한눈에

Latent Space가 10월 10일 Google DeepMind의 Pushmeet Kohli와 Biohub의 Sal Candido가 나온 패널 대담을 올렸다. 진행은 Brandon Anderson이 맡았고 약 32분 분량이다. 주제는 AI가 생물학을 제대로 이해하려면 무엇이 필요한가다.

AlphaFold가 한 일

Kohli는 단백질이 블록처럼 움직이지 않는다고 했다. 단백질은 무질서하고, 상황에 따라 모양이 바뀐다. 진짜 바닥 상태나 구조의 분포는 아직 모른다.

그래서 AlphaFold가 한 일은 누군가 실험으로 얻어 PDB(단백질 구조 데이터베이스)에 올린 구조를 재현한 것이라고 했다. 그게 쓸모가 컸을 뿐, 단백질의 움직임까지 이해한 건 아니라는 설명이다. 그는 단백질 구조 예측과 동역학 연구에 계속 돈을 대야 한다고 했다.

왜 중요한가

Kohli는 해석 가능성보다 믿을 수 있느냐가 먼저라고 봤다. AlphaFold가 좋은 답을 내도 자기 확신도(pLDDT)가 엉망이면 아무도 믿지 않는다. 확신한다던 답이 1년 뒤 틀린 걸로 드러나면 곤란하기 때문이다.

사람이 AlphaFold의 내부를 다 이해하긴 어렵다고도 했다. 대신 미래의 최첨단 모델이 AlphaFold의 활성값을 보고 그 작동 원리를 설명할 수 있을지도 모른다고 했다.

어떻게 바뀌나

Candido는 질 낮은 데이터도 쓸모 있다고 했다. 온전한 단백질도 아닌 메타게놈 서열로 단백질 언어 모델을 학습시켰더니, 실제 단백질 설계 성능이 올랐다는 것이다. 지금 모델 안에도 구조뿐 아니라 기능과 움직임 정보가 있어서, 꺼낼 게 많다고 봤다.

신약 개발에 대해 Kohli는 AI가 이미 모든 단계에 쓰이고 있다고 했다. 다만 10배, 100배 빨라지려면 생물학의 어려운 문제부터 풀어야 한다고 봤다.