알파폴드
1. 개요
알파폴드는 인공지능(AI) 기술을 활용하여 단백질의 3차원 구조를 예측하는 프로그램으로, 단백질의 생물학적 기능 연구에 기여한다. 딥마인드가 개발했으며, 2018년과 2020년 단백질 구조 예측 국제 대회인 CASP에서 우승했다. AlphaFold는 2018년과 2020년 버전을 거쳐 2024년 AlphaFold 3가 발표되었으며, DNA, RNA, 리간드 등을 포함한 단백질 복합체의 구조 예측으로 활용 범위를 넓혔다. 알파폴드는 코로나19 바이러스 단백질 구조 예측에 활용되었으며, 단백질 복합체 모델링, 무질서한 단백질 영역 예측 등 일부 한계를 가지고 있다. 알파폴드 단백질 구조 데이터베이스를 통해 전 세계 단백질 구조 정보를 제공하고 있다.
| 유형 | 인공지능 프로그램 |
|---|---|
| 개발사 | 딥마인드 |
| 분야 | 단백질 구조 예측 |
| 해결 과제 | 단백질 접힘 문제 50년 된 생물학의 '거대한 과제' 해결 |
| 기술 | 기계 학습 |
| 목표 | 단백질 구조 예측 정확도 향상 템플릿 구조 검색 필요성 감소 |
| 발표 시점 | 2020년 11월 30일 |
| 주요 기능 | 새로운 단백질 구조 예측 기존 단백질 구조 개선 |
| 의미 | 생물학의 중요한 난제 해결에 기여 |
| 영향 | 신약 개발 가속화 질병 연구 발전 과학적 발견 촉진 |
| 참고 자료 | 딥마인드 알파폴드 소개 MIT 테크놀로지 리뷰 기사 CNBC 기사 네이처 기사 모하메드 알쿠라이시 블로그 |
| 상태 | 2021년 6월 18일 기준 |
| 알고리즘 | 심층 신경망 |
|---|---|
| 학습 데이터 | 수많은 단백질 서열 및 구조 정보 데이터베이스 활용 |
| 기존 방식 비교 | 이전 방법보다 월등한 성능 단백질 구조 예측 정확도 대폭 향상 |
| 과학계 반응 | 획기적인 기술 발전 단백질 구조 예측 분야의 혁신 모든 것을 바꿀 것 자식이 집을 떠난 것 같은 느낌 |
|---|---|
| CASP 평가 | 단백질 구조 예측 대회에서 뛰어난 성능 입증 |
| 논문 발표 | 네이처에 논문 게재 |
| 활용 분야 | 신약 개발 질병 연구 바이오 기술 생명 과학 연구 효소 디자인 |
|---|
| 관련 연구 | 단백질 구조 연구 가속화 |
|---|---|
| 파생 프로그램 | AlphaFold2 |
-
딥마인드 -
알파고
알파고는 구글 딥마인드가 개발한 인공지능 바둑 프로그램으로, 심층 신경망과 몬테카를로 트리 탐색 알고리즘을 결합하여 자가 학습을 통해 인간을 뛰어넘는 바둑 실력을 달성하며 인공지능 기술 발전과 사회적 영향에 대한 논의를 촉발했다. -
딥마인드 -
구글 딥마인드
구글 딥마인드가 개발한 스타크래프트 II 인공지능 알파스타는 프로게이머를 상대로 뛰어난 실력을 입증했으며, 딥마인드는 이를 인공 일반 지능 개발을 위한 시도로 간주한다. -
분자 모델링 소프트웨어 -
Folding@home
Folding@home은 단백질 폴딩 연구를 위해 전 세계 컴퓨터 자원을 활용하여 알츠하이머병, 헌팅턴병 등 질병 연구에 기여하는 분산 컴퓨팅 프로젝트이다. -
분자 모델링 소프트웨어 -
파이몰
파이몰은 단백질 및 거대 분자의 3차원 구조를 시각화하는 데 사용되는 분자 시각화 시스템이며, 델라노 사이언티픽에서 개발하여 슈뢰딩거가 인수했으며, 현재 BSD와 유사한 라이선스 하에 소스 코드를 제공한다. -
생물정보학 소프트웨어 -
Rosetta@home
Rosetta@home은 분산 컴퓨팅 플랫폼 BOINC를 활용하여 단백질 구조 예측 연구를 수행하며, 신약 개발 및 질병 연구에 기여하는 것을 목표로 한다. -
생물정보학 소프트웨어 -
Clustal
Clustal은 데스몬드 히긴스가 개발한 생물정보학 소프트웨어 패키지로, 다중 서열 정렬을 위해 널리 사용되며 ClustalW, ClustalX, Clustal Omega 등 다양한 버전으로 발전해 왔지만, 서열 간 진화적 거리가 멀어질수록 정확도가 떨어진다.
2. 역사적 배경
단백질은 아미노산 사슬로 구성되며, 자발적으로 접혀 단백질의 3차원(3-D) 구조를 형성한다. 3차원 구조는 단백질의 생물학적 기능을 이해하는 데 매우 중요하다.
단백질 구조는 X선 결정학, 극저온 전자 현미경 및 핵자기 공명과 같은 기술을 통해 실험적으로 결정할 수 있으며, 이러한 방법들은 모두 비용이 많이 들고 시간이 오래 걸린다. 지난 60년 동안 실험적 방법을 사용한 이러한 노력을 통해 약 17만 개의 단백질 구조가 밝혀졌지만, 모든 생명체에는 2억 개가 넘는 단백질이 알려져 있다.
수년 동안 연구자들은 아미노산 서열로부터 단백질의 3차원 구조를 예측하기 위해 수많은 계산 방법을 적용해 왔으며, 이러한 방법들의 정확도는 분자 진화를 기반으로 한 상동성 모델링을 사용하여 최상의 시나리오에서 실험 기술(NMR)에 근접한다. 1994년에 과학계에 최고의 단백질 구조 예측을 제시하도록 과제를 제시하기 위해 시작된 CASP는 2016년까지 가장 어려운 단백질에 대해 약 100개 중 40개의 GDT 점수만 달성할 수 있음을 발견했다.
3. 알고리즘
알파폴드는 심층 학습, 특히 어텐션 네트워크 기법을 기반으로 작동한다. 딥마인드는 단백질 데이터 은행(Protein Data Bank)에 공개된 17만 개 이상의 단백질 서열 및 구조 데이터를 이용하여 알파폴드를 훈련시켰다. 이 프로그램은 더 큰 문제의 일부를 식별한 다음 이를 조합하여 전체적인 해결책을 얻는 데 초점을 맞춘다. 전체 훈련은 100~200개의 GPU를 사용하여 수 주 동안 진행되었으며, 이후 구조별로 수렴하는 데는 수 일이 걸렸다.
3.1. AlphaFold 1 (2018)
AlphaFold 1(2018)은 2010년대 여러 연구팀의 연구를 바탕으로 개발되었다. 이 연구는 다양한 유기체의 방대한 DNA 서열 데이터베이스를 활용하여, 주쇄에서 연속적이지 않더라도 상관관계가 있는 잔기 변화를 찾고자 했다. 이러한 상관관계는 잔기들이 물리적으로 가까이 있을 가능성을 시사하며, 단백질 접촉 지도 추정을 가능하게 한다.
AlphaFold 1은 잔기 간 거리의 확률 분포를 추정하고, 이를 바탕으로 접촉 지도를 거리 지도로 변환했다. 또한, 이전보다 발전된 학습 방법을 사용하여 추론 모델을 개발했다. 이 확률 분포와 계산된 배치의 국소적 자유 에너지를 결합하여, 경사 하강법을 통해 최적의 해를 도출했다.
Torrisi 등은 AlphaFold 1의 접근 방식을 다음과 같이 요약했다.
> AlphaFold의 핵심은 64×64×128 차원의 표현을 처리하는 220개의 잔차 블록(residual blocks)을 가진 매우 깊은 잔차 신경망으로 구현된 거리 지도 예측기이다. 이는 두 개의 64개 아미노산 조각으로부터 계산된 입력 특징에 대응한다. 각 잔차 블록은 3×3 확장 합성곱 층을 포함하는 세 개의 층을 가지며, 블록은 1, 2, 4, 8 값의 확장을 반복한다. 모델은 총 2100만 개의 파라미터를 가지고 있다. 이 네트워크는 진화적 프로파일이나 공진화 특징(co-evolution features)을 포함한 1차원 및 2차원 입력을 조합하여 사용한다. 거리의 매우 세밀한 히스토그램 형태의 거리 지도와 함께, AlphaFold는 초기 예측 3D 구조를 생성하는 데 사용되는 각 잔기의 Φ와 Ψ 각도를 예측한다. AlphaFold의 저자들은 모델의 깊이, 큰 크롭 크기, 약 29,000개의 단백질로 구성된 대규모 학습 데이터셋, 최신 심층 학습 기술, 그리고 예측된 거리 히스토그램으로부터 얻어지는 풍부한 정보가 AlphaFold가 높은 접촉 지도 예측 정확도를 달성하는 데 기여했다고 결론짓고 있다.
딥마인드 팀에 따르면, 2020년 버전(AlphaFold 2, 2020)은 2018년 CASP13에서 수상한 원본 버전(AlphaFold 1)과 크게 다르다고 한다.
AlphaFold 1은 패턴 인식에서 유도된 가이드 잠재력과 물리학 기반 에너지 잠재력을 결합한 접근 방식을 사용했지만, 주쇄를 따라 멀리 떨어진 잔기 간 상호 작용을 과도하게 고려하는 경향이 있었다. 그 결과 AlphaFold 1은 현실보다 약간 이차 구조(α-헬릭스와 β-시트)가 많은 모델을 선호하는 경향이 있었다(과적합의 한 형태).
3.2. AlphaFold 2 (2020)
AlphaFold 2는 2020년에 공개된 딥마인드의 단백질 구조 예측 프로그램으로, 이전 버전인 AlphaFold 1에 비해 획기적인 성능 향상을 이루었다. AlphaFold 2는 'Evoformer'라는 새로운 모듈을 도입하여 다중 서열 정렬 정보를 더욱 효과적으로 처리한다. 'Structure Module'은 Evoformer의 출력을 바탕으로 단백질의 3차원 좌표를 직접 예측한다. 종단간(end-to-end) 학습 방식을 통해 전체 모델을 최적화하여 예측 정확도를 크게 향상시켰다.
AlphaFold 2의 핵심 구성 요소는 다음과 같다:
* Evoformer: 다중 서열 정렬(MSA) 정보를 처리하고 정제하는 모듈이다. 아미노산 잔기 간의 관계와 아미노산 서열 간의 관계를 나타내는 정보를 반복적으로 업데이트하며, 어텐션 메커니즘을 통해 중요한 정보를 추출한다.
* Structure Module: Evoformer의 출력 정보를 바탕으로 단백질의 3차원 구조를 예측하는 모듈이다. 이 모듈 역시 변환기 구조를 기반으로 하며, 반복적인 과정을 통해 구조 예측의 정확도를 높인다.
AlphaFold 2는 단백질 데이터 은행(Protein Data Bank)에 공개된 17만 개 이상의 단백질 구조 데이터를 이용하여 훈련되었다. 훈련에는 100~200개의 GPU가 사용되었으며, "수 주"의 훈련 시간과 "수 일"의 구조 수렴 시간이 소요되었다.
AlphaFold 2의 작동 방식은 마치 퍼즐을 맞추는 과정과 유사하다. 먼저 아미노산 클러스터(작은 덩어리)를 연결하고, 그 덩어리들을 결합하여 더 큰 전체 구조를 찾아가는 방식이다.
AlphaFold 2는 단백질-단백질 상호작용 예측에도 활용될 수 있도록 업데이트되었다(AlphaFold-Multimer). 딥마인드는 이 업데이트를 통해 단백질 상호작용 예측에서 약 70%의 성공률을 달성했다고 밝혔다.
AlphaFold 2의 알고리즘 및 구현 코드는 2021년 7월 Nature지에 발표되었으며, GitHub에 공개되었다.
3.3. AlphaFold 3 (2024)
AlphaFold 3는 2024년 5월 8일 발표되었으며, (Google DeepMind)와 알파벳의 자회사인 아이소모픽 랩스(Isomorphic Labs)가 공동 개발했다. AlphaFold 3는 단일 사슬 단백질뿐만 아니라 DNA, RNA, 번역 후 변형, 선택된 리간드 및 이온을 포함한 단백질 복합체의 구조도 예측할 수 있다.
AlphaFold 3는 트랜스포머에서 영감을 받은 심층 학습 아키텍처인 "Pairformer"를 도입했다. 이는 AlphaFold 2에서 도입된 Evoformer와 유사하지만 더 간단한 것으로 여겨진다. Pairformer 모듈의 원시 예측은 확산 모델로 전달되며, 이 모델은 원자 구름으로 시작하여 이러한 예측을 사용하여 분자 구조의 3D 묘사를 향해 반복적으로 진행한다.
AlphaFold 서버는 비상업적 연구를 위해 AlphaFold 3에 대한 무료 접근을 제공하기 위해 만들어졌다.
4. CASP 대회
단백질 구조 예측 정밀 평가(CASP)는 단백질 구조 예측 분야에서 가장 권위 있는 대회로, 1994년부터 2년마다 개최되고 있다. 전 세계 연구자들이 참여하여 단백질 3차원 구조 예측 기술의 정확도를 평가하고 경쟁한다. 딥마인드의 알파폴드는 CASP 대회에서 괄목할 만한 성과를 거두며 단백질 구조 예측 분야에 혁명을 일으켰다. 알파폴드는 2018년 CASP13 대회에서 처음으로 1위를 차지했으며, 2020년 CASP14 대회에서는 이전과는 비교할 수 없을 정도로 월등한 성능을 보여주었다.
4.1. CASP13 (2018)
2018년 12월, 딥마인드의 알파폴드(AlphaFold)는 제13회 단백질 구조 예측 기술의 비판적 평가(CASP13) 종합 순위에서 1위를 차지했다.
이 프로그램은 특히 대회 주최측이 가장 어렵다고 평가한 표적(템플릿 구조를 사용할 수 없는 단백질)에 대해 가장 정확한 구조를 예측하는 데 성공했다. 알파폴드는 이러한 종류의 43개 단백질 표적 중 25개에 대해 최상의 예측 결과를 제시했다. 전역 거리 검정(GDT) 점수에서 중간값 58.9를 기록하며, 딥러닝을 사용하여 접촉 거리를 추정한 다음으로 좋은 성적을 거둔 두 팀(각각 52.5 및 52.4점)을 앞섰다. 모든 표적에 대한 종합 GDT 점수는 68.5였다.
2020년 1월, 알파폴드 1의 구현 및 예시 코드가 깃허브(GitHub)에 오픈소스로 공개되었다. 하지만, 깃허브 웹사이트의 "README" 파일에 따르면, "이 코드는 임의의 단백질 서열의 구조를 예측하는 데 사용할 수 없습니다. CASP13 데이터셋에 대해서만 구조를 예측하는 데 사용할 수 있습니다. 특징 생성 코드는 당사의 내부 인프라와 외부 도구에 밀접하게 연결되어 있으므로 오픈소스로 공개할 수 없습니다."라고 명시되어 있다. 따라서 기탁된 코드는 일반적인 용도에는 적합하지 않고 CASP13 단백질에만 적합하다. 2021년 3월 5일 기준으로, 딥마인드는 코드를 공개할 계획을 발표하지 않았다.
4.2. CASP14 (2020)
2020년 11월, 딥마인드의 알파폴드 2(AlphaFold 2)는 CASP14에서 우승했다. 알파폴드 2는 97개의 표적 중 88개에 대해 최상의 예측을 수행했다.
대회에서 선호하는 전역 거리 검정(GDT) 정확도 측정 기준에서 알파폴드 2는 100점 만점에 중간값 92.4점을 달성했다. 이는 예측의 절반 이상이 원자들이 거의 정확한 위치에 있어 92.4% 이상의 점수를 받았다는 것을 의미한다. 이러한 정확도는 X선 결정학과 같은 실험 기법과 비슷한 수준이다. 2018년 알파폴드 1(AlphaFold 1)은 모든 예측 중 두 개의 예측에서만 이러한 수준의 정확도에 도달했다. 2020년 대회의 예측 중 88%가 80 이상의 GDT_TS 점수를 기록했으며, 가장 어려운 것으로 분류된 표적 그룹에서 알파폴드 2는 중간값 87점을 달성했다.
단백질 주 골격 사슬의 알파 탄소 원자의 위치에 대한 평균 제곱근 편차(RMS-D)로 측정했을 때, 알파폴드 2 예측의 88%는 겹쳐진 C-알파 원자 집합에 대해 4Å 미만의 RMS 편차를 보였다. 이는 가장 잘 맞지 않는 이상치의 성능에 의해 지배되는 경향이 있다. 예측의 76%가 3Å보다 우수한 성능을 보였고, 46%는 2Å보다 우수한 C-알파 원자 RMS 정확도를 보였다. 겹쳐진 CA 원자 집합에 대한 예측의 중간 RMS 편차는 2.1Å였다. 알파폴드 2는 표면 측쇄 모델링에서도 매우 뛰어난 정확도를 달성했다.
알파폴드 2를 추가로 검증하기 위해, 회의 주최 측은 네 개의 주요 실험 그룹에 접근하여 특히 어려움을 겪고 있고 결정할 수 없었던 구조를 제공받았다. 네 가지 경우 모두 알파폴드 2가 생성한 3차원 모델은 분자 치환을 통해 이러한 단백질의 구조를 결정할 수 있을 만큼 충분히 정확했다. 여기에는 실험가들이 10년 동안 연구해 온 작은 막 단백질인 표적 T1100(Af1503)이 포함되었다.
알파폴드 2가 예측에 가장 성공하지 못한 세 가지 구조 중 두 가지는 단백질 NMR 방법으로 얻어진 것으로, 수용액에서 단백질 구조를 직접 정의한다. 반면 알파폴드는 주로 결정 내 단백질 구조를 기반으로 훈련되었다. 세 번째 구조는 자연에서 동일한 도메인의 52개 동일 복사본으로 구성된 다중 도메인 복합체로 존재하며, 알파폴드는 이를 고려하도록 프로그래밍되지 않았다. 매우 큰 단백질 하나와 NMR로 결정된 두 개의 구조를 제외하고, 단일 도메인을 가진 모든 표적에 대해 알파폴드 2는 80 이상의 GDT_TS 점수를 달성했다.
5. 응용
알파폴드는 신약 개발, 질병 메커니즘 연구, 단백질 디자인 등 다양한 분야에 활용될 수 있다. 특히, 실험적으로 구조를 밝히기 어려운 막 단백질, 본질적으로 무질서한 단백질 등의 구조 예측에 유용하다.
구성 아미노산 서열을 기반으로 단백질 구조를 정확하게 예측하는 능력은 첨단 신약 개발 가속화 및 질병에 대한 이해 증진을 포함하여 생명 과학 분야에 다양한 이점을 가져올 것으로 예상된다.
알파폴드는 COVID-19의 원인균인 SARS-CoV-2의 단백질 구조를 예측하는 데 사용되었다. 특히, AlphaFold 2의 ORF3a 단백질 구조 예측은 캘리포니아 대학교 버클리캠퍼스 연구원들이 극저온 전자 현미경을 사용하여 결정한 구조와 매우 유사했다. 이 특정 단백질은 바이러스가 복제된 후 숙주 세포에서 탈출하는 것을 돕는 것으로 여겨진다. 이 단백질은 또한 감염에 대한 염증 반응을 유발하는 데 역할을 하는 것으로 생각된다.
6. 한계
AlphaFold는 다음과 같은 여러 한계점을 가지고 있다.
* AlphaFold DB는 생물학적으로 관련된 복합체가 아닌 단량체 단백질 모델을 제공한다.
* 많은 단백질 영역, 특히 본질적으로 무질서한 단백질 영역은 낮은 신뢰도 점수로 예측된다.
* AlphaFold-2는 돌연변이의 구조적 효과를 예측하는 데 제한적인 성공을 거두었다.
* 이 모델은 유사한 단백질에 걸쳐 공진화 정보에 어느 정도 의존하므로, 합성 단백질이나 데이터베이스에 매우 낮은 상동성을 가진 단백질에는 성능이 좋지 않을 수 있다.
* 이 모델이 단백질의 여러 네이티브 형태를 생성하는 능력은 제한적이다.
* AlphaFold 3 버전은 선택된 매우 제한적인 세트의 보조인자와 공- 및 번역 후 변형을 포함하여 단백질 복합체의 구조를 예측할 수 있다. 인간 프로테옴 구조의 50%에서 70%는 공유 결합된 글리칸이 없으면 불완전하다. 파생 데이터베이스인 AlphaFill은 적절한 경우 AlphaFold 모델에 보조인자를 추가한다.
* 알고리즘에서 잔기는 어떠한 제약 없이 자유롭게 이동한다. 따라서 모델링 중에 사슬의 무결성이 유지되지 않는다. 결과적으로 AlphaFold는 임의의 수의 매듭이 있는 구조와 같이 위상적으로 잘못된 결과를 생성할 수 있다.
7. AlphaFold 데이터베이스
알파폴드 단백질 구조 데이터베이스는 2021년 7월 22일, 알파폴드와 EMBL-EBI의 공동 노력으로 출시되었다. 출시 당시 이 데이터베이스에는 인간과 20가지 모델 유기체의 거의 모든 UniProt 프로티옴에 대한 모델이 포함되어 있었으며, 그 수는 365,000개가 넘었다. 이 데이터베이스에는 아미노산 잔기가 16개 미만이거나 2700개를 초과하는 단백질은 포함되지 않았다. 다만, 인간의 경우 전체 일괄 처리 파일에 포함되어 있다. 알파폴드는 초기 목표(2022년 초 기준)로 1억 개가 넘는 단백질의 UniRef90 집합 대부분을 포함하도록 데이터베이스에 더 많은 서열을 추가할 계획이었다. 2022년 5월 15일 기준으로 992,316개의 예측이 가능했다.
2021년 7월, UniProt-KB와 InterPro는 가능한 경우 알파폴드 예측을 보여주도록 업데이트되었다.
2022년 7월 28일, 연구팀은 100만 종의 약 2억 개 단백질 구조를 데이터베이스에 업로드하여 지구상의 거의 모든 알려진 단백질을 포함하게 되었다.
8. 한국의 관점 및 기여
알파폴드는 한국 과학자들이 한국인에게 흔한 질병 관련 단백질 연구에 활용하고 있다. 특히 위암, 간암과 같이 한국인에게 발병률이 높은 질병과 관련된 단백질 구조를 예측하고 분석하는 데 알파폴드가 사용되고 있다.
한국생명공학연구원(KRIBB)과 같은 연구 기관들은 알파폴드를 활용한 연구 인프라를 구축하고 전문 인력을 양성하는 데 힘쓰고 있다. 알파폴드의 발전은 한국의 바이오 산업 경쟁력을 강화하는 데 기여할 것으로 기대된다.
9. 윤리적 고려 사항
알파폴드와 같은 인공지능 기반 기술의 발전은 생명과학 연구에 큰 도움을 줄 수 있지만, 동시에 윤리적인 문제도 제기한다. 예를 들어, 유전자 편집 기술과 결합될 경우 예측하지 못한 결과를 초래할 수 있다는 우려가 있다. 따라서 이러한 기술의 개발과 활용에는 신중한 접근이 필요하며, 사회적 합의를 바탕으로 한 규제 방안 마련이 요구된다.