2026년 6월 9일 미국국립과학원회보(PNAS)에 발표된 연구에 따르면 중국과학원 상하이유기화학연구소 연구원들은 원자 분해능에서 단백질-단백질 상호작용을 예측하는 생성 인공 지능 모델을 개발했습니다. Void-X라는 이름의 이 모델은 전체 단백질 모양을 먼저 조각하는 대신 개별 원자부터 위쪽으로 인터페이스를 구축하여 단백질 설계에 근본적으로 다른 접근 방식을 취합니다.

Drs.가 이끄는 작업. Yang Jing, Yuan Junying 및 James J. Chou는 중국과학원에서 주목을 받았고 Phys.org에서 보고했습니다. 이는 의약품, 재료 및 합성 생물학을 뒷받침하는 분자 기계를 설계하는 데 AI가 점점 더 많이 사용되는 빠르게 변화하는 분야에 새로운 도구를 추가합니다. 이 이야기에 대한 자세한 내용은 최신 AI 동향를 참조하세요.

단백질-단백질 상호작용이 중요한 이유

단백질은 인체의 분자적 일꾼입니다. 그들은 조직을 만들고, 분자를 운반하고, 세포 의사소통을 조절하고, 감염으로부터 방어합니다. 암에 대한 항체 요법과 당뇨병에 대한 인슐린을 포함한 가장 중요한 의약품 중 다수는 특정 단백질과 상호 작용하거나 누락되거나 제대로 작동하지 않는 단백질을 대체함으로써 효과를 발휘합니다.

많은 생물학적 과정이 단백질이 서로 결합하는 방식에 따라 달라지기 때문에 단백질-단백질 상호 작용을 정확하게 예측하고 조작하는 능력은 약물 발견을 가속화하고 충족되지 않은 의학적 요구를 해결할 수 있습니다. 여기서의 진전은 또한 치료 분자를 세포로 전달하는 아데노 관련 바이러스 벡터 및 mRNA 지질 나노입자와 같은 전달 기술의 급속한 발전을 보완합니다.

하향식이 아닌 상향식 접근 방식

단백질 설계를 위한 대부분의 기존 AI 프레임워크는 하향식 전략을 따릅니다. 먼저 대상 사이트에 맞는 전체 단백질 스캐폴드를 생성한 다음 결합을 최적화하는 시퀀스를 설계합니다. Void-X는 그 논리를 뒤집습니다.

모델은 원자 충전 시스템입니다. 원자 규모의 상호 작용 패턴을 인식하고 단백질 인터페이스 내의 "공극"(간극)을 채우도록 훈련되었습니다. 그 기본 가정은 안정적인 거대분자 복합체가 최적의 원자 패킹에 의해 함께 유지된다는 것인데, 이는 인접한 원자 간의 국지적 상호 작용뿐만 아니라 더 먼 원자와의 고차 결합에서 나타납니다. 전체 단백질 모양을 설계하는 대신 Void-X는 지정된 구조 영역 내에서 단단히 패킹되도록 최적화된 소형 원자 클러스터를 직접 생성하여 설계에 물리적 기반 기반을 제공합니다.

800만 개의 원자 클러스터에 대한 훈련을 받았습니다.

Void-X를 훈련시키기 위해 연구원들은 Protein Data Bank에 기탁된 실험적으로 결정된 구조에서 추출된 800만 개가 넘는 구형 원자 클러스터의 데이터 세트를 구성했습니다. 각 클러스터에 대해 주변의 공간적으로 인접한 원자의 약 30%가 가려졌고 나머지 원자는 모델이 누락된 원자를 예측하는 데 사용되는 "컨텍스트"(효과적으로 프롬프트) 역할을 했습니다.

그 결과 네트워크에는 1억 7,200만 개의 매개변수가 포함되어 있으며 체인 내 원자 클러스터의 경우 78.3%, 체인 간 클러스터의 경우 68.2%라는 강력한 예측 정확도를 달성했다고 연구원들이 보고했습니다.

신약 발견 및 그 이상에 대한 의미

저자에 따르면 이러한 기능은 원자 분해 단백질 상호 작용의 새롭게 생성을 가능하게 하며, 단백질 설계를 위한 보완적이고 물리적으로 직관적인 경로를 제공합니다. 원자 수준의 세부 사항과 생성 모델링을 결합함으로써 Void-X는 생체 분자 인터페이스를 합리적으로 엔지니어링하기 위한 툴킷을 확장합니다.

인터페이스 디자인은 현대 약물 개발의 핵심이기 때문에 이는 중요합니다. 후보 분자가 단백질 표적에 어떻게 결합할지 예측하기 위한 더 나은 계산 도구는 아이디어에서 치료까지의 경로를 단축하고 비용이 많이 드는 시행착오 실험에 대한 의존도를 줄이며 합성 생물학에서 완전히 새로운 기능을 위한 단백질을 더 쉽게 설계할 수 있도록 해줍니다.

성장하는 분야

Void-X는 AI 기반 단백질 작업이 급증하는 가운데 등장합니다. 구조 예측부터 전체 원자 생성 설계에 이르기까지 연구자들은 전체 원자 분해능에서 생체분자 상호 작용을 모델링하는 능력을 향해 꾸준히 노력하고 있습니다. 이전의 모든 원자 생성 시스템은 이미 해당 규모의 상호 작용을 설계하고 예측하는 타당성을 입증했으며 Void-X는 동일한 노력에 대한 독특한 패킹 우선 전략에 기여합니다.

이를 작동시키는 마스킹 트릭

Void-X의 훈련 방법은 언어 모델 플레이북의 페이지를 빌려왔습니다. 각 훈련 클러스터에 있는 원자의 약 30%를 가리고 모델에 주변 상황에서 이를 추론하도록 요청함으로써 연구원들은 구조 생물학을 공백 채우기 작업으로 전환했습니다. 이는 대규모 언어 모델이 문장에서 누락된 단어를 예측할 수 있는 것과 동일한 원리입니다. 차이점은 Void-X의 "어휘"가 3차원 공간에 배열된 원자로 구성되어 있으며, Void-X가 학습하는 문법은 실제 단백질이 접히고 결합하는 방식을 제어하는 ​​물리적 패킹 규칙을 반영한다는 것입니다.

이러한 구조 인식 훈련은 단백질을 평평한 아미노산 서열로 취급하는 접근 방식과 Void-X를 구분하는 것입니다. 모델은 국지적 및 장거리 원자 결합을 동시에 추론하기 때문에 그럴듯해 보이지만 생물학적으로 불안정한 설계를 생성하는 대신 안정적인 복합체의 물리적 제약을 존중하는 인터페이스 기하학적 구조를 제안할 수 있습니다.

제한사항 및 미해결 질문

결과는 유망하지만 연구자들은 여전히 과제가 남아 있다고 솔직하게 말했습니다. 대부분의 실제 약물 표적을 정의하는 다중 단백질 복합체와 관련된 68.2%의 사슬 간 정확도는 사슬 내 수치보다 의미있게 낮으며, 이는 두 개의 개별 분자가 어떻게 결합되는지 모델링하는 것이 더 어렵다는 것을 반영합니다. 컴퓨팅 모델에 긴밀하게 결합되는 인터페이스를 디자인하는 것 역시 첫 번째 단계일 뿐입니다. 후보 물질은 여전히 ​​실험적으로 합성되고 검증되어야 하며 예측된 상호 작용은 살아있는 세포의 더 지저분한 환경에서 흔들릴 수 있습니다.

훈련 데이터를 확장하고, 유연하거나 무질서한 단백질 영역의 모델 처리를 개선하고, Void-X를 보완적인 하향식 시스템과 통합하는 것이 다음 단계일 가능성이 높습니다. 저자는 대체 기술이 아닌 보완적인 기술로 자신의 기여를 구성합니다. 이는 현장이 신뢰할 수 있는 엔드투엔드 분자 설계를 향해 경쟁함에 따라 기존 스캐폴드와 결합할 수 있는 물리적 기반 옵션입니다.

더 넓은 추세

DOI 10.1073/pnas.2607035123으로 발표된 이 연구는 더욱 정밀한 분자 설계 도구를 구축하기 위한 경쟁이 이제 잘 진행되고 있으며 생성 AI가 생화학자의 작업대에서 없어서는 안될 부분이 되고 있음을 나타냅니다. Void-X와 같은 모델이 계산과 실험실 사이의 격차를 줄임에 따라 연구자들은 이전보다 더 빠르고 합리적으로 새로운 치료제, 효소 및 재료를 설계할 수 있을 것이라는 희망이 있습니다.

---

AI 최신 소식

최신 AI 뉴스, 분석 및 혁신을 한 곳에서 확인하세요.

AI 뉴스 더 보기 →