은 제약사와 신약 설계 스타트업이 이 방법들을 적용하려 하지만, 최종적으로 어떤 영향을 낼지는 아직 판단이 이르다고 생각함

  • David Baker가 명단에 있을 줄은 예상하지 못했고, Demis와 John만 있을 거라 생각했지만 정말 반가움. David는 훌륭한 사람임
    2000년쯤 격년 단백질 구조 예측 대회인 CASP에서 David와 앉아, 결국 기계학습이 구조 예측에서 인간을 대체할 것이라고 말한 적이 있음
    당시 Rosetta는 이미 선도적인 구조 예측·설계 도구였지만 임시로 손코딩한 특징과 최적화기가 잔뜩 들어 있었음
    그는 웃으며 의심스럽다고 했고, Rosetta 모델을 더 새로운 PDB 구조로 갱신할 때마다 예측이 더 나빠진다고 말했음
    다만 노벨위원회는 단백질 구조 예측을 말하면서 “단백질 접힘”이라고 부르는 일을 그만해야 함

    • CASP 대회용 모델과 도구들은 해답 공간을 빙하처럼 느리게 돌아다니다가 국소 최솟값에 갇히는 사례였음
      Rosetta에 대해서는 말하기 어렵지만, 내 연구실 동료들의 도구도 Baker 연구실 바로 뒤에 자주 순위를 올릴 만큼 꽤 성공적이었고, 가장 성공한 모델에 물리적으로 불가능하거나 특이한 항들이 들어가는 문제에 시달렸음
      예를 들어 매우 성공적인 접힘 모델 하나는 소수성 상호작용과 일부 정전기 상호작용의 부호가 뒤집혀 있었음
      물리적으로는 말이 안 됐지만 경쟁 모델보다 예측이 좋아서, CASP 순위가 잘 나오다 보니 벗어나기 어려웠음
    • Baker의 초기 작업, 정확히는 AlphaFold보다 앞선 작업은 배경지식 없는 사람들에게 접힘을 풀게 하면서 휴리스틱 방법이 물리적 힘장과 ab initio/DFT 방법보다 구조 예측에서 더 나을 가능성이 높다는 기반을 깔았음
      인공지능 구조 예측도 결국 휴리스틱 단백질 접힘이라고 볼 수 있음
    • David Baker는 반드시 포함돼야 했음. 단백질 설계 작업만으로도 획기적이었고, 언젠가 받을 사람이라고 봐 왔음
      받을지 말지가 아니라 언제 받느냐의 문제였음

  • Demis Hassabis는 노벨상 수상자로서는 정말 흥미롭고 특이한 이력을 가졌음 https://en.wikipedia.org/wiki/Demis_Hassabis
    그는 인공지능 게임 프로그래밍으로 커리어를 시작했고, Bullfrog에서 Populous II, Syndicate, Theme Park 등에 참여했으며 이후 Lionhead Studios에서 Black & White를 작업한 뒤 신경과학 박사를 하고 창업가가 되어 DeepMind를 시작했음
    이런 영향력 있는 연구를 하려면 더 이상 반드시 대학 교수가 아니어도 된다는 점에서 상쾌하고 드문 노벨상 선택이라고 봄

    • 원래 전공과 무관한 분야에서, 대학을 떠나 산업계에서 몇 년 일한 뒤 박사를 하는 사람들 이야기는 늘 흥미로움
      Hassabis는 컴퓨터과학 학부를 마치고 게임 스튜디오에서 10년간 일한 뒤, 어떻게든 대학에 가서 신경과학 박사를 하겠다고 한 셈임
      미국에서 내가 비슷하게 공학 석사를 받고 항공우주 엔지니어로 15년 일한 뒤 물리학 박사를 하겠다고 하면 곧바로 꺼지라는 말을 듣거나, GRE를 다시 보고 새 학부나 잘해 봐야 대학원 과정부터 등록하라는 답을 들을 것 같음
      곧장 박사로 들어가는 방식은 들어본 적이 없음
    • 그가 Black & White에 참여했다는 건 몰랐음
      Black & White는 2001년 기준으로 정말 시대를 앞서 있었고, 플레이어가 신처럼 행동하는 방식에 따라 무리 단위 NPC 시뮬레이션을 훨씬 잘 구현했음
    • 13살에 체스 IM 2300 레이팅이었다는 것도 빼먹으면 안 됨
    • 1999년쯤 독일 GameStar 잡지에서 그가 Bullfrog에서의 초기 작업을 이야기한 인터뷰를 읽었던 기억이 뚜렷함
      이후 연구 쪽으로 옮겨 가는 동안 그의 이름을 가끔씩 봤고, 정말 놀라운 커리어임

  • 어제 물리학상에는 회의적이지만, 이번 상은 완전히 합당하고 정확하다고 봄
    이 세 사람의 작업만큼 신약 개발과 화학 전반을 가속할 접근은 많지 않음. 축하할 일임

    • 그런 접근 중 하나를 만든 사람으로서 회의적임
      AlphaFold 2는 단백질 구조를 예측할 뿐임. 단백질은 서로 관련된 경우가 많고, 자연 발생 단백질 구조를 예측하려 한다면 알려진 3차원 구조 데이터셋 안에 관련 단백질이 있을 가능성이 큼
      이는 기계학습에 훨씬 쉬운 문제이고, 거칠게 말하면 시험 세트로 학습하는 셈임
      하지만 AlphaFold 3가 겨냥하는 신약 설계에서는 실제로 새로운 입력에서도 잘해야 하며, 완전히 다른 사용 사례임
      더 자세한 내용은 여기 있음: https://olegtrott.substack.com/p/are-alphafolds-new-results-...
    • Hinton이 물리학상을 받은 걸 보고 AlphaFold2 사람들에게 노벨상을 언제 줄까 궁금했음
      세 명 모두 이 상을 받을 자격이 있다는 데 100% 동의함
      Baker 연구실은 지금 사실상 DeepMind를 견제하며 오픈소스 연구가 따라가도록 보장하고 있음. 경의를 표함
    • 신약 발굴 업계에 있는 입장에서, 이런 “진보”가 실패하는 것을 많이 봐서 회의적임
      컴퓨터 지원 신약 설계가 처음 나왔을 때와 그 뒤 여러 “양자 도약”을 기억함. 유용하긴 했지만 가장 중요한 경우에서 자주 실패했음
      신약은 보통 우리가 거의 모르는 공간에서 개발되므로, 인공지능이 학습할 만한 유용한 데이터가 없음
      계산과학자가 “이 변화 하나만 넣으면 결합이 1000배 좋아집니다”라고 말하는 걸 듣고, 3주 들여 만들어 봤더니 실제로는 더 나쁘게 결합하는 것만큼 허탈한 일도 없음
    • Rosetta와 DeepMind는 단백질 구조 예측 밖에서도 신약 발굴에 훨씬 더 중요한 기여를 했음
    • 받을 만한 상임. 다만 개인이 아니라 팀에게 수여했어야 한다는 점만 아쉬움
      실무 기여를 한 Oriol도 포함됐어야 했음

  • AlphaFold를 여기에 넣은 건 이르다고 생각하고, 시간이 지나면 좋게 보이지 않을 수도 있음
    AlphaFold는 인상적인 성과지만 “단백질 접힘의 코드를 풀었다”고 하기는 어렵고, 예측의 약 3분의 1은 불확실성이 커서 쓰기 어렵고, 동역학에 대해서는 말해 주지 않으며, 드문 구조에서 실패하는 기계학습 특유의 문제도 있음
    게다가 위상적 제약을 무시하기 때문에 많은 예측이 틀린다는 사실을 알고 놀랐음 https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10672856/
    이는 AlphaFold 자체에 대한 건설적 비판이고, 불만은 노벨위원회를 향한 것임
    “단백질 접힘의 코드를 풀었다”는 말은 사실이 아니며, 높은 정확도의 기계학습 접근이지만 일반화 실패나 R^3 위상 같은 더 깊은 원리를 확률적으로 파악하지 못하는 한계를 그대로 가짐
    더 중요하게는 생화학 연구에서 아직 특히 큰 영향을 냈다고 보기 어렵고, 결과도 면밀히 감사된 적이 별로 없음
    언젠가는 상을 받을 만한 것으로 드러날 수 있지만 위원회는 기다렸어야 함. Google 홍보 캠페인, 더 넓게는 어제 상까지 보면 빅테크 홍보에 휘둘린 것 아닌가 우려됨

    • 5년 뒤 돌아보면 STEM 분야의 Kissinger/Obama식 사례로 보일 것 같음
      유행을 따라잡아야 한다는 압력 속에서 너무 성급하게 준 상임
    • AlphaFold는 구조 예측에서 CRISPR가 유전자 편집에서 한 것과 비슷하다고 봄
      CRISPR도 유전자 편집을 해결한 건 아니지만, 넓은 생화학·생물학 연구자들이 접근해 쓸 수 있게 만들었음
      둘 다 비슷한 영향력을 냈고 분야를 크게 바꿨음
    • 이 문제가 AlphaFold2에도 있는 건지, 아니면 원래 AlphaFold에만 있는 건지 궁금함

  • 물리학상도 인공지능, 화학상도 인공지능이라니. 다음은 ChatGPT가 노벨문학상을 받는 건가?
    농담은 제쳐 두고, 화학상은 물리학상보다 훨씬 더 말이 되는 것 같음

    • ChatGPT가 노벨문학상을 받는 것도 충분히 가능하다고 봄. 지금 버전이나 다음 버전은 아니더라도 언젠가는 가능할 수 있음
      특히 "The Wife"의 전제처럼 대리인을 통해서라면 더 그럴 수 있고, 익명 창작자인 Banksy 같은 선례도 이미 있음

  • AlphaFold는 유용한 도구지만 물리화학 관점에서는 만족스럽지 않음
    접힘 메커니즘에 대한 통찰을 거의 주지 않고, 산업 응용을 위한 새로운 단백질 설계나 막관통 단백질, 극한미생물 단백질 예측에서는 가치가 매우 제한적임
    따라서 전이상태와 중간체의 접힘 속도론 같은 것은 이런 통계 모델로는 여전히 제대로 이해하기 어렵고, 단백질계를 지배하는 정전기 상호작용, 용매화 효과, 엔트로피 기반 입체구조 변화 같은 물리 법칙을 명시적으로 포함하지 않기 때문임
    특히 환경 효과가 무시됨. 물 분자, 이온, 온도가 단백질의 입체구조 안정성에 직접 영향을 주는 원래의 용매 환경을 모델링하지 않음
    이는 고염, 고온 같은 조건에서 안정적인 촉매 활성을 가진 새로운 단백질을 설계할 때 치명적임
    노벨상과 관련해서는, 20년 전에도 이 분야에서는 단일 인물이나 소규모 그룹이 아인슈타인식 순간으로 “단백질 접힘을 해결”할 일은 없다고 이미 이해하고 있었음. 너무 복잡하기 때문임
    이 상은 의문스럽고 관련 주체들의 마케팅은 상당히 오해를 불러왔음. 최악의 예 중 하나는 여기 있음: https://www.scientificamerican.com/article/one-of-the-bigges...
    단백질 접힘이 해결됐다는 주장이 실제로는 왜 맞지 않는지 더 신중하게 설명한 글은 "The power and pitfalls of AlphaFold2 for structure prediction beyond rigid globular proteins" (June 2024)임
    https://www.nature.com/articles/s41589-024-01638-w

    • 접힘 메커니즘은 인간의 마음으로 이해하기 거의 불가능할 가능성이 큼

  • 과학은 밀려나고 블랙박스 예측이 들어온 것처럼 보임. 다시 주전원 시대가 온 것 같음
    현실주의자 여러분, 1500년 뒤에 다시 봅시다

    • 잘 모르겠음. 극저온 전자현미경이 분자 형태를 알아내는 도구이듯, 이것도 분자 모양을 파악하려는 도구임
      내 생각에는 과학의 끝은 아님
    • 과학에는 인간의 마음으로는 절대 이해할 수 없지만 대형 신경망은 다룰 수 있는 복잡한 것들이 있음
    • 행성 운동 법칙이 그렇게 단순하게 드러난 건 엄청난 행운이었음
      단백질 접힘도 거대한 블랙박스 모델 없이 우아한 설명으로 줄어들 수 있다고 볼 이유는 없음
    • 과학은 가설을 검증하는 방법론일 뿐임
      결과가 경험적으로 검토되는 한, 그 결과를 어떻게 얻었는지는 중요하지 않음

  • 어제 물리학상은 꽤 이상했지만, 이번 건 전혀 문제없음
    이러면 Transformer 저자들이 언젠가 노벨문학상을 받을 가능성도 생긴 건가? 어제 전보다 훨씬 그럴듯해 보임

답변달기