[📪정보] 알파폴드2의 혁신은 기존 연구자들과의 피드백에 있음

[익명(211.47)]

알파폴드2가 이렇게 데이터베이스를 공개한 것자체만으로 모든 일이 끝나는 것은 아님

알파폴드2의 예측은 말그대로 예측이고, 여전히 전통적인 방식으로 단백질 구조를 파악함으로써 그것을 확정하는 과정은 당분간은 필요할 가능성이 높음

The second comes from the group of Henning Tidow, who was studying an integral membrane protein, the reductase FoxB (apparently related to iron uptake in Gram-negative bacteria). Prof. Tidow’s group worked on this model for about two years, trying different methodologies to solve the crystal structure, including experimental phasing methods. When they were given the models from DeepMind’s prediction, they managed to solve the problem by molecular replacement in a matter of hours.

두 번째 예시로 통합 막 단백질인 환원효소 FoxB(그람 음성 박테리아의 철 흡수와 관련이 있음)를 연구하던 Henning Tidow 연구팀의 사례를 들 수 있다. Tidow 교수 연구팀은 약 2년 동안 이 (단백질) 모델에 대해 연구했으며 위상 실험을 포함해 결정 구조를 파악하기 위해 다양한 방법을 시도했다. 그리고 DeepMind가 예측한 모델을 받았을 때, 그들은 몇 시간 만에 분자 교체를 통해 문제를 해결할 수 있었다.

https://www.blopig.com/blog/2020/12/casp14-what-google-deepminds-alphafold-2-really-achieved-and-what-it-means-for-protein-folding-biology-and-bioinformatics/

근데 위의 인용문을 보면 전통적인 방식으로 단백질 구조를 파악하는 데 수 년이 걸렸는데도 연구결과를 해석하고 단백질 구조를 온전히 파악하는게 힘들었던 구조생물학자들이 딥마인드가 예측한 모델을 받자마자 그 구조를 참고해서 몇 시간안에 그 문제를 해결할 수 있었던 사례가 보고 되었고, 알파폴드2가 각국 대학과 연구실들과 협약을 맺음으로써 이미 이런 일들이 지금 전세계에서 벌어지고 있다고 함

예를 들어 아주 어려운 수학문제가 있다고 쳐, 그런데 그냥 맨 땅에 헤딩하듯이 아무것도 없는 상태에서 문제를 풀어야 하는 것과,

답안이 이미 주어진 상태에서 문제를 푸는 것 둘 중에 어느 것이 쉬울까? 당연히 후자가 될 것임

설령 주어진 풀이방법과 답안이라는게 100% 정확할 확률은 6분의 1, 80% 정확할 확률은 절반 뭐 이런 식으로 꼭 항상 정확한 답안이 주어지는 게 아니라고 해도, 부분적으로 틀린 답안을 참고해서라도 문제를 푸는 게 아무것도 없는 상태에서 문제를 푸는 것보다는 훨씬 쉬운 일이 됨

이런 식으로 앞으로 단백질 구조파악 작업이 훨씬 더 가속화 되면 인간학자들이 컨펌할 수 있을 정도로 정확한 단백질 구조의 데이터 베이스도 기하급수적으로 늘어나게 됨 하나 파악하는데 몇년 걸리던게 몇시간, 심지어 몇 분으로 줄어든다면 당연하겠지

그리고 이 자료들은 다시 AI의 input으로 들어가 AI가 단백질 구조예측을 더 잘할 수 있게 도와주고, 인간 학자들은 더 정확한 답안을 참고해서 단백질 구조 예측을 하게 되는 선순환이 이뤄짐

이런 식으로 AI는 더더욱 완전해지고 인간학자들은 더 빨리, 더 정확하게 단백질 구조예측을 하게되면서 연구인력과 자본 대부분은 아직 미해결된 더욱 어려운 문제에 집중될 수 있고, 또 이 사람들이 어느정도 데이터를 쌓아놓으면 그 데이터를 해석해서 구조예측을 하는 새로운 AI를 개발하고... 이런식으로 인류 발전이 더 수확가속의 법칙의 그래프를 그릴 개연성이 생김

단백질 구조예측 분야에서는 몇 가지 연구주제는 알파폴드 때문에 더 이상 연구할 가치가 없어졌지만 앞으로 해결되어야 할 다른 문제들에 이미 AI가 투입될 예정에 있음

알파폴드와 알파폴드를 참고한 다른 연구팀들의 다음 목표는 단백질이 지질이나 당 같은 다른 분자들과 어떻게 상호작용하는지에 적용하는 것 혹은 단백질 구조예측과는 반대로, 거꾸로 단백질 구조를 보고 해당 단백질의 아미노산 서열을 예측하는 역단백질구조 예측 분야 등등 다양한 문제들을 포괄하고 있고

이런 문제들은 알파폴드가 오픈소스로 풀렸기 때문에 딥마인드에서만 단독으로 진행하는게 아니라 여러 파생 AI들이 함께 연구를 가속화 해 나가게 될거임 지질이나 당과 상호작용하는 부분은 이미 다음목표 가운데 하나로 하사비스가 언급했고, 역단백질구조 예측 분야는 에든버러 연구팀이 딥러닝 알고리즘을 통해 해결하려고 시도하고 있고 연구가 상당히 진척되어있다고 함. 단지 연구를 발표하기전에 알파폴드2의 연구성과를 참조해서 내용을 고치기 위해 알파폴드2의 완전한 공개와 오픈소스화만을 기다려왔을 뿐이라고.

마치 알파고 이후에 기존의 바둑 프로그램들이 알파고를 참조해서 완전히 구조를 혁신하고 자웅을 겨루며 경쟁하게 된것과 마찬가지의 일이 구조생물학 분야에서 일어나게 된 것과 다름없음

심지어 알파폴드가 이렇게 단백질 구조를 대규모로 파악해준 덕분에 단백질끼리 어떻게 대규모로 상호작용하는지를 연구하는, 기존에는 성과가 미미했던 연구분야가 제대로 발달할 가능성 또한 점쳐지고 있다고 함

이게 지금은 구조생물학 분야이지만, 앞으로 다른 과학계에 비슷한 일이 일어난다면 인류의 과학기술발전은 실로 전방위적으로 가속화 될 것이라고 봄. 단지 구조생물학분야가 첫 스타트를 끊었을 뿐

[익명(58.124)]

당장 바라는게 이런거다 나는. 꼭 특이점 아니라도 ai가 이상태로 발전해 나간다면 머지 않아 좋은 세상 올거다.

[익명(211.47)]

맞아 사실 알파폴드2는 약인공지능에 불과한데도 벌써 과학기술발전을 가속화시키는 중임. 엄밀히 말하면 "선형적인" 발전이라는 것은 우리 생애에는 없음 지수 그래프의 변수를 어느정도로 설정하느냐, 과학발전이 단속평형 그래프를 그릴것이냐 아니면 정체기 없이 끊임없기 가속만 할것이냐 이런 부분에선 특이점주의자와 비특이점주의자의 이론이 갈릴 수 있겠지 그렇지만 일단 약인공지능만으로도 과학기술은 지수그래프를 그리게는 되어있음 즉 아무리 제대로 선형충인 인간이라고 해도 결국은 가까운 미래에는 자기 입장을 어느정도는 수정해야할거임

[스월빙(wkd48632)]

추천 박는다 근데 기존의 방식은 사람만 가능할까?

[익명(211.47)]

crystallography나 cryo em 같은 기존의 방식은 일단은 사람이 필요함 정성적인 분야라서. 하지만 만약에 ai가 장래에 예측 확률을 더욱 끌어올리게 되면 그 필요성은 점점 떨어지게 되겠지

[스월빙(wkd48632)]

이게 그 결정에 레이저 쏴서 회절하는 그거냐

[익명(211.47)]

crystallography가 그거임 그 외에도 몇가지 다른 방식이 개발되어있음

[스월빙(wkd48632)]

요구되는 학력 수준이 확 줄어들 수도 있겠다.

[익명(211.47)]

보통의 일자리 같으면 그럴 수도 있는데 이건 학계에 적용되는 거다보니 그냥 특정 연구분야가 아예 사장되고 다른 분야를 개척하는 방향으로 흘러갈 거같음

[익명(106.101)]

정보 카테고리로 바꿨으면 좋겠네.

[익명(211.47)]

ㅇㅋ 좀 있다 바꾸겠음

[익명(118.39)]

개추

[익명(222.152)]

매혹적이네. 이걸응용한 신약은 언제 나오는지 궁금. 몇년내에 나오겠지. 아주 혁신적인 약이

[익명(211.47)]

파이프라인의 규모자체는 커지지만 당장 1~2년사이 일은 아닐듯 왜냐면 임상시험 기간이 단축된 건 아니니까

[깝대형(sg1234)]

왔다

[익명(125.136)]

성과네

[익명(223.38)]

[행정지원본부(dbctvch9)]