단백질 3차원 구조를 예측하고, 어떤 물질을 결합해 신약를 만들지 설계하는 한국형 바이오 AI 특화 파운데이션 모델(특파모) 'K-폴드'가 개발됐다. 소스코드 공개는 9월 8일이다.
이 모델 개발은 과학기술정보통신부 'AI 특화 파운데이션 모델 개발 프로젝트' 일환으로 총 6개 기관 및 기업이 참여했다. 정부는 이 프로젝트를 위해 엔비디아 B200 GPU 256장을 지원했다. 총 예산 규모는 170억원이 넘는다.
사업 주관은 KAIST가 맡았다. 과제총괄은 김우연 화학과 교수, AI 모델 개발은 황성주· 안성수 김재철 AI대학원 교수가 맡고, 오병하·김호민·이규리 생명과학과 교수가 바이오 데이터 구축 및 검증을 맡았다.
KAIST 스핀오프 기업인 히즈(HITS)는 K-폴드 상용화 및 사스(SaaS) 플랫폼 하이퍼 랩과의 연계를 진행했다. 히츠의 멀티에이전트 플랫폼 ‘하이퍼랩(HyperLab)’에 K-폴드를 탑재한 것. 별도 고성능 컴퓨터를 직접 구축하거나 복잡한 AI 프로그램을 다루지 않아도 사용할 수 있다.
또 글로벌 제약·바이오 기업 머크는 글로벌 신약개발 플랫폼 및 디지털 케미스트리 솔루션 연계, 아토랩은 기관용 프라이빗 클라우드·온프레미스 구축 및 확산 한국제약바이오협회는 제약·바이오 산업계 확산 및 교육, 한국바이오협회는 바이오 기업 대상 활용 확산 및 AI·바이오 인력 양성 역할을 수행한다.
기술 개발 핵심은 알파폴드3를 단순히 따라하기 보다, 물리·화학적 상호작용을 학습하는 새로운 바이오 AI 파운데이션 모델이라는 점이다. 특히 기존 알파폴드 계열의 MSA(다중서열정렬)에 대한 의존성을 낮추고, 단백질 동적·다중 상태와 분자 간 결합 구조·결합력 등을 예측하는 것을 목표로 잡았다.
단백질 하나의 구조만 예측하는 데 그치지 않고, 단백질과 단백질, 단백질과 약물 후보 물질, DNA·RNA 등 여러 생체분자가 서로 만났을 때 어떤 구조를 만드는지까지 예측할 수 있다.
예를 들어 "이 단백질에 강하게 결합하는 항체를 설계해줘"라고 자연어 명령만 줘도, 문헌조사, 데이터 분석, 후보설계, 구조예측(대규모 컴퓨팅 실행), 결과 작성 및 검증이 하나의 인터페이스에서 구현할 수 있다.
지난 3월 과제 중간 평가에서 K-폴드 분자 복합체 구조 예측 정확도는 구글 딥마인드의 알파폴드3에 근접한 수준으로 평가됐다는 것이 연구팀 설명이다.
연구팀이 이달 자체 수행한 성능평가에서는 일부 평가 항목에서 알파폴드 3를 넘어서는 성능도 확인됐다.
연구팀은 암을 비롯한 여러 질환의 주요 신약 표적인 G-단백질 연결 수용체(GPCR)와 인산화효소(Kinase), 질병을 일으키는 단백질을 직접 제거하는 새로운 신약 기술인 표적단백질분해(TPD) 분야에서 약물이 표적 단백질에 어떻게 결합하고 작용하는지를 예측하는 데 높은 성능을 보였다고 부연 설명했다.
구조 예측 속도는 기존 알파폴드3 대비 최대 25배 정도 빠른 것을 확인했다.
연구팀은 K-폴드 소스코드를 클라우드 기반 개발자 플랫폼 '깃 허브'를 통해 무료 배포할 예정이다. 다만, 상용서비스는 하이퍼랩으로 국내외 연구자를 대상으로 베타 서비스를 무료 제공한 뒤 올해 내 단계적으로 유료로 전환한다.
KAIST와 히츠은 유료로 전환하더라도, 오픈AI 챗GPT처럼 기본 사용은 무료로 보장할 계획이다.
김우연 KAIST 화학과 교수는 “K-폴드는 기존 모델을 따라가는 것이 아니라 새로운 AI 구조를 적용해 기존 방식의 한계를 뛰어넘기 위해 개발했다”며 “세계 최고 수준의 바이오 AI를 연구자 누구나 활용할 수 있는 과학 AI 플랫폼으로 발전시켜 나갈 것"이라고 말했다.
