과학자들은 처음으로 머신러닝 기반 AI를 사용하여 살아있는 유기체에서 생화학 반응을 가속화하는 이전에 존재하지 않았던 단백질인 de novo 효소를 설계했다. 효소는 소화에서 근육 형성, 호흡에 이르기까지 광범위한 중요 과정을 주도한다.

워싱턴 대학의 단백질 디자인 연구소가 이끄는 팀은 UCLA의 동료들과 중국의 시안교통대학교 (Xi'an Jiaotong University)와 함께 AI 엔진을 사용하여 루시페라아제라는 종류의 새로운 효소를 만들었다. 루시페라아제는 이름에서 알 수 있듯이 빛을 방출하는 화학 반응을 촉매한다. 그들은 반딧불이에게 플레어를 제공한다.

"살아있는 유기체는 놀라운 화학자이다."라고 UW의 생화학 교수이자 연구의 수석 저자인 David Baker는 말했다.

“독성 화합물이나 극심한 열에 의존하는 대신 부드러운 효소를 사용하여 필요한 모든 것을 분해하거나 축적한다. 새로운 효소를 만들 수 있다면 재생 가능한 화학 물질과 바이오 연료를 사용할 수 있게 된다.”

딥 러닝 디자인: 최근 AI 기반 창작물, 특히 ChatGPT와 같은 텍스트 생성기 또는 멋진 이름의 DALL-E와 같은 이미지 생성기에 대한 헤드라인이 넘쳐났다.

그러나 유사한 AI는 새로운 약물, 단백질 및 항체를 발견하는 데도 사용되었다.

보스턴에 기반을 둔 한 스타트업은 DALL-E가 새로운 인공 단백질을 디자인하기 위해 이미지를 만드는 데 사용하는 것과 동일한 기술을 활용하는 AI 모델을 만들었다. 캘리포니아의 생명공학 Profluent는 ChatGPT와 같은 AI에 "생물학 언어"를 제공함으로써 박테리아를 죽일 수 있는 새로운 단백질을 만들었다.

고성능 AI는 단백질 디자인의 핵심 구성 요소이다. 왜냐하면 단백질은 오랜 진화에 의해 연마된 매우 복잡한 분자이기 때문이다. 단백질이 하는 일에 모든 차이를 만들 수 있는 가능한 복잡하고 중요한 구조의 수는 이해하기 어렵다. (우리는 여기에서 Google Cubed에 대해 이야기하고 있다.)

새로운 촉매제: Nature에 발표된 연구에서 UW 박사후 연구원 Andy Hsien-Wei Yeh(발광 진단 바이오센서 제조업체 Monod Bio의 공동 창립자이기도 함)와 Christoffer Norn이 이끄는 팀은 화학 물질을 선택하는 것으로 시작했다. 그들은 루시페라아제가 발광 반응을 촉매하기를 원했다(이것을 루시페린이라고 하며 주제를 기반으로 한다).

그런 다음 그들은 AI에게 루시페린과 상호 작용할 수 있는 수천 개의 가능한 단백질을 만드는 임무를 부여했다. 첫 번째 모델은 실험실에서 잠재적으로 실망스러워 보였고 거의 화학 반응을 일으키지 않았다.

그러나 지속적인 개선을 통해 팀은 루시페라아제의 성능을 향상시킬 수 있었다. 가장 성공적인 LuxSit-i는 육안으로 볼 수 있을 만큼 충분히 밝은 빛을 내며 빛나는 팬지(생물 발광 연산호의 일종)에서 발견되는 천연 루시페라제보다 성능이 뛰어나다.

루시페라제에 의해 생성된 생물발광은 실험실에서 화학물질을 테스트하고 생물의학 이미징에 매우 유용하다고 팀은 논문에서 썼다. 외부 광원이 필요하지 않기 때문에 루시페라아제의 빛은 어둠 속에서 생성될 수 있으며 살아있는 샘플의 일부 형광 마커보다 더 높은 감도를 제공한다.

그러나 루시페라아제 개발의 어려움과 알려진 자연 발생 효소의 수가 제한되어 있어 루시퍼라아제에 대한 연구가 보다 잘 확립된 형광 작업보다 뒤떨어져 있음을 의미했다.

더 큰 문제: 팀은 그들의 작업이 새로운 빛나는 효소를 만드는 것보다 잠재적으로 더 큰 것으로 보고 있다.

AI 방법이 입증됨에 따라 광범위한 생화학 반응을 수행할 수 있는 다양한 효소를 생성할 수 있는 문이 열렸다. 인공 효소는 개선된 바이오 연료를 만들거나 의료 진단 도구로 사용하거나 오염 물질을 분해할 수 있다.

"우리는 자연에서 발견되는 효소에 의존하는 것과는 반대로 컴퓨터에서 처음부터 매우 효율적인 효소를 설계할 수 있었다."라고 Yeh는 말했다. "이 혁신은 원칙적으로 거의 모든 화학 반응을 위한 맞춤형 효소를 설계할 수 있음을 의미한다."

Freethink