엔비디아 2800개 바이러스 단백질 구조 공개

주장감염병 확산에 선제적으로 대응하려면 바이러스 단백질 구조 정보를 미리 확보해야 합니다. 과학계는 과거 감염병 유행 당시 신속하게 백신을 개발할 수 있던 배경으로 장기간 축적된 연구 데이터를 꼽습니다.

팩트엔비디아는 구글 딥마인드, 유럽생물정보학연구소와 협력해 2800개 이상의 바이러스 단백질 복합체 입체 구조를 알파폴드 데이터베이스에 공개했습니다. 해당 데이터는 전 세계 연구자가 자유롭게 활용할 수 있습니다.

팩트이번 데이터셋은 구글 딥마인드의 인공지능 모델인 알파폴드2를 기반으로 생성되었으며 엔비디아 바이오니모 추론 런타임을 거쳐 최적화되었습니다. 이를 바탕으로 수천 개에 달하는 바이러스 단백질 복합체 구조 예측을 대규모로 처리했습니다.

팩트엔비디아는 데이터 생성에 활용한 그래픽 처리 장치 가속 작업 흐름인 바이오니모 구조 예측 파이프라인을 개방형 소스로 공개했습니다. 연구자는 이를 활용해 연구 대상 단백질 서열을 직접 입체 구조로 예측할 수 있습니다.

팩트새로 추가된 단백질 상호작용 데이터의 30%는 과학계에 처음 보고되는 유형입니다. 이 구조들은 기존 단백질 데이터 은행에 기록되지 않았던 형태입니다.

주장단백질은 단독으로 작용하지 않고 복합체를 형성해 기능을 수행하므로 복합체 구조를 파악하는 일이 백신과 치료제 개발의 핵심입니다. 이번 데이터셋은 기존 실험 방식으로 수년이 걸리던 구조 분석 기간을 단 몇 분으로 줄였습니다.

팩트이번 사업에는 서울대학교와 성균관대학교를 비롯한 국내외 주요 연구 기관이 동참했습니다. 이 데이터셋이 더해지면서 알파폴드 데이터베이스는 총 2억 6천만 개가 넘는 단백질 구조 예측 정보를 제공합니다.

교차검증세계개발센터 분석에 따르면 2050년까지 과거 감염병만큼 치명적인 대유행이 발생할 확률은 50%에 이릅니다. 전문가들은 예상치 못한 바이러스 출현에 대비해 관련 지식을 미리 쌓아야 한다고 당부합니다.

교차검증엑스선 결정학 같은 전통적 실험 방식은 단백질 구조 하나를 분석하는 데 수천 달러의 비용과 오랜 시간이 소요됩니다. 반면 엔비디아 그래픽 처리 장치로 최적화한 인공지능 모델은 대량의 구조를 신속하게 예측해 연구 효율성을 높입니다.

출처엔비디아 공식 블로그(https://blogs.nvidia.com/blog/open-protein-dataset/) 및 알파폴드 데이터베이스(https://alphafold.ebi.ac.uk/)의 보도를 교차 검증했습니다.