데미스 허사비스, 구글 인공지능의 아버지

제6부 디지털 생물학

15 단백질 접힘 문제

김경란, 김경진

1994년 CASP 대회의 시작 1972년 12월, 스톡홀름의 겨울은 유난히 차가웠지만 노벨상 시상식장의 열기는 뜨거웠습니다. 단상에 오른 미국의 생화학자 크리스천 앤핀센 은 인류 과학사에 남을 대담한 가설을 세상에 공표했습니다. 그는 단백질이라는 생명 의 미세한 기계가 어떻게 만들어지는지 에 대해 아주 단순하면서도 본질적인 원리를 제시했습니다.

"단백질의 3차원 입체 구조는 전적으로 아미노산 서열에 의해 결정된 다." 이것이 바로 훗날 '앤핀센의 도그마(An nsen's Dogma)'로 불리게 되는 명제입니다. 이 선언은 생물학계에 거대한 숙제를 던져주었습니다.

만약 앤핀센의 말이 맞다면, 우리는 이론적으로 1차원적인 아미노산 서열 정보만 알면 그것이 꼬이고 접혀서 만들 어낼 3차원 모양을 완벽하게 예측할 수 있어야했습니다. 하지만 자연은 그렇게 호락 호락하지 않았습니다. 아미노산 사슬이 접힐 수 있는 경우의 수는 우주에 존재하는 모든 원자의 수보다 많 았기 때문입니다.

사이러스 레빈탈(Cyrus Levinthal)이라는 과 학자는 이를 계산해보니 단백질 하나가 가능한 모든 구조를 무작위로 시도해 보는 데 만 우주의 나이보다 더 긴 시간이 걸린다는 '레빈탈의 역설(Levinthal's Paradox)'을 제기하기도했습니다. 자연은 1000분의 1 초 만에 이 과정을 끝내는데, 인간의 슈퍼컴 퓨터는 수십 년을 계산해도 정답을 찾지 못하 는 상황이 벌어진 것입니다. 이 난제를 해결하기 위해 과학자들은 1994년, 매우 독특한 실험을 시작했습니다.

바로 '단 백질 구조 예측 학술 대회(CASP, Critical Assessment of Structure Prediction)'입니다. 메릴랜 드 대학교의 존 몰트(John Moult) 교수가 창설한 이 대회 는 일종의 '블라인드 테스트'였습니 실험실에서 이미 구조를 밝혀냈지만 아직 대중에 게 공개하지 않은 단백질 문제를 출제 하면, 전 세계의 컴퓨터 과학자와 생물학자들이 각자의 알고리즘으로 그 구조를 예측해 답 안지를 제출하는 방식이었습니다. 2년에 한 번씩 열리는 이 대회는 생물학계의 올림픽과 도 같았습니다.

대회가 거듭될수록 과 학자들의 표정은 어두워져 갔습니다. 1994년부터 2016년까지 약 20년 동안, 예측 정

확도는 지지부진했습니다. 100점 만점에 40점 언저리를 맴도는 성적표는 인류 지성 의 한계를 보여주는 듯했습니다. 과학자들은 서서히 지쳐가고 있었습니다.

바로 그때, 런던의 한 연구소에서 이 문제를 전혀 다른 시각으로 바라보는 남 자가 등장했습니다. 단백질이 '루트 노드(Root Node)' 문제인 이유: 생명과학의 병목 데미스 허사비스에게 세상은 하나의 거대한 정보 처리 시스템이었습니다. 그는 딥마인드의 미션을 "지능을 푼다(Solve Intelligence)"로 정했을 때, 단순히 바 둑을 잘 두거나 채팅을 잘하는 AI를 꿈꾼 것이 아니었습니다.

그는 과학적 발견의 속 도를 획기적으 로 높일 수 있는 메타 솔루션(Meta-solution)을 원했습니다. 허사비스는 과학의 수많은 난제들을 나뭇가지에 비유했습니다. 기후 변화, 질병 치 료, 신 소재 개발 같은 문제들은 나뭇가지 끝에 매달린 잎사귀와 열매들입니다.

이 개 별적인 문제 들을 하나하나 해결하려면 엄청난 시간과 비용이 듭니다. 허사비스는 생각했습니다. "가지를 하나씩 치는 대신, 이 모든 문제들이 뻗어 나오 는 뿌리, 즉 루트 노드(Root Node)를 찾아 해결하면 어떨까?" 그가 보기에 생물학의 루트 노드는 바 로 '단백질 접힘(Protein Folding)’이었습니다.

우리 몸의 모든 기능은 단백질에 의해 작동합니다. 눈으로 빛을 감지하는 것도, 근 육을 움 직이는 것도, 바이러스와 싸우는 항체도 모두 단백질입니다. 단백질의 기능은 그 '모양'에서 나옵니다. 열쇠가 자물쇠 구멍에 딱 맞아야 문이 열 리듯, 단 백질도 특정한 3차원 구조를 가져야만 질병이라는 자물쇠를 풀 수 있습니다.

신약 개발이 그토록 어렵고 비싼 이유는, 약물이 작용해야 할 표적 단백질의 모양을 정확 히 모르기 때문에 수만 번의 시행착오를 거쳐야 했기 때문입니다. 허사비스는 확 신했습니 만약 AI가 단백질 구조를 예측할 수 있다면, 그것은 생물학이라는 학문을 순 수 실험 과 학에서 데이터 과학으로 전환시키는 계기가 될 것이라고 말입니다. 이것은 딥마인드가 게 임 회사가 아니라 과학 탐구 집단임을 증명할 수 있는 완벽한 과제였습니다.

게임에서 과학으로의 전환 게임 '폴딧(Foldit)'에서 얻은 영감 허사비스가 단백질 문 제에 확신을 갖게 된 결정적인 계기는 의외로 '게임'에서 왔습니다.

2008년 워싱턴 대학교의 데이비드 베이커(David Baker) 교수팀이 개발한 '폴딧 (Foldit)'이라 는 게임이 있었습니다. 이 게임은 복잡한 단백질 구조를 3차원 퍼즐처럼 화면에 띄워놓고, 일반 게이머들이 마우스를 이용해 이리저리 비틀고 접으며 가장 안 정적인 구조를 만드는 방식이었습니다. 놀라운 일은 그다음 벌어졌습니다.

과학자들이 10년 넘게 슈퍼컴퓨터를 돌려도 풀 지 못했 던 에이즈 관련 효소의 구조를, 폴딧을 플레이하던 게이머들이 불과 3주 만에 풀어낸 것입 니다. 이들은 생물학 박사 학위가 없는 평범한 사람들이었습니다. 그저 3 차원 공간에서 사 물들의 패턴을 인식하고 직관적으로 퍼즐을 맞추는 능력이 뛰어난 사람들이었을 뿐입니다. 이 뉴스를 접한 허사비스의 뇌리에 번개 같은 영감이 스쳤습니다.

"인간 게이머들이 직관을 이용해 거대한 탐색 공간(Search Space)을 좁혀나간다면, 알파고(AlphaGo) 가 했던 일이 바로 그것 아닌가?" 바둑 역시 우주의 원자 수보다 많은 경우의 수를 가 지고 있지만, 알파고는 모든 수를 계산하는 대신 '가치망'과 '정책망'이라는 직관을 통 해 승리로 가는 길을 찾 아냈습니다. 허사비스에게 단백질 접힘은 더 이상 생물학의 문제가 아니었습니다.

그것은 '공간 최적화 게임'이자 '패턴 인식 문제'였습니다. 생물학적 지식이 없어도, 데이터와 보상 (Reward)만 있 다면 AI가 인간 게이머보다 훨씬 더 잘할 수 있는 영역이었습니다. 게 임 개발자 출신인 그에게 과학의 난제는 공략해야 할 '보스 몬스터'로 보이기 시작했습니다.

알파폴드(AlphaFold) 프로젝트의 시작: "이것은 등대 프로젝트" 2016년, 알파고가 이세돌 9단을 꺾은 직후, 딥마인드 내부에서는 "다음은 무엇인가?"에 대 한 치열한 논 의가 벌어졌습니다. 스타크래프트 같은 더 복잡한 게임을 정복해야 한다는 의 견도 있 었고, 로봇 공학으로 진출해야 한다는 의견도 있었습니다. 하지만 허사비스는 조용 히, 그러나 단호하게 과학 팀을 꾸리기 시작했습니다.

그는 이 프로젝트를 '등대 프로젝트(Lighthouse Project)'라고 명명했습니다. 망망 대해에서 길을 잃은 배들에게 빛을 비춰주듯, AI가 인류에게 실질적인 도움을 줄 수 있다는 것을 증 명하는 지표가 되어야 한다는 뜻이었습니다.

하지만 시작은 순탄치 않았습니다. 딥마인드 핵심 엔지니어들조차 "생물학은 너무 불확실 성이 크다", "데이터가 지저분해서 AI가 학습하기 어렵다"며 회의적인 반응을 보였습니다. 허사비스는 특유의 설득력으로 팀을 독려했습니다.

그는 20대 후반의 젊은 연구원 존 점퍼 (John Jumper)를 비롯한 소수의 정예 멤버를 모아 '알파폴드(AlphaFold)' 팀을 결성했습니다. 목표는 명확했습니다. "바둑판 위에서 거둔 승리를 생명이라는 캔버스 위로 옮겨온 다."

허 사비스는 이 프로젝트가 실패할 경우 딥마인드가 그저 '게임 잘하는 기계'를 만 드는 회사 로 기억될 것임을, 반대로 성공할 경우 노벨상급의 발견이 될 것임을 직감 하고 있었습니 과학자로서의 허사비스와 경영자로서의 허사비스가 동시에 던진 가장 큰 승부수였습니다. 단백질의 3차원 접힘 구조