AI가 5억년의 진화를 시뮬레이션하다 – 새로운 단백질을 창조하다!

진화는 수십억 년 동안 분자 수준에서 생명을 미세하게 조정해 왔다. 단백질은 생명의 기본적인 구성 요소로서, 감염과 싸우거나 음식을 소화하는 다양한 생물학적 기능을 수행하기 위해 이 과정에서 진화해 왔다. 이러한 복잡한 분子は 정교한 서열로 배열된 아미노산의 긴 사슬로 구성되며, 그 구조와 기능을 결정한다. 자연은 놀라운 다양性的 단백질을 생산했지만, 그 구조를 이해하고 완전히 새로운 단백질을 설계하는 것은 오랜 시간 동안 과학자들에게 복잡한 도전이었다.

최근의 인공 지능의 발전은 생물학의 가장 중요한 도전 중 일부를 해결하는 우리의 능력을変換하고 있다. 이전에 인공 지능은 주어진 단백질 서열이 어떻게折り畳み되고 행동할지를 예측하는 데 사용되었다 – 이는 구성의 방대한 수로 인해 복잡한 도전이었다. 최근에 인공 지능은 전례 없는 규모로 완전히 새로운 단백질을 생성하는 데 발전했다. 이 里程碑는 EvolutionaryScale에서 설계한 다중 모드 생성 언어 모델인 ESM3와 함께 달성되었다. 전통적인 인공 지능 시스템과 달리 텍스트 처리를 위해 설계된 ESM3는 단백질 서열, 구조, 및 기능을 이해하는 데 훈련되었다. 정말로 놀라운 것은 5억년의 진화를 시뮬레이션하는 능력이다 – 이는 자연에서เคย 본 적 없는 완전히 새로운 형광 단백질을 생성하는 데 이어졌다.

이번 돌파구는 생물학을 더 프로그래밍 가능하게 만드는 중요한 단계이며, 의학, 재료 과학, 및 그 너머의 응용 프로그램을 위한 맞춤형 단백질을 설계하는 새로운 가능성을 열어준다. 이 기사에서 우리는 ESM3가 어떻게 작동하는지, 무엇을 성취했는지, 그리고 왜 이 발전이 생물학 및 진화에 대한 우리의 이해를 다시 정의하는지 탐구한다.

ESM3를 만나다: 진화를 시뮬레이션하는 인공 지능

ESM3는 단백질의 서열, 구조, 및 기능을 분석하여 단백질을 이해하고 생성하는 다중 모드 언어 모델이다. AlphaFold와 달리, 기존 단백질의 구조를 예측할 수 있는 ESM3는 본질적으로 단백질 공학 모델로서, 연구자들이 기능적 및 구조적 요구 사항을 지정하여 완전히 새로운 단백질을 설계할 수 있도록 한다.

모델은 단백질 서열, 구조, 및 기능에 대한 깊은 지식을 가지고 있으며, 사용자와의 상호 작용을 통해 단백질을 생성할 수 있다. 이 능력은 모델이 자연에서 존재하지 않는 하지만 생물학적으로 유효한 단백질을 생성할 수 있도록 한다. 새로운 녹색 형광 단백질(esmGFP)을 생성하는 것은 이 능력의驚人的 시연이다. 형광 단백질은 처음에 해파리와 산호에서 발견되었으며, 의학 연구 및 생물 기술에서 널리 사용된다. esmGFP를 개발하기 위해 연구자들은 알려진 형광 단백질의 주요 구조적 및 기능적 특성을 ESM3에 제공했다. 모델은 entonces 서열을 최적화하기 위해 사슬의 사고 방식 접근법을 적용하여 설계를 반복적으로 tinh chỉnh했다. 자연 진화는 유사한 단백질을 생산하는 데 수백만 년이 걸릴 수 있지만, ESM3는 이 과정을 가속화하여 며칠 또는 몇 주 안에 이를 달성한다.

인공 지능 기반 단백질 설계 과정

연구자들이 ESM3를 사용하여 esmGFP를 개발하는 방법은 다음과 같다:

1. 인공 지능에 프롬프트 – 처음에, 연구자들은 형광과 관련된 특성을 가리키는 서열 및 구조적 힌트를 ESM3에 입력했다.
2. 새로운 단백질 생성 – ESM3는 수천 개의 후보 단백질을 생성하기 위해 잠재적인 서열의 광범위한 공간을 탐색했다.
3. 필터링 및 tinh chỉnh – 가장 유망한 설계는 필터링되고 실험실 테스트를 위해 합성되었다.
4. 생체 내 검증 – 선택된 인공 지능 설계 단백질은 형광과 기능을 확인하기 위해 박테리아에서 발현되었다.

이 과정은 자연에서 볼 수 없는 형광 단백질(esmGFP)을 생성했다.

esmGFP와 자연 단백질의 비교

esmGFP가 특별한 이유는 알려진 형광 단백질과 얼마나 멀리 떨어져 있는지이다. 대부분의 새로 발견된 GFP는 기존 것과 약간의 변화를 가지고 있지만, esmGFP는 가장 가까운 자연적 친척과 58%의 서열 동일성을 가지고 있다. 진화적으로, 이러한 차이는 5억년 이상의 분기 시간에 해당한다.

이를 이해하기 위해, 마지막으로 이러한 진화적 거리가 있는 단백질이 나타난 때, 공룡은 아직 나타나지 않았으며, 다세포 생명은 아직 초기 단계에 있었다. 이는 인공 지능이 진화를 단순히 가속화한 것이 아니라, 자연에서 결코 생성되지 않았을 단백질을 생성하는 완전히 새로운 진화 경로를 시뮬레이션했다는 것을 의미한다.

이 발견이 중요한 이유

이 발전은 단백질 공학 및 진화에 대한 우리의 이해를 더深く 하는 중요한 단계이다. 수백만 년의 진화를 단 몇 일 안에 시뮬레이션함으로써, 인공 지능은 흥미로운 새로운 가능성을 열어준다:

• 더 빠른 약물 발견: 많은 약물은 특정 단백질을 표적으로 작용하지만, 올바른 것을 찾는 것은 느리고 비용이 많이 든다. 인공 지능 설계 단백질은 이 과정을 가속화하여 연구자들이 새로운 치료법을 더 효율적으로 발견할 수 있도록 할 수 있다.
• 새로운 생물 공학 솔루션: 단백질은 플라스틱 폐기물을 분해하는 것에서 질병을 감지하는 것까지 모든 것에 사용된다. 인공 지능 기반 설계를 통해 과학자들은 의료, 환경 보호, 및 даже 새로운 재료를 위한 맞춤형 단백질을 생성할 수 있다.
• 인공 지능을 진화 시뮬레이터로: 이 연구의 가장 매혹적인 측면 중 하나는 인공 지능을 분석을 위한 도구가 아니라 진화를 시뮬레이션하는 도구로 위치한다는 것이다. 전통적인 진화 시뮬레이션에는 유전적 돌연변이를 반복하는 것이 포함되며, 이는 비능률적이고 비용이 많이 든다. ESM3는 이러한 느린 제약을 우회하여 기능적인 단백질을 직접 예측한다. 이 접근 방식의 변화는 인공 지능이 자연을 모방하는 것만이 아니라, 자연을 넘어서는 진화적 가능성을 탐색할 수 있음을 의미한다. 충분한 컴퓨팅 파워가 주어진다면, 인공 지능 기반 진화는 자연界에서 결코 존재하지 않았을 새로운 생화학적 특성을 발견할 수 있다.

윤리적 고려와 책임 있는 인공 지능 개발

인공 지능 기반 단백질 공학의 잠재적인 이점은 엄청나지만, 이 기술은 또한 윤리적 및 안전성 문제를 제기한다. 인공 지능이 인간의 이해를超越하는 단백질을 설계하기 시작하면 어떻게 될까? 이러한 단백질이 의료 또는 환경적 사용에 안전한지 어떻게 보장할 수 있을까?

우리는 이러한 우려를 해결하기 위해 책임 있는 인공 지능 개발 및 철저한 테스트에 집중해야 한다. 인공 지능 생성 단백질, 예를 들어 esmGFP는 실제 적용을 고려하기 전에 광범위한 실험실 테스트를 거쳐야 한다. 또한, 인공 지능 기반 생물학을 위한 윤리적 프레임워크가 투명성, 안전성, 및 공공의 신뢰를 보장하기 위해 개발되고 있다.

결론

ESM3의 출시는 생물 기술 분야에서 중요한 발전이다. ESM3는 진화가 느린 시도와 오류의 과정일 필요가 없음을 보여준다. 5억년의 단백질 진화를 단 몇 일 안에 압축하는 것은 과학자들이 놀라운 속도와 정확도로 완전히 새로운 단백질을 설계할 수 있는 미래를 열어준다. ESM3의 개발은 우리가 생물학을 이해하는 데 인공 지능을 사용하는 것만이 아니라, 생물학을 다시 정의하는 데에도 사용할 수 있음을 의미한다. 이 돌파구는 생물학을 프로그래밍하는 우리의 능력을 발전시키고, 우리가 아직 상상하기 시작한 가능성을 열어준다.