/AI Chasm Catalyst
서울대 석차옥 교수팀을 비롯한 국내 연구진은 뛰어난 AI 기술력으로 세계 무대를 노리고 있으며, 이를 뒷받침할 고성능 GPU 확보가 절실한 상황을 삼프로TV에 출연하여 역설하였습니다.
1. 신약 개발, 왜 이렇게 어려웠을까요? (feat. 단백질의 비밀)
우리 몸의 세포는 정교한 시계처럼 수많은 부품, 즉 단백질로 이루어져 있습니다. 단백질이 정상적으로 작동하지 않으면 여러 질병이 발생합니다.
그런데 단백질은 너무 작아서 육안으로 확인하기 어렵고, 심지어 스스로 모양을 바꾸는 매우 유연한 부품이기도 합니다.
기존에 단백질의 3차원 구조를 파악하려면 X-선 결정학, 핵자기공명(NMR) 분광법, 전자현미경 등 복잡하고 시간이 많이 소요되는 실험이 필요했습니다.
이는 박사 과정 학생의 논문 주제로도 손색없을 만큼 어려운 작업이며, 마치 수많은 퍼즐 조각을 맞추는 것에 비유됩니다.
이러한 어려움 때문에 신약 개발은 수십 년 동안 많은 시간과 비용이 소모되며 난항을 겪어왔습니다. 실제로 신약 개발에 평균 10년 이상, 수천억 원에 달하는 비용이 들어가는 경우가 많습니다.
2. AI, 단백질의 ‘설계도’를 읽다: 알파폴드의 등장
구글 딥마인드가 개발한 AI ‘알파폴드’가 단백질 구조 예측 분야에 혁신을 일으켰습니다. 알파폴드는 단백질의 기본 정보인 아미노산 서열만으로도 해당 단백질이 어떤 3차원 구조를 가질지 매우 정확하게 예측할 수 있습니다.
이는 마치 설계도만 보고 완벽한 건물을 설계하는 건축가 AI가 등장한 것과 같습니다.
알파폴드 덕분에 실험실에서 시간을 들여 직접 단백질 구조를 확인하는 과정을 컴퓨터 시뮬레이션으로 대체할 수 있게 되었습니다.
이 혁신은 신약 개발 기간을 10년 이상에서 1년 내외로 대폭 단축할 가능성을 열어줍니다.
알파폴드는 2021년 노벨 화학상 수상자의 연구를 바탕으로 등장했고, 현재 구글과 여러 제약사에서 알파폴드 기술을 활용해 실제 신약 후보 물질을 개발, 임상 단계에 진입하는 사례가 늘고 있습니다.
3. AI, ‘맞춤형 약’을 디자인하다: 생성형 AI의 힘
단백질 구조 예측을 넘어 AI는 신약 후보 물질까지 직접 설계하는 능력을 갖추고 있습니다.
예를 들어, 암세포 표면 특이 단백질에 정확히 결합하는 항체 치료제를 개발할 때 AI는 암세포의 ‘표지판’ 역할을 하는 단백질 구조를 분석해, 거기에 딱 맞는 ‘열쇠’인 항체 단백질을 설계합니다.
전통적인 신약 개발 방식에서는 수많은 후보 물질을 실험하고 테스트하는 데 많은 시간과 비용이 들었으나, AI 설계 기술 덕분에 처음부터 부작용은 줄이고 치료 효과는 높일 수 있는 ‘정밀 타겟팅’ 약물을 신속하게 개발할 수 있게 되었습니다.
이로 인해 신약 개발 성공률이 높아지고, 늦게 발견되던 희귀 질환 치료제 개발에도 큰 전기가 마련되고 있습니다.
4. 과학 AI, 언어 AI와는 다르다!
우리가 주로 접하는 챗GPT 같은 언어 AI는 인터넷에 넘쳐나는 텍스트 데이터를 학습해 언어를 이해하고 생성합니다.
이에 반해 ‘과학 AI’는 자연 현상의 규칙과 원리를 학습합니다. 마치 건축사가 수많은 설계도와 실제 건물을 보며 건축 원리를 익히는 것과 유사합니다.
과학 분야는 데이터가 제한적입니다. 단백질 구조 데이터는 대략 20만 개 정도에 불과해 텍스트 데이터 수십억 문장에 비해 매우 적습니다.
때문에 과학 AI는 넘쳐나는 데이터보다는 인류가 수백 년간 쌓아올린 과학 지식과 연구 결과를 AI에 체계적으로 가르치는 것이 중요합니다.
즉, 과학 AI는 뛰어난 과학자의 통찰력과 지식을 AI 모델 설계에 녹여내는 능력이 핵심이며, 단순히 양적 데이터에 의존하는 언어 AI 모델과는 근본적으로 다릅니다.
5. 한국 과학 AI의 현재와 미래: GPU 확보가 필수!
서울대학교 석차옥 교수팀은 구글의 알파폴드와 비견될 만큼 세계 수준의 단백질 설계 AI 기술을 보유하고 있습니다. 실제로 공개된 구글 기술보다 더 뛰어날 가능성도 연구를 통해 제기되고 있습니다.
이 연구를 활성화하고 상용화하기 위해서는 고성능 병렬 처리 장치인 GPU 확보가 필수입니다. GPU는 AI 연산 속도를 크게 좌우하기 때문에, 뛰어난 연구자도 적절한 GPU가 없으면 아이디어 실현에 한계가 있습니다.
석 교수는 ‘갤럭스’라는 AI 기반 신약 개발 스타트업을 창업하여 실제 신약 후보 물질을 개발 중이며, 더 많은 GPU가 확보되면 보다 혁신적인 연구와 신약 개발 성과가 가능할 것이라고 말합니다.
한국 과학 AI는 앞으로 신약 개발을 넘어서 신소재 개발, 환경 과학 등 다양한 분야에서 글로벌 혁신을 주도할 것으로 기대됩니다.
요약
• 단백질은 신약 개발의 핵심이지만 구조 분석이 매우 어렵고 시간·비용이 많이 듬
• AI 알파폴드가 단백질 3D 구조 예측을 혁신하며 신약 개발 속도와 성공률을 크게 높임
• AI는 단백질 구조를 넘어 맞춤형 약물 설계도 가능해 부작용 줄이고 효과 높임
• 과학 AI는 언어 AI와 달리 한정된 데이터 내에서 과학 원리를 학습하는 방식으로 발전
• 한국 석차옥 교수팀 등 우수 연구진이 있으나 연구 활성화를 위한 고성능 컴퓨팅 자원(GPU) 확보가 시급함
AI가 단백질의 3차원 구조 예측과 맞춤형 약물 설계 분야에 혁신을 일으키면서 신약 개발의 속도와 성공률이 획기적으로 향상되고 있습니다.
구글 알파폴드와 같은 선도적인 기술뿐만 아니라, 국내 서울대 석차옥 교수팀의 세계적 수준 연구도 GPU 확보라는 과제를 해결하며 글로벌 경쟁력을 갖추어가고 있어, 한국 과학 AI가 신약 개발을 넘어 다양한 산업 분야에서 혁신을 이끌 미래가 기대됩니다.