메타 연구팀 모인 AI스타트업
ESM3로 녹색 형광 단백질 생성
신약 개발 기간·비용 절감 전망
과학기술계에서도 생성형 AI를 연구혁신에 활용하기 위한 열기가 뜨겁다. 생명현상의 근간이 되는 단백질 구조 예측을 위한 기초연구부터 신약 물질, 배터리 소재 발굴, 각종 질병 진단까지 활용 분야가 빠르게 늘어나고 있다. 최신 연구동향과 선행연구 분석, 동료평가(피어 리뷰) 등 논문 작성과 검증에도 활발히 쓰인다. 다만 AI가 만든 가짜 정보에 대한 안전장치가 필요하다는 목소리가 나온다.
국제 학술지 네이처는 8일(현지시간) 메타 출신 과학자들이 설립한 AI 스타트업인 에볼루셔너리스케일이 자체 개발한 단백질 생성 AI 모델인 'ESM3'를 통해 새로운 녹색 형광 단백질(esmGFP)을 생성했다며 관련 기술을 조명했다.
에볼루셔너리스케일이 선보인 ESM3는 단백질 기능에 대한 정보 외에 27억개 이상의 단백질 서열과 구조 정보를 학습해 만들어졌다. 이를 통해 단백질의 서열과 구조, 기능을 추론하고 새로운 단백질을 생성할 수 있다.
이 회사는 ESM3를 활용해 새로운 녹색 형광 단백질을 생성하는 데 성공했다. 이 기업은 논문을 통해 "esmGFP는 가장 가까운 형광 단백질과 58%만 유사한 서열을 가지고 있다"며 "자연에서 발견되는 GFP를 감안하면, 새로운 형광 단백질의 생성은 5억년 이상의 진화를 시뮬레이션한 것과 같은 것으로 추정된다"고 말했다.
ESM3 모델은 챗GPT처럼 텍스트, 영상, 이미지 등을 함께 처리하고 생성하는 멀티모달 AI로, 사용자가 제공하는 사양에 따라 원하는 단백질의 서열과 구조, 기능 등을 추론·학습해 제공한다.
구글 딥마인드는 앞서 2018년 단백질 구조를 예측해 모델링하는 AI 도구 '알파폴드'를 선보였다. 최근 선보인 알파폴드3는 하나의 단백질뿐 아니라 다른 생체분자와 상호작용까지 예측하는 수준으로 고도화됐다. 예측 범위를 더 넓어져 항체-항원 상호작용, RNA와 DNA 등의 생체분자와 단백질 사이 상호작용까지 광범위한 생체분자 유형까지 예측할 수 있을 정도로 발전해 신약개발 기간과 비용 절감에 기여할 전망이다.
구글과 마이크로소프트(MS) 등 빅테크 기업들은 이미 제조 환경에 생성형 AI를 속속 도입하고 있다. 특히 수년 걸리던 배터리 재료 개발 기간을 생성형 AI를 활용해 대폭 단축할 수 있다. 국내에서는 LG에너지솔루션이 배터리 제작 등 업무 전반에 생성형 AI 기술을 도입하는 'AI 통합 플랫폼' 구축을 올해까지 완료할 계획이다.
다만 전문가들은 데이터 편향과 할루시네이션(허위·날조된 정보가 포함되는 현상) 등 생성형 AI의 부작용을 보완하기 위한 노력이 시급하다고 지적한다.
과학 연구현장에서는 학술 논문이나 발표 자료 작성 등을 생성형 AI에 맡겨 시간적 비용을 줄이고 있다. 하지만, 일부 국제 학술지에서 생성형 AI를 활용해 논문과 전혀 어울리지 않는 내용들이 걸러지지 않고 게재돼 논란을 빚기도 했다. 생성형 AI에 따른 부작용이 불거지자 네이처는 논문 저자로 생성형 AI를 인정하지 않겠다고 밝혔고, 생성형 AI를 활용한 경우 논문에 명시하도록 윤리 규정을 마련했다.
전문가들은 생성형AI가 과학계에 앞으로 더욱 활발히 적용될 것인 만큼 위·변조 등을 최소화하기 위한 대책이 필요하다고 지적한다. 특정 분야의 데이터를 집중적으로 학습시켜 확실한 지식을 갖게 하는 등 AI 능력을 향상시키는 노력도 요구된다.
이덕환 서강대 명예교수는 "논문을 연구자가 직접 작성한 것인지, 생성형 AI가 생성해준 것인지 파악할 수 없는 상황이 돼 버렸다"며 "생성형 AI에 힘입어 과학기술 발전속도가 더 빨라질 것이라는 기대도 있지만, 자칫 생성형 AI가 만들어 준 엉터리 내용과 그림을 은밀하게 사용할 경우 과학자들의 연구 윤리에 심각한 훼손을 가져오게 될 것"이라고 말했다.
