AI, 의학계 판도를 바꾸다

[Script Preview]

 

 

'인류'를 위한 바이오의 진화 그리고 그 역설에 대한 나의 의견

 

 

 

나는 바이오쪽에 관심은 많았으나, 화학이라는 특성때문에 상당히 꺼려했다. 실제로도 어렵고 복잡하기 때문이고, 내 적성과 거리가 멀었다. 하지만, 예전에 주식공부를 하면서 슈뢰딩거라는 아주 흥미로운 회사를 알게 되었는데신약개발을 인공지능을 통해 수없이 많은 실험 알고리즘을 돌려서 신약개발을 한다는게 
상당히 매력적으로 다가왔다.
사실 이러한 소식들이 시사하는 바는 IT기술이 이제 거의 모든 산업에 적용되고 있다는 것이다. 실제로 슈뢰딩거와 같이 소프트웨어와 바이오의 결합은 비용절감과 시간 단축 면에 있어서 가장 효율적이고 정확한 결과값을 이용해 신약개발을 할 수 있다. 기존 신약 개발만 하더라도 임상실험 통과가 수년이 걸리는 것과 비교하면 인류 진보에 한발짝기여한셈이다.
우리가 인공지능에 대해 일부 착각하고 있는것이, 인공지능이 일자리를 빼앗아 간다는 것인데 관점에 따라 해석을 다르게 할 수 있다. 산업혁명으로 인한 일자리 감소는 러다이트운동으로 이어졌고, 많은 단순 노동자들이 해고되었다. 하지만 이번 4차산업혁명은 러다이트 운동보다 규모가 크고, 전체 산업에 기반한다고 볼 수 있다. 이 때문에 단순히 기계가 일자리를 대체하는 것으로 인한 인력감소와는 다른 형태다. 왜냐하면 인공지능은 단순반복 뿐 아니라 스스로 학습하고 스스로 응용하여 인간이 도저히 계산할 수 없는 범위  그 이상으로 까지 결과를 낼 수 있기때문이다.보다 규모적인 일자리 감소가 이어지는 것은 기정사실이라고 볼 수 있다. 특히 코로나가 가장 큰 산업변화의 촉매제 역할을 했고, 우리가 예상하던 언택트 기술의 필요성과 상용화는 훨씬 크게 앞당겨졌다.

반대로, 이는 IT의 수요가 늘어났기때문에 새로운 규모의 일자리가 생겨난 것이다. 하지만 새로 생기게 될 일자리보다 줄어들게 되는 일자리 수가 훨씬 많기 때문에 통계적으로 보면 인류에겐 반기를 들만한 내용임은 틀림없다. 이때문에 기본소득에 대한 이야기가 끊임없이 화자되고 있다.  실제로 실리콘벨리에서는 기본소득에 대한 실험을 하고 있다.  IT의 최대 중심지인 실리콘벨리는 수많은 IT기업들이 자리잡고 있고,  내노라하는 기업들이 최대로 매출을 끌어모으고 있는 지역이다. 당연히 돈의 유동성이 넘쳐흐르는 곳일텐데, 올해 초에 EBS 창에서 보았던  실리콘벨리의 현실은 참혹했다. 수많은 사람들이 노숙자로 전락했고 노숙자들의 배변 위치를 알려주는 어플까지 등장했다.  너무 많은 양의 노숙자들이 쏟아져 나온 사실과 너무 많은 개발자들이 있다는 사실때문에 이러한 어플이 나온건데 정말 대조적이지않을 수 없다. 청소부들은 이러한 어플을 통해 처리한다고 한다. 이때문에 기본소득 논의에 대해 가장 빠르게 체감되는 동네가 실리콘 벨리이기때문에 마크저커버그 및 일론머스크까지 기본소득에 대해서 언급했다. 이 부분에 대해서는 따로 기회가 있으면 스크립트를 해서 정보를 모아야겠다. 소프트웨어와 바이오의 성장은 인류의 건강, 생명에는 필연적으로 도움이 되는 기술이다. 하지만 역설적으로 IT산업의 증가로 인해 늘어나는 인류의 몰락 또한 건강과 생명과는 너무 대조되는 그림이 아닐까?
이러한 시대적 아이러니가 공존하는 세상은 영화에서나 보던 내용이었는데 막상 이렇게 다가오니 너무 현실적이고 노골적으로 느껴졌다. 인류를 위한 바이오와 소프트웨어의 만남, '인류'를 위해서가 아닌 '일류'를 위한 기술은 잔인하지만 이미 현재진행형이다.

 

 

 

 

 

 

 

 

딥마인드의 인공지능이 밝힌 단백질 구조. 선들은 단백질을 이루는 아미노산들이 연결된 형태이다./딥마인드

인공지능(AI)이 50년 넘는 시도 끝에 사상 최초로 유전정보만으로 단백질의 3차원 입체 구조를 정확하게 예측하는 데 성공했다. 단백질은 생명체의 모든 현상을 좌우하는 생체 물질이어서 앞으로 AI가 생명과학과 의학 연구에 일대 혁신을 가져올 것으로 전망된다. 과학자들은 코로나 치료제 개발에도 AI가 결정적인 역할을 할 수 있다고 기대하고 있다.

영국의 AI업체인 딥마인드는 30일(현지 시각) “AI 알파폴드(Alphafold)가 단백질 구조 예측 과제의 3분의 2에서 과학자들이 실험으로 사전에 밝힌 것과 90% 이상 일치하는 결과를 얻었다”고 밝혔다.

딥마인드는 구글과 같이 알파벳 자회사로 국내에서 이세돌 9단과 바둑 대국을 벌인 AI 알파고를 개발했다. 2016년까지는 구글 자회사로 있었다.

단백질 구조 예측 대회인 CASP 조직자인 미국 메릴랜드대의 존 몰트 교수는 이날 “AI가 처음으로 실험에서 유용한 수준에 근접한 것”이라며 “엄청 놀라운 일”이라고 밝혔다.

◇단백질 구조 분석 대회서 인간 수준 입증

존 몰트 교수는 1994년에 컴퓨터로 단백질 구조를 예측하는 대회인 CASP를 시작했다. 과학자들이 사전에 실험을 통해 확인한 단백질 구조를 100점으로 두고 컴퓨터 예측이 90점 이상을 기록하면 실험과 대등한 결과로 간주했다.

2016년 대회에서 최고 난이도 과제의 1등은 40점에 그쳤으며, 2018년 첫 출전한 알파폴드는 이 분야에서 60점을 기록했다. 올해 성능이 개선된 알파폴드는 최고 난이도 과제에서 87점을 기록했으며, 단백질 3분의 2에서 90점 이상을 기록했다.

단백질은 생명현상을 조절하는 효소에서부터 물질 수송과 에너지 생산 등 거의 모든 곳에 관여하며, 그 기능은 단백질의 입체 구조에 좌우된다. 코로나 바이러스가 인체에 감염되는 것도 표면의 스파이크 단백질이 인체 세포 표면의 수용체 단백질에 결합하면서 시작된다.

단백질은 아미노산들이 연결된 형태다. 생명체는 DNA를 구성하는 염기 네 가지가 배치된 순서에 따라 아미노산들의 연결 순서를 결정한다. 과학자들은 DNA 유전정보를 해독하고 이에 기반해 컴퓨터로 단백질 구조를 예측하려고 했지만 반세기 넘는 노력에도 실패했다.

 

아미노산들이 연결된 사슬이 서로 접히면서 3차원 구조를 만드는 과정은 워낙 변수가 많아 유전정보만으로 예측할 수 없었던 것이다. 대신 과학자들은 단백질 결정에 X선을 쏘고 반사파를 감지해 3차원 구조를 힘들게 확인했다. 결정을 만들기도 어렵고 X선 산란 정보로 구조를 예측하는 것도 쉽지 않는 과정이다.

딥마인드 과학자들은 DNA 유전정보와 이미 실험을 통해 확인된 단백질의 3차원 구조 정보를 AI에게 학습시켰다. AI는 수많은 정보를 토대로 유전정보와 단백질 입체 구조 사이의 연관관계를 스스로 파악했다.

 

딥마인드의 인공지능이 예측한 단백질 입체 구조(파란색)과 과학자들이 사전에 실험으로 확인한 구조(녹색). 거의 일치하는 것을 알 수 있다./딥마인드

◇10년 동안 못 풀던 단백질 구조, AI가 30분만에 해결

알파폴드는 이미 실제 연구 현장에서 위력을 발휘하고 있다. 독일 막스 플랑크연구소의 안드레이 루파스 박사는 10년 동안 특정 단백질 구조를 알아내지 못했다. 하지만 알파폴드는 반시간 만에 단백질 구조를 알아냈다.

루파스 박사는 이날 영국 과학매체 뉴사이언티스트 인터뷰에서 “앞으로 단백질 구조 분석은 컴퓨터에 전적으로 의존하게 될 것”이라며 “의학의 운명을 완전히 바꿀 수 있다”고 말해다.

루파스 박사에 따르면 알파폴드는 이미 올 1월 중국에서 코로나 바이러스의 유전정보를 공개하자마자 단백질 구조를 예측하는 데 성공했다. 앞으로 알파폴드는 고가의 실험을 하지 않고도 기존 치료제 중에 코로나 바이러스의 단백질에 잘 결합하는 약물을 골라낼 수도 있다.

물론 아직은 한계가 있다. 몰트 교수는 “놀라운 결과지만 실패도 있었다”며 “주변 단백질에 영향을 받는 단백질은 구조 분석이 어려웠다”고 밝혔다. 딥마인드는 알파폴드 개선 작업을 계속 진행할 계획이며, 곧 알파폴드의 단백질 구조 예측 능역을 논문으로 발표하겠다고 밝혔다.