알파폴드(AlphaFold)와 AI신약개발

 

알파폴드(AlphaFold)란?

• 구글 딥마인드가 개발한 단백질의 3차원 구조를 예측하는 모델
• 알파폴드가 생성하는 3d단백질 모델은 이전에 있던 단백질 예측 모델보다 뛰어남

단백질

• 모든 생명체를 구성하는 아미노산 복합체
• 그 상태로 존재하는것이 아니라 각자가 비틀어진상태로 서로 연결돼서 형성
• 비틀어지고 구부러진 상태인 단백질을 Protein folding(단백질 접힘)이라고 함
• 단백질이 잘못 접힌 경우에 치매와 같은 뇌질환이 발생

단백질 예측모델의 연구가 중요한 이유
- 단백질  구조를 알고 연구를 진행하면 질병예방이나 치료법을 알 수 있기 때문
 
리암 맥거핀(Liam McGuffin) 영국 레딩대 박사는
“단백질이 어떻게 접히는지 예측하는 것은 엄청난 일이다”
“이론적으로 생명과 관련된 어떤 것이라도 고칠 수 있게 된다”고 함

---

알파폴드
 
학제간 접근방식의 연구
- 인공지능분야 전문가, 생물학, 물리학 전문가 등이 함께 연구를 진행하여 오로지 유전자 서열에만 집중해서 모델의 예측 정확도를 높임
 
3d 단백질 형태를 제시하는 방법
- 단백질을 이루고 있는 각각의 아미노산 사이의 거리를 예측
- 이 아미노산을 연결하는 화학 결합간의 각도를 예측, 3d형태로 제시

---

이전 알파폴드 (모델 설명 및 구조 https://zrr.kr/Py1w)

• (2018) 알파폴드1
• (2020) 알파폴드2 : 알파폴드1 + Evoformer (attention)
  • (2022) 오픈소스 공개 
  • 중국이 코로나19 유전정보를 공개하자마자 단백질 구조 예측 성공
  • 코드 공개 당시 2억개정도의 단백질 구조예측결과 공개(당시 단백질 아미노산 데이터베이스 규모도 2억개ㄷㄷ)

---

현재 알파폴드 (모델 설명 및 구조 https://zrr.kr/xDCL)

• (2024.5.9) 알파폴드3 : Evoformer를 개선한 Pairformer알고리즘 적용
  • 이전에 없던 대규모 생물 분자 예측 능력
  • 알파폴드2 대비 50% 이상 높아진 성능

---

AI 신약개발의 비중과 효과
 

비중

• 기존에는 약물 재창출 분야가 대다수
• 19년을 기점으로 23년까지 저분자설계, 새로운 약물타겟 식별이 늘어남

*약물재창출
새로운 질병 치료제를 발굴하는데 쓰이는 기법으로 승인된 의약품이나 개발 중인 약물의 새로운 용도를 개발하는 것

효과

• 임상 1상 21/24 성공
  • ai를 활용하지 않는 업계의 성공률(40~65%)에 비해 훨씬 높은 성공률
• 임상 2상 4/10 성공
  • ai를 활용하지 않는 업계의 성공률(30~40%)과 비슷
  • 샘플이 아직 적기 때문에 이후 결과는 변동가능성이 있음
• +추가
  • 임상 1상의 경우를 자세히보면 분야별로 ai 골고루 성공
  • 약물 재창출(분자 재창출), 타겟 식별, 저분자설계, 백신설계,  항체

---

내 생각
 

• 신약개발에 ai를 사용함으로써 임상실험에서 얻는 단점들을 획기적으로 없앨 수 있음
• 기존의 신약개발은 10년이상이 걸리는데 여기에 들어가는 비용과 시간 단축
• 크리스퍼(CRISPR) 유전자 가위와 결합하면 시너지가 엄청날 것 같음

*유전자가위
2020년 노벨 화학상수상 말그대로 유전자를 편집할 수 있는 기술

---

참고자료
 

구글 딥마인드 AI,  거의 모든 단백질 구조를 예측한다

본격 의학 연구로 영역 넓히는 구글AI

Google Deepmind AlphaFold 1 & 2 소개

알파폴드 3, 생명의 신비를 밝히다! 단백질, DNA, RNA까지 예측하는 혁신 인공지능

알파폴드 리뷰와 해석 · 딥러닝과 생명과학