구글 딥마인드, AI로 기능 모를 단백질에서 항균 물질 찾는다

구글 딥마인드가 10월 15일(현지시간) 새로운 항균 펩타이드를 찾는 방법을 소개하는 글을 공개했다. 항균 펩타이드는 세균을 억제하는 작은 단백질 조각이다. 기능이 알려지지 않은 단백질의 아미노산 서열을 AI로 읽어, 그 단백질이 생물 안에서 어떤 일을 하는지 예측하는 방식이다. 이미 쌓여 있는 자연계 데이터에서 새 치료제 후보를 건져 올리려는 시도다.

기존 항생제로는 왜 부족한가

약이 듣지 않는 세균이 늘고 있다. 구글 딥마인드는 항균제가 듣지 않는 내성 문제로 2050년 전 세계에서 한 해 약 1000만 명이 숨질 수 있다는 추정치를 제시했다. 이를 막으려면 새 치료제 발굴이 시급하다고 강조했다. 항균 펩타이드는 전통적인 항생제를 대신할 가능성이 있는 물질군이다.

그중에서도 회사가 주목한 것은 박테리오신이다. 구글 딥마인드는 박테리오신이 경쟁 세균의 겉을 둘러싼 구조부터 세포 안의 필수 장치까지 공격하도록 자연적으로 진화했다고 설명했다. 세균의 핵심 약점을 노리기 때문에 병원균이 내성을 얻기 어렵다는 것이 회사의 설명이다. 새 후보를 찾는 목적도 이런 특성을 치료제 개발에 쓰는 데 있다.

후보를 찾을 데이터는 빠르게 쌓이고 있다. 개별 생물과 여러 생물이 섞인 시료의 유전정보를 읽는 작업이 늘면서, 세계 데이터베이스에는 수십억 개의 자연계 아미노산 서열이 모였다. 구글 딥마인드는 이런 자연계 데이터에서 나온 사례로 널리 쓰이는 Nisin을 들었다. 유전체를 뒤져 찾아낸 Darobactin, Dynobactin, Lariocidin도 함께 소개했다.

기능 모르는 서열, AI가 어떻게 읽나

서열을 확보해도 그 단백질이 무슨 일을 하는지 모르는 경우가 많다. 이미 알려진 단백질과 닮지 않아 기능을 짐작하지 못한 서열이 데이터베이스에 그대로 남아 있다. 단백질 서열과 기능 정보를 모아 둔 공개 자료 UniProt에도 유전체 분석 과정에서 넘어온 기능 미상 서열이 수백만 개 있다. 데이터는 넘치지만 그 뜻을 아는 비율은 따라가지 못하는 상황이다.

이미지: Google DeepMind

구글이 개발한 ProtNLM은 아미노산 서열만 보고 단백질의 기능을 예측하는 AI 모델이다. 진화 과정에서 서열에 남은 규칙을 학습해, 이름도 설명도 붙지 않은 데이터에 역할을 추정해 적어 준다. 구글은 이 모델로 UniProt에 있던 이름 없는 항목 수백만 개에 신뢰도가 높은 기능 정보를 붙였다고 밝혔다. 연구자가 들여다볼 서열에 단서를 하나씩 달아 주는 셈이다.

앞으로 지켜볼 대목은 AI가 붙인 기능 예측이 실제 항균 작용 확인으로 이어지는지다.