AlphaFold는 단백질의 서열로부터 그 구조를 측정하는 대신 예측했다

단백질의 기능은 그 3차원 구조에 달려 있으며, 서열만 아는 것으로는 구조를 알 수 없다. 하나의 구조를 실험적으로 규명하는 데 연구팀이 수개월에서 수년이 걸릴 수 있으며, 이 때문에 수십억 개의 단백질 서열이 알려져 있음에도 고유한 단백질 구조는 약 10만 개만 알려져 있었다.

DeepMind의 AlphaFold는 이 문제를 계산적으로 공략했다. 그것은 과학자들이 이미 규명한 구조들로 훈련되었고, 진화를 신호로 활용했다. 즉 공통 조상을 공유하는 서열은 유사하게 접힐 것이므로, 다중 서열 정렬은 단백질의 어느 부분이 공간에서 서로 가까이 있는지에 대한 정보를 담고 있다.

그런 다음 이 신경망은 서열만으로 모든 원자의 3D 좌표를 생성한다. 블라인드 CASP14 평가에서 그것은 대부분의 표적에 대해 실험 구조와 경쟁할 만했고 모든 이전 계산 방식을 크게 능가했으며, 실험실에서 수년이 걸릴 수 있는 일을 몇 분 만에 해냈다.

이 승리는 그 자체로 더 큰 모델 때문이 아니었다. 핵심은 물리적·진화적 지식을 아키텍처에 부호화한 뒤, 그것이 방대한 미지의 단백질 공간 전반으로 일반화되도록 한 것이었다.

모든 구조를 측정하지 말고 형태를 예측하라

실험적 구조 규명은 생물학에서 가장 느리고 가장 비용이 많이 드는 단계 중 하나이므로, 이를 예측으로 대체하는 것은 연구할 수 있는 범위의 규모를 바꾼다.

다중 서열 정렬은 진화가 측정을 대신하게 하여, 모델에 알려진 소수의 구조를 넘어서는 큰 비공개 훈련 신호를 제공한다.

이 모델은 일반적인 과제를 해결하므로, 유사한 구조가 한 번도 측정된 적이 없을 때에도 작동한다.

거의 원자 수준의 정확도는 유용하기에 충분하며, 구조를 희소한 자원이 아니라 일상적인 입력으로 바꾼다.

정답(ground truth)이 비쌀 때는 그것을 일반화하는 모델을 구축하라 — 새로운 사례마다 같은 것을 다시 측정하는 대신 소수의 예시로부터 규칙을 학습하라.

AlphaFold의 구조들은 알려진 단백질 세계의 거의 전체에 대해 공개되었고, 그 공개 데이터베이스는 신약 개발, 유전체학, 질병 연구에서 표준 도구가 되었다. 그 접근법은 50년 된 미해결 문제를 끝내는 데 기여했으며, 신중하게 설계된 심층 신경망이 제한적이고 값비싼 데이터로부터 일반적인 물리 법칙을 추출할 수 있음을 보여주었다.