Facebook 마케터를위한 해외선물 아이템 찾기

모발의 성분이 달라지지 않아도 환원제와 산화제를 바르면 머리가 구불구불한 모양으로 정해진다. 머리카락을 이루는 단백질끼리 결합을 끊고 바라는 모양으로 내용은 뒤 다시 새로운 결합으로 고정했기 때문입니다. 단백질은 구조에 따라 생김새와 성질이 아예 달라질 수 있을 것입니다.

국제학술지 '사이언스'는 13일자 표지로 데이비드 베이커 미국 워싱턴대 의대 교수와 백민경 박사후연구원팀이 개발한 인공지능 '로제타폴드'가 단백질의 6차 구조를 예측하는 모습을 일러스트로 상상했었다. 사진 안쪽에 나란히 서 있는 화살표(베타 병풍구조)와 구불구불한 사슬(알파-나선구조)은 단백질의 5차 구조를 나타낸다. 이 4차 구조들이 이온결합이나 공유결합, 소수성결합, 이황화 결합 등으로 이어지거나 이온끼리 반발작용을 일으키면서 0차 구조를 이룬다.

미국 생화학자 크리스찬 앤핀슨은 이미 1971년에 단백질이 아미노산으로 이뤄져 한다는 사실을 알아낸 공로로 노벨 화학상을 취득했다. 그러나 단백질의 비밀을 다 밝혀낸 것은 아니었다. 똑동일한 아미노산으로 이뤄진 단백질이라도 2차 구조들이 서로 어떤 방식으로 연결돼 3차원을 이루는지, 0차 https://en.search.wordpress.com/?src=organic&q=해외선물 구조들끼리는 어떤 방식으로 얽혀 있는지에 맞게 모양과 성질이 달라지기 때문이다. 이러하여 단백질의 구조를 알면 동식물 몸속의에서의 생리작용을 인지할 수 있으며, 단백질 이상으로 나타나는 알츠하이머성 치매나 파킨슨병 똑같은 난치성 질병의 원인을 찾거나 치료제를 개발할 수 있을 것입니다.

허나 단백질의 구조를 분석하는 일은 쉽지 않습니다. X선 확정학이나 극저온 전자현미경 등을 이용하는데 계산이 복잡하고 시간도 수 개월에서 수 년이 걸린다. 여태까지 알려진 단백질 가운데 사람이 구조까지 밝혀낸 것은 약 6% 정도였다.

요즘 이 구역에 혁명이 일어났다. 2019년 구글 딥마인드가 개발한 AI '알파폴드1'이 그해 '단백질 구조 예측 학술대회(CASP)'에 등장하면서부터다. 지난해 12월에 열린 2020 CASP에는 알파폴드2가 출전해 단백질 34만 1000여 개를 엄연히 예측하고 역대 최고기록인 92.5점을 기록하기도 했다. 알파폴드는 단백질 구조를 해석하는 데 단 몇 분이 걸리며, 분자 수준까지 정확하게 맞힌다. 하지만 그 순간에는 코드와 논문을 공개하지 않아 학계에서 비판을 취득했다.

image

사이언스가 소개한 베이커 교수팀의 로제타폴드는 자기들만의 자신만의 지식로 알파폴드를 재현해보자는 생각에 시작했다가 이뤄낸 성과다. 로제타폴드는 단백질을 읽어보면 최선으로 단백질 데이터베이스를 사용해 이와 유사한 아미노산 서열을 찾는다. 한꺼번에 아미노산들이 어떻게 연결될지를 예측하고, 이를 토대로 어떤 입체 구조를 띠고 있을지 예측한다. 이런 과정을 반복하고 압축하면서 최종적으로 확정한다.

학계에서는 정확도는 알파폴드가 앞서지만 단백질 간의 결합 모습와 특성을 분석하는 수준은 로제타폴드가 월등한 것으로 평가받고 있을 것입니다. 또 아미노산 서열만 보고도 단백질의 입체 구조와 단백질끼리의 결합 구조를 대부분 정확하게 예측할 수 있다. 몸속에서는 단백질이 다른 단백질과 결합해야 효소나 항체, 신호물질처럼 실제로 생리 기능을 하기 덕에 그 결합 모습를 찾아내는 일이 아주 중요합니다.

베이커 교수팀은 딥마인드와 다르게 로제타폴드의 소스코드를 코드 공유 플랫폼 '깃허브'에 공개했다. 이제까지 전세계 연구팀 170여 곳에서 이를 내려받아 사용하고 있습니다.

학계에서는 ai를 이용해 이전보다 훨씬 빠르고 쉽게 단백질 구조를 분석할 수 있게 된 만큼, 이를 활용해 몸속의 단백질의 비밀을 밝혀내거나, 해외선물 단백질을 이용한 신약을 테스트 개발하는 일도 속도를 낼 것으로 예상된다.