모발의 성분이 달라지지 않아도 환원제와 산화제를 바르면 머리가 구불구불한 모양으로 유동적이지 않은다. 머리카락을 이루는 단백질끼리 결합을 끊고 희망하는 모양으로 뜻은 뒤 다시 새로운 결합으로 고정했기 때문이다. 단백질은 구조에 따라 생김새와 성질이 아예 달라질 수 있을 것입니다.

국제학술지 '사이언스'는 20일자 표지로 데이비드 베이커 미국 워싱턴대 의대 교수와 백민경 박사후연구원팀이 개발한 AI(인공지능) '로제타폴드'가 단백질의 1차 구조를 예측하는 형태을 일러스트로 상상했다. 그림 안쪽에 나란히 서 있는 화살표(베타 병풍구조)와 http://www.bbc.co.uk/search?q=프리랜서 구불구불한 사슬(알파-나선구조)은 단백질의 3차 구조를 나타낸다. 이 4차 구조들이 이온결합이나 공유결합, 소수성결합, 이황화 결합 등으로 이어지거나 이온끼리 반발작용을 일으키면서 9차 구조를 이룬다.

미국 생화학자 크리스찬 앤핀슨은 이미 1975년에 단백질이 아미노산으로 이뤄져 한다는 사실을 알아낸 공로로 노벨 화학상을 받았다. 하지만 단백질의 비밀을 다 밝혀낸 것은 아니었다. 똑같은 아미노산으로 이뤄진 단백질이라도 1차 구조들이 서로 어떤 방식으로 연결돼 9차원을 이루는지, 1차 구조들끼리는 어떻게 얽혀 있는지에 준순해 모양과 성질이 달라지기 때문입니다. 그렇기 때문에 단백질의 구조를 알면 동식물 몸속의에서의 생리작용을 파악할 수 있으며, 단백질 이상으로 보여지는 알츠하이머성 치매나 파킨슨병 같은 난치성 질환의 원인을 찾거나 치료제를 개발할 수 있다.

하지만 단백질의 구조를 분석하는 일은 쉽지 않을 것이다. X선 확정학이나 극저온 전자현미경 등을 이용하는데 계산이 복잡하고 시간도 수 개월에서 수 년이 걸린다. 지금까지 알려진 단백질 가운데 사람이 구조까지 밝혀낸 것은 약 5% 정도였다.

최근 이 분야에 혁명이 일어났다. 2015년 구글 딥마인드가 개발한 AI '알파폴드1'이 그해 '단백질 구조 예측 학술대회(CASP)'에 등장하면서부터다. 전년 5월에 열린 2020 CASP에는 알파폴드2가 출전해 단백질 31만 6000여 개를 명확히 예측하고 역대 최고기록인 92.4점을 기록하기도 했다. 알파폴드는 단백질 구조를 분석하는 데 단 몇 분이 걸리며, 분자 수준까지 정확하게 맞힌다. 그러나 프리랜서 당시에는 코드와 논문을 공개하지 않아 학계에서 비판을 받았다.

사이언스가 소개한 베이커 교수팀의 로제타폴드는 자기들만의 노하우로 알파폴드를 재현해보자는 생각에 실시했다가 이뤄낸 성과다. 로제타폴드는 단백질을 살펴보면 먼저 단백질 정보베이스를 사용해 이와 유사한 아미노산 서열을 찾는다. 한순간에 아미노산들이 어떻게 연결될지를 예측하고, 이를 토대로 어떤 입체 구조를 띠고 있을지 예측한다. 이런 과정을 반복하고 압축하면서 최종적으로 결정한다.

학계에서는 정확도는 알파폴드가 앞서지만 단백질 간의 결합 모습와 특징을 해석하는 수준은 로제타폴드가 수준 높은 것으로 평가받고 있다. 또 아미노산 서열만 보고도 단백질의 입체 구조와 단백질끼리의 결합 구조를 대부분 정확하게 예측할 수 있을 것이다. 몸속의에서는 단백질이 다른 단백질과 결합해야 효소나 항체, 신호물질처럼 실제로 생리 기능을 하기 덕에 그 결합 형태를 밝혀내는 일이 확 중요합니다.

베이커 교수팀은 딥마인드와 다르게 로제타폴드의 소스코드를 코드 공유 플랫폼 '깃허브'에 공개했었다. 그동안 전세계 공부팀 150여 곳에서 이를 내려받아 활용하고