‘AI는 단백질을 어떻게 설계하는가’ – 노벨상 베이커, 딥러닝과 생명과학의 융합 현장

2026년 포항공과대학교에서 열린 강연에서 노벨 화학상 수상자인 데이비드 베이커 교수는 AI가 생물학적 혁신의 중심에 있음을 강조했다. 베이커 교수는 기초·통섭 연구를 이어오며 딥러닝 기술을 단백질 구조 예측 및 설계 분야에 접목시킨 대표적인 인물이다. 과거 구조 예측의 한계를 넘어서, AI가 실험적 검증 이전에 가상의 단백질을 설계하고 생체에 적용할 수 있도록 하는 일련의 혁신 흐름이 이 강연의 핵심으로 다뤄졌다.

이번 포스텍 강연은 알파폴드와 같은 대형 언어모델 및 기계학습 기반의 단백질 구조 예측 플랫폼이 실제 신약·산업적 개발에서 어떻게 활용되는지, 그리고 생명과학 분야 연구자들이 변화를 어떤 방식으로 받아들여야 하는가에 대한 실무적 논의였다. 베이커 교수의 발표 내용에 따르면, 최근 5년간 단백질 접힘(folding) 문제는 AI, 특히 딥러닝 알고리즘의 눈부신 발전 덕분에 수십 년 간의 미해결 난제를 해소하는 기반이 마련됐다. 알파폴드를 이끈 딥마인드, 그리고 베이커 교수가 이끄는 로세타폴드 등은 수많은 실험 데이터와 시퀀스를 학습해, 새로운 단백질 구조와 기능을 정밀 예측하는 데 성공했다.

국제적으로 이 분야 논의는 AI가 기존의 서열-구조-기능 연결고리를 해체/재구성한다는 점에 집중되고 있다. 알파폴드는 수백만 단백질의 3D 구조를 공개하며 기초연구를 활성화했고, 실용적 차원에서는 항체 개발이나 효소 개량, 치료용 단백질 설계 등 실제 산업 R&D에 필수적인 도구로 자리잡았다. 한편에서 AI가 예측하는 구조의 생명활성, 실험에서의 안정성 또는 실제 바이오생산 과정에서의 성능 등은 아직 완벽히 보장되는 영역이 아니며, ‘실험-모델-실험’의 반복적 피드백 체계가 여전히 필요하다는 점도 강조됐다.

생물정보학 분야의 기존 접근은 데이터 주도적이기보다, 검증되지 않은 가설과 실험적 시행착오가 병존했다. 그러나 딥러닝의 도입으로 데이터는 규모와 질적 특성 모두에서 폭발적으로 확대되고 있다. 여러 바이오스타트업과 글로벌 기업이 생성형 AI를 이용, 표적 단백질을 매우 빠르게 설계하며 신약 개발 주기를 획기적으로 단축하는 성과를 내고 있다. 실제로 일라이릴리, 화이자 등 글로벌 제약사는 AI 기반 설계 플랫폼 투자를 가속하고 있다. 국내 바이오기업들도 정부 정책 및 산업계 지원 아래 신약·항암제 파이프라인 단계에서 AI 단백질 설계 방식을 실용화하고 있다.

다만 딥러닝의 활용은 기회와 함께 위험도 내포한다. 첫째, 검증 데이터의 한계로 인한 과적합(overfitting) 문제, 둘째, 데이터 편향성과 학습 모델 해석력의 한계, 셋째, 생성형 AI가 생명현상의 복잡성을 어느 정도까지 모사할 수 있는지에 갖는 불확실성 등이다. 이 때문에 베이커 교수는 여전히 인간 연구자의 비판적 판단과 실습의 중요성을 역설했다. 선도 기술의 사례와 함께, 다층적인 윤리 및 규제적 쟁점도 함께 다루었다. 예를 들어, AI가 설계한 신규 바이오시약의 안전성 평가, 지식재산권, 데이터 독점 문제, 과학과 사회의 신뢰 형성 등 시급한 논의가 필요함을 언급했다.

특히 최근 바이오보안(biosecurity) 사고 및 AI 오용 사례가 증가하면서, 생물학적 위험의 확산·대응·예방 체계까지 관심이 확장되고 있다. AI 모델이 생성한 단백질이 생명공학적 위협이 될 가능성, 혹은 예측 실패로 인한 임상적 피해 등 예상되는 함정에 대한 다학제적 정책 논의가 필요하다. 포항공대의 연구자들은 현장의 AI 단백질 설계 실험·시연을 통해, 이 기술이 바이오 의료, 식품, 소재, 에너지 등 생산 현장에서의 응용까지 이미 진전되고 있음을 보여주었다.

영국·미국 등 선진국은 연구 데이터 개방, 오픈소스 모델 배포, ‘실험-시뮬레이션’ 통합 플랫폼의 마련 등으로 경쟁을 가속화하는 반면, 국내의 경우 윤리·법적 측면에서 후행적 대응이 많아 선진 사례의 분석과 합리적 정책 설계가 필요한 시점이다. 전문가들 또한 AI 기반 단백질 구조 예측이 기존 수작업 실험의 대체가 아니라, 협업 및 검증을 위한 확장 도구임을 분명히 한다. 이러한 패러다임 전환은 생명과학자뿐 아니라 AI 개발자, 제약·바이오 기업인들이 함께 협업하며, 오픈 사이언스 기조에서 미래 전략을 모색해야 하는 새로운 질서를 요구한다.

한편, 학계와 산업계 모두 AI 기반 단백질 설계 기술의 미래에 큰 기대를 걸고 있으나, 궁극적으로 성패를 좌우하는 것은 인간-기계 협업에서 형성되는 신뢰, 검증된 데이터 체계, 그리고 포괄적 거버넌스의 실효성임을 재확인한 자리였다. 국내 연구자와 융합형 인재가 국제 표준 및 선도적 챔피언들과 유기적으로 협업할 수 있도록, 현장의 예시와 글로벌 기술 흐름 분석이 앞으로 더욱 중요한 의미를 가지게 될 것이다.

— 유재혁 ([email protected])