구글, 실험 결과로 분자 설계 고치는 AI 연구 세 건 공개

구글이 10월 16일(현지시간) AI의 분자 설계와 실제 생물학 실험을 잇는 연구 세 가지를 공개했다. 실험실 로봇의 명령을 점검하는 VERID, 단백질에 달라붙는 DNA 조각 설계, 암 관련 단백질 결합체 설계다. 사람이 연구 방향을 정하고 AI가 설계와 결과 분석을 되풀이하는 실험실의 기반을 만드는 작업이다.

AI가 쓴 실험 명령, 로봇이 실행할 수 있을까

AI가 작성한 로봇 명령은 문장이 맞아도 실제 실험실에서는 실행되지 않을 수 있다. 시약을 빨아들이는 도구가 용기에 들어가지 않거나, 이미 비어 있는 용기에서 액체를 꺼내려는 경우다. VERID는 로봇 팔의 모양부터 용기별 액체 양, 시약 종류, 소모품 재고까지 가상 실험실에 기록해 이런 물리적 조건을 미리 따진다.

구글은 VERID를 쓴 실험에서 AI가 액체 혼합 방식을 스스로 수정했다고 밝혔다. 측정 장비가 고장 난 뒤에도 액체를 다시 옮기지 않고 작업을 이어갔다. 좁은 용기에 맞지 않는 동작을 가상 실험실이 거부하자 AI가 계획을 바꾼 사례도 제시했다. 카메라 영상으로 정체를 가린 염료 혼합물을 알아맞히는 반복 실험에서는 정확도가 5배 넘게 좋아졌다고 설명했다.

성공률 0%였던 설계, 어떻게 42%가 됐나

두 번째 연구는 특정 단백질에 달라붙는 DNA 조각인 ‘압타머’를 다뤘다. AI가 후보를 설계하면 실제 실험으로 결합 여부를 가려내고, 그 결과를 다음 설계에 반영했다. 설계부터 시험과 분석까지 한 차례에 7~10일이 걸렸다. 구글은 미오글로빈과 알파 트롬빈 두 단백질을 대상으로 이 과정을 세 차례 반복했다.

이미지: research.google

미오글로빈 실험은 결합력이 높아 보이는 후보가 오히려 잘못된 선택일 수 있음을 보여줬다. 두 번째 설계에서 AI는 결합력을 앞세우다 다른 단백질이나 실험용 자성 구슬에도 달라붙는 후보를 늘렸다. 구슬에 붙는 효과를 걷어낸 목표 단백질 결합 성공률은 10.2%에서 3.7%로 떨어졌다. AI가 실험 결과에 따라 설계 규칙을 고친 세 번째에는 33.5%로 올랐다.

알파 트롬빈에서는 첫 실험의 결합 성공률이 0%였다. 구글은 DNA에 덧붙인 고정 서열이 후보의 48%에서 접힘을 방해했다고 설명했다. AI가 구조를 바꾸고 후보를 다양하게 넓힌 뒤 성공률은 두 번째 26.0%, 세 번째 42.1%로 높아졌다. 두 사례 모두 실제 실험에서 드러난 실패 원인이 다음 설계를 바꾸는 단서가 됐다.

암 관련 단백질 FAP에도 적용

세 번째 연구는 고형암에서 많이 만들어지는 단백질 FAP를 겨냥했다. 구글은 몇 차례 실험으로 한 자릿수 나노몰 수준의 강한 결합력을 보이는 단백질 결합체를 얻었다고 밝혔다. 계산할 때는 표적 단백질 전체 대신 결합 부위 주변만 떼어내 다뤘다. 이 방식으로 구조 예측 정확도는 유지하면서 설계 한 주기에 드는 계산을 8배 넘게 빠르게 했다고 설명했다.

이미지: research.google

같은 계산 자원을 쓸 때 과학자와 AI가 함께 설계한 쪽이 과학자 혼자 설계한 쪽보다 컴퓨터 예측상 성공률이 거의 두 배 높았다고 구글은 밝혔다. 협업에서는 과학자가 큰 전략을 세우고 AI가 세부 실행을 맡았다. 실제 실험 속도를 높이려고 형광 신호로 단백질 후보를 한꺼번에 걸러내는 방식도 도입했다.

구글은 다음 단계로 VERID의 자동화 기능과 단백질 발견용 반복 학습을 묶을 계획이다. 앞으로 살펴볼 과제도 남아 있다. AI가 실험의 허점을 파고들지 않고 목표 단백질에 제대로 붙는 후보를 찾아내는지, 여러 단계로 이어지는 실험을 사람이 검증하고 감독할 수 있는지 등이다.