구글이 AI로 단백질 결정을 발견하는 시스템을 개발, 신약개발 브레이크스루에 기대

구글이 AI로 단백질 결정을 발견하는 시스템을 개발, 신약개발 브레이크스루에 기대

Google 인공지능(AI)을 연구하는 Brain Team은, 듀크 대학교 연구자와 협력하고, AI를 이용하는 것으로 단백질 결정화 실험을 자동화하는 시스템을 개발했다고 발표했습니다.

Teaching a Machine to Spot a Crystal – Duke Research Blog

 

단백질이 가지는 생체기능은 그 분자구조에 의해 결정되기 때문에, 효과적인 신약을 개발하는 것에 즈음하여 분자구조 해석이 중요합니다. 그리고, 단백질 분자구조를 해석하기 위해서는, 단백질 결정이 필요합니다. 단, 단백질 결정화에 대해서는 아직 불분명한 부분도 많아, 현대 기술을 가져서 해도 여전히 어려운 것이 있습니다.

단백질 결정화의 실험중, 그 준비나 실험 프로세스의 대부분은 자동화가 진행됩니다만, 결정화 실험의 성과는 인간이 현미경으로 육안 확인하는 수 밖에 없었습니다. 그 경우, 단백질결정을 발견하는 것은, 실험하는 과학자 관찰력과 경험에 의존해야하고, 만일 결정화를 못보고 놓치거나 잘못 보거나 해버리면, 의학을 진보시키는 중요한 발견할 기회가 상실되어버릴 가능성조차 있습니다.

듀크 대학교가 손선하는 Machine Recognition of Crystallization Outcomes(MARCO:결정화 성과물 기계인식)은, 단백질결정화 성과물을 AI로 자동인식하는 것으로 이러한 리스크를 경감할 수 있는 것이 아닐까라고 생각하고, 50만점을 넘는 단백질결정화 실험의 라벨이 딸린 데이터를 Google에 가져와서 협력을 요청. 이것을 받아서 Google Brain Team은, 심층 뉴럴네트워크에 의해 결정화 결과를 자동분류할 수 있는 시스템을 개발했습니다.

MARCO가 수집한 방대하고 다양적인 데이터를 학습하는 것으로, AI는 단백질 결정을 높은 정밀도로 시각적으로 동정할 수 있습니다. 듀크 대학교 Patrick Charbonneau 교수에 의하면, 단백질 결정 식별 정밀도는, 인간이 약 85%정도인 것에 대해서, Google Brain Team에 의한 최신 AI는 95%다고 합니다.

Charbonneau 교수는 「단백질결정을 발견하고 분류를 AI가 자동적으로 하는 것으로, 단백질결정화 실험 바로 그것을 거의 자동화할 수 있게 됩니다. 더욱 단백질 구조해석이 용이해져, 신약연구에 걸리는 시간이나 비용이 대폭적인 삭감을 기대할 수 있습니다」라고 이야기 했습니다.

Google Brain Team은 이 AI모델을 GitHub에서 공개해서, Google Cloud Machine Learning(ML) Engine을 이용하는 것으로, 다른 연구자도 이 AI를 연구에 이용할 수 있도록 했습니다.