헬스케어

단백질 과학자와 AI의 대결

Alex McFarland
Unite.AI를 Google의 선호 소스에 추가
핵심 포인트AI가 단백질 과학자들을 상대로 자가 조립 서열 예측에서 근소한 차이로 승리했습니다.
더 보기
  • AI가 단백질 과학자들을 상대로 자가 조립 서열 예측에서 근소한 차이로 승리했습니다.
  • 인간 전문가들은 특정 아미노산을 선호하여 AI와 달리 잘못된 예측을 초래했습니다.
  • 기계 학습은 단백질 설계에서 인간의 편향을 극복하는 강력한 도구입니다.

러트거스 대학교의 단백질 과학자 팀이 컴퓨터 프로그램과 대결했다.

스포일러 경고: AI가 승리했다. 하지만 아주 근소한 차이로.

인간과 AI의 대결

과학자들은 단백질 설계와 자가 조립을 깊이 이해하는 인간과 예측 능력을 가진 인공 지능 컴퓨터 프로그램을 겨루게 하는 실험을 진행하기로 결정했다. 잠재적인 과학자 목록의 맨 위에는 러트거스 대학교의 센터 포 어드밴스드 바이오테크놀로지 앤드 메디신(CABM)의 연구자 비카스 난다(Vikas Nanda)가 있었다.

실험은 인간과 AI 중 어느 쪽이 단백질 서열이 성공적으로 결합할 수 있는지 더 잘 예측할 수 있는지 보기 위해 진행되었다.

결과가 발표된 학술지는 네이처 케미스트리이다.

난다, 일리노이 주의 아고네 국립 연구소의 연구자, 그리고 미국 전역의 여러 동료들은 이 대결이 “가깝지만 결정적”이었다고 말했다. 경쟁에서 난다와 몇몇 동료들은 AI 프로그램에 근소한 차이로 패했다.

과학자들은 단백질의 자가 조립에 대한 더 많은 지식을 얻으려고 노력하고 있으며, 이를 더 잘 이해하면 의료 및 산업용으로 새로운 혁신적인 제품을 설계할 수 있을 것이라고 믿고 있다. 이러한 제품 중 하나는 인공 인간 조직으로서의 상처용으로 사용될 수 있고, 또 다른 제품은 새로운 화학 제품을 위한 촉매로 사용될 수 있다.

난다는 러트거스 로버트 우드 존슨 의과대학의 생화학 및 분자 생물학 부서의 교수이다.

“우리의 풍부한 전문 지식에도 불구하고, AI는 여러 데이터 세트에서 우리와 비슷하거나 더 좋은 성과를 보였으며, 기계 학습이 인간의 편향을 극복하는 엄청난 잠재력을 보여주었다”고 난다는 말했다.

단백질 설계 및 자가 조립

단백질은 아미노산이 끝에서 끝까지 연결된 긴 사슬로 구성되어 있으며, 이 사슬은 3차원 분자로 접히며 복잡한 모양을 가진다. 각 단백질의 모양과 포함된 아미노산은 그 행동을 결정한다. 난다와 같은 연구자들은 “단백질 설계”에 참여하고 있으며, 이는 새로운 단백질을 생성하는 서열을 만드는 것을 의미한다. 팀은 최근에 VX라는 위험한 신경 작용제를 빠르게 감지할 수 있는 합성 단백질을 설계했다. 이 새로운 개발은 새로운 바이오 센서와 치료법에 큰 영향을 미칠 수 있다.

단백질은 다른 단백질과 함께 상위 구조를 형성하기 위해 자가 조립된다. 어떤 경우에는 단백질이 설계에 따라 자가 조립되는 것처럼 보이며, 예를 들어 바이러스의 보호 외피를 형성할 때 그렇다. 다른 경우에는 생물학적 구조를 형성할 때 자가 조립되거나, 특정 질병과 관련된 생물학적 구조를 형성할 때 자가 조립된다.

“단백질의 자가 조립을 이해하는 것은 의학 및 산업을 포함한 많은 분야에서 발전을 이루는 데에 근본적으로 중요하다”고 난다는 말했다.

난다와 다섯 명의 다른 동료들은 단백질 목록을 받았고, 어느 단백질이 자가 조립될 가능성이 높은지 예측하도록 요청받았다. 예측은 컴퓨터 프로그램의 예측과 비교되었다.

인간 전문가들은 실험에서 관찰한 단백질의 행동에 대한 경험칙을 사용했으며, 전하의 패턴과 물에 대한 기피 정도를 포함했다. 그들은 11개의 단백질을 선택했으며, 이 단백질들은 자가 조립될 것이라고 예측했다. 반면에 AI는 9개의 단백질을 선택했다.

실험은 인간이 11개의 단백질 중 6개를 올바르게 예측한 반면, 컴퓨터 프로그램은 9개를 선택했다는 것을 보여주었다.

실험은 또한 인간 전문가들이 특정 아미노산을 다른 아미노산보다 선호했으며, 이는 잘못된 선택으로 이어졌음을 보여주었다. AI는 명백하지 않은 특성을 가진 일부 단백질을 올바르게 선택했다.

“우리는 자가 조립으로 이어지는 상호작용의 화학적 본질에 대한 근본적인 이해를 얻으려고 노력하고 있으므로, 이러한 프로그램을 사용하면 중요한 통찰력을 방해할 수 있다고 걱정했다”고 난다는 말했다. “하지만 내가 진정으로 이해하기 시작하는 것은 기계 학습이 다른 도구와 마찬가지로 단지 또 하나의 도구라는 것이다”

Alex는 Unite.AI의 AI 기반 뉴스 운영을 이끌고 있습니다. 저널리즘, 조사, 자동화를 결합해 인공지능에 관한 소식을 시의적절하게, 확장 가능한 방식으로 보도할 수 있도록 지원합니다. 그의 업무는 매체의 편집 기준을 유지하면서 새로운 AI 동향을 효율적으로 찾아 보도하는 데 기여합니다.