오픈프로틴, 생물학자 대상 노코드 단백질 설계 플랫폼 출시

주장오픈프로틴은 인공지능 전문가가 아니더라도 생물학자가 최첨단 단백질 설계 모델을 쉽게 활용하도록 지원합니다. 연구자는 복잡한 코딩이나 고성능 컴퓨팅 자원 없이도 단백질 구조와 기능을 예측하고 설계합니다.

팩트오픈프로틴은 매사추세츠공과대학교(MIT) 박사 출신 트리스탄 베플러와 전 MIT 교수 팀 루가 공동 설립했습니다. 이 기업은 제약 및 바이오 기업뿐만 아니라 학계 연구자에게도 플랫폼을 제공하며, 학계에는 도구를 무료로 개방합니다.

팩트핵심 기술인 단백질 진화 변환기(PoET, Protein Evolutionary Transformer)는 단백질 진화 데이터를 학습하여 새로운 단백질 서열을 생성합니다. 최근 출시한 PoET-2 모델은 이전보다 적은 컴퓨팅 자원과 데이터로 뛰어난 성능을 보입니다.

팩트오픈프로틴 플랫폼은 웹 기반의 노코드 인터페이스를 제공하여 사용자가 데이터를 올리고 기계 학습을 수행하도록 돕습니다. 코딩에 익숙한 고급 사용자를 위해서는 별도의 응용 프로그램 인터페이스(API)를 제공하여 연구 환경의 유연성을 높입니다.

팩트트리스탄 베플러는 2014년 MIT 전산 및 시스템 생물학 박사 과정에 입학하여 보니 버거 교수의 지도 아래 단백질 언어 모델 연구를 시작했습니다. 그는 구글의 알파폴드 등장 이전부터 진화 데이터를 분석하여 단백질 서열을 예측하는 생성형 인공지능 모델을 연구했습니다.

주장베플러는 단백질 공학을 넘어 생물학적 시스템 전체를 설명하는 언어를 만드는 것이 궁극적인 목표라고 밝혔습니다. 이는 단백질 서열과 기능 사이의 복잡한 연결 고리를 인공지능으로 해석하여 생명 현상을 깊이 이해하려는 시도입니다.

팩트글로벌 제약사 베링거인겔하임은 2025년 초부터 오픈프로틴 플랫폼을 도입하여 암 및 자가면역 질환 치료제 개발에 활용합니다. 최근 양사는 협력을 확대하여 단백질 공학 연구 전반에 해당 모델을 통합하기로 결정했습니다.

교차검증인공지능 기반 단백질 설계는 신약 개발 주기를 단축할 잠재력이 크지만, 모델이 생성한 결과물이 실제 실험실 환경에서 동일하게 작동할지는 검증이 필요합니다. 연구자는 컴퓨터 시뮬레이션 이후 반드시 실험적 검증 과정을 거쳐야 합니다.

교차검증인공지능 모델이 단백질의 진화적 제약을 학습하더라도, 자연계에 존재하지 않는 새로운 단백질을 설계할 때는 데이터의 한계가 존재할 수 있습니다. 모델의 범용성을 높이기 위해서는 방대하고 다양한 실험 데이터를 지속적으로 확보해야 합니다.

출처MIT 뉴스(https://news.mit.edu/2026/bringing-ai-driven-protein-design-tools-everywhere-0417)를 통해 해당 내용을 교차 검증했습니다.