Google DeepMind의 항균 펩타이드 발굴 과정 상세 공개

Google DeepMind는 2026년 10월 15일, 생물학자들이 Google Antigravity라는 에이전트 기반 개발 플랫폼을 사용해 Streptococcus pseudopneumoniae에서 새로운 항균 펩타이드 후보를 찾아낸 과정을 담은 기술 안내서를 공개했으며, 이 유력 후보는 현재 습식 실험실 검증을 진행 중이라고 밝혔다.

Pengfei Tian, Maxwell L Bileschi, Zoi Tsangalidou, Sukhdeep Singh, Lucy J. Colwell이 작성한 이 안내서는 항균제 내성의 증가를 배경으로 연구를 소개한다. 게시물에 따르면 항균제 내성으로 인해 2050년까지 전 세계에서 매년 약 1,000만 명이 사망할 수 있다. 이 글은 항균 펩타이드, 특히 박테리오신을 기존 항생제의 유망한 대안으로 제시한다. 박테리오신은 세포 외피부터 필수 세포 내 기구에 이르기까지 경쟁 세균의 근본적인 취약점을 표적으로 삼도록 자연적으로 진화했기 때문이다. 게시물에 따르면 유전체 및 메타유전체 시퀀싱을 통해 전 세계 데이터베이스에 수십억 개의 자연 아미노산 서열이 축적되었으며, 이 데이터에서 니신과 같이 널리 사용되는 박테리오신뿐 아니라 다로박틴, 다이노박틴, 라리오시딘 등 유전체 분석으로 발굴된 물질도 발견되었다. 한편 UniProt 데이터베이스에는 기능이 밝혀지지 않은 서열이 여전히 수백만 개 남아 있다. Google은 ProtNLM(Protein Natural Language Model)을 개발했으며, 게시물은 이를 원시 아미노산 서열만으로 생물학적 기능을 예측하도록 학습된 딥러닝 모델이라고 설명한다. DeepMind는 기능을 자신 있게 예측해 기존에 이름이 없던 UniProt 항목 수백만 개에 기능 표지를 추가했다고 밝혔다.

UniProt 검색에서 컴퓨터 기반 후보 물질 발굴까지

안내서에서 연구자와 AI 에이전트는 Streptococcus pseudopneumoniae에서 새로운 항균 펩타이드를 찾아 컴퓨터 기반으로 검증한다는 구체적인 생물학적 목표로 작업을 시작한다. 여러 차례 대화가 오가는 상호작용 세션에서 연구자는 어떤 질문을 하고 어떤 증거를 수집할지 결정해 과학적 전략을 이끌고, 에이전트는 여러 데이터베이스를 연계해 작업을 조율하고 구조를 분석하며 문헌을 종합한다. 게시물에 실린 인터페이스 스크린샷에는 Antigravity 인터페이스에서 Gemini 3.8 Flash 모델을 선택해 진행한 세션이 담겨 있다.

에이전트는 UniProt에 질의해 수백만 개 항목을 추린 뒤 후보 목록을 만들었으며, 그중 UniProt ID A0A0U0D591인 박테리오신을 찾아냈다. 이 펩타이드는 길이가 97개 아미노산이며 Lactococcin 972 계열에 속한다. 게시물에 따르면 이 후보는 호흡기 감염을 일으키는 병원체에 활성을 보일 것으로 예측된다. 신규성을 확인하기 위해 연구자는 선별된 Swiss-Prot 단백질을 대상으로 후보 물질을 조사하도록 에이전트에 지시했고, EMBL-EBI NCBI-BLAST 서비스를 이용한 검사 결과 수동 검토된 단백질 중 의미 있는 서열 상동체가 없음을 확인했다고 안내서는 전한다.

이어서 에이전트는 AlphaFold Protein Structure Database에서 후보의 예측 3차원 모델을 가져오고, 원격 상동체를 찾기 위해 실험으로 밝혀진 구조를 대상으로 Foldseek 검색을 수행한 다음 모델들을 중첩해 유사성을 평가했다. DeepMind에 따르면 구조적 증거는 후보의 접힘 구조가 실험으로 밝혀진 박테리오신의 구조와 매우 유사하다는 점을 보여 줌으로써 ProtNLM의 예측을 뒷받침했다. 인접 유전자들을 살펴본 에이전트는 후보가 긴밀히 연계된 오페론보다 6염기쌍 상류에 위치하며, 해당 오페론에는 ABC 수송체 투과효소와 이와 짝을 이룰 가능성이 있는 ATP 결합 단백질이 들어 있음을 확인했다. 그 주변에는 주석이 달린 또 다른 박테리오신과 XRE 전사 조절 인자도 있었다. 게시물은 이러한 양상을 후보가 실제로 기능하는 박테리오신 시스템의 일부라는 강력한 맥락적 증거로 설명한다.

기존 문헌을 검토한 에이전트는 세균 세포 분열을 표적으로 하는 작용 기전과 여러 약제 내성 병원체에 걸친 예상 효능 범위를 제안했다고 게시물은 전한다. 그런 다음 에이전트는 실리코 분석 결과를 단백질 발현, 항균제 감수성 검사, 표적 결합 확인, 시험관 내 독성 평가를 아우르는 실험실 프로토콜로 전환했다. DeepMind는 이 후보가 구조 및 유전체 증거로 뒷받침되는 생물학적으로 타당한 유력 후보지만, 습식 실험실 검증이 여전히 필요하다고 평가한다.

Antigravity에 내장된 생체분자 구조 뷰어

DeepMind는 안내서와 함께 Antigravity에 직접 내장된 3차원 시각화 도구인 Biomolecular Structure Viewer도 소개했다. 이 도구를 통해 연구자와 에이전트는 시각 정보를 공유할 수 있다. 에이전트는 AlphaFold Database 또는 과학자 자신의 예측 모델에서 구조를 가져오는 동시에 뷰어를 실시간으로 조작해 주요 기능 영역을 강조하고, 자신의 가설을 시각적으로 설명할 수 있다. 정보는 양방향으로 전달된다. 특정 잔기를 강조하거나 결합 포켓에 메모를 고정하는 등의 작업이 에이전트에 다시 동기화된다. 게시물은 연구자가 3차원 공간에서 관심 영역을 표시한 뒤 β-가닥이 Lipid II 결합에 어떤 영향을 미칠 수 있는지 질문하는 사례를 제시한다. 이를 통해 에이전트는 과학자가 보고 있는 정확한 구조적 맥락을 바탕으로 추론할 수 있다.

Antigravity 과학 플랫폼 및 이용 프로그램

Antigravity 과학 페이지에 따르면, 에이전트 맞춤 설정을 통해 에이전트에 도메인별 플러그인, 스킬, 하위 에이전트, 후크를 추가해 1PB 규모의 AlphaGenome Atlas, UniProt, PubChem, ChEMBL을 비롯한 30개가 넘는 주요 생명과학 데이터베이스를 대상으로 작업할 수 있다. Science 플러그인은 앱 내 맞춤 설정 마켓플레이스에서 클릭 한 번으로 설치할 수 있다. 이 페이지는 연구자들이 연구 작업 공간에서 Google DeepMind의 최첨단 모델과 AlphaGenome, AlphaFold Database, Atlas 같은 데이터베이스를 직접 질의할 수 있으며, 출판에 바로 사용할 수 있는 3D PyMOL 구조 렌더링, 재현 가능한 분석 스크립트, 검증 가능한 과학적 산출물을 만들 수 있다고 설명한다. 또한 GitHub의 오픈 소스 맞춤 설정 저장소를 안내하고, 데스크톱에서는 macOS, Windows, Linux, Googlebook을 사용할 수 있다고 밝힌다. 아울러 Google은 과학자 10,000명에게 Antigravity에서 Gemini 4 Argon을 최고 사용량 등급으로 무료 이용할 수 있도록 제공한다고 밝혔다.

DeepMind는 Antigravity를 여러 데이터베이스를 오가며 단편적으로 수행하던 검색을 한 세션으로 압축해 주는 에이전트 기반 과학 연구 환경으로 소개했다. 또한 연구자들이 시연에서 보여 준 대화를 새로운 방향으로 이어 가 이를테면 새로운 필터링 기준을 추가하거나, 서로 다른 염기서열 길이를 탐색하거나, 다른 우선순위 병원체를 대상으로 삼을 수 있다고 밝혔다. 이로써 검색 범위를 인간 공생 미생물에서 환경 미생물까지 넓힐 수 있다. 시연에서 소개한 후보 물질은 같은 파이프라인을 통해 발견된 여러 후보와 함께 습식 실험실 검증을 진행 중이며, DeepMind는 실험 결과가 에이전트 분석을 최종적으로 검증할 것이라고 밝혔다.