의료·바이오 AI

엔비디아가 구글 딥마인드와 협력해 2800개 이상의 바이러스 단백질 복합체 입체 구조를 공개했습니다. 이번 데이터는 차세대 감염병 대응 연구를 가속합니다.

스탠퍼드 대학교 연구팀이 데이터 불균형 문제를 해결하는 자기지도 학습 메타 알고리즘 DR-GEM을 개발했습니다. 이 기술은 희귀 세포 유형을 정확하게 복구하여 정밀 의료 데이터 분석 효율을 높입니다. 네이처 커뮤니케이션즈에 논문이 게재되었습니다.

홍콩과학기술대학교 연구진은 탕글디프라는 딥러닝 프레임워크를 활용해 프로그래밍 가능한 단백질 이량체를 설계했습니다. 이 모델은 인실리코 설계 성공률 70%를 상회하며 하이드로젤 형성을 입증했습니다. 해당 연구 결과는 2026년 9월 네이처 커뮤니케이션즈에 게재되었습니다.

인간 유전체 내에서 이동하는 트랜스포존은 생명체의 적응과 진화 과정에서 중요한 유전적 도구로 작용합니다. 과학계는 이 요소가 단순한 기생체를 넘어 급격한 환경 변화에 대응하는 혁신적인 기제임을 밝혀내고 있습니다. 본문은 트랜스포존의 발견부터 진화적 역할까지의 과정을 다룹니다.

텐센트 AI 생명과학 연구소와 북경대학교 등 공동 연구진이 암 진단 정확도를 높이는 인공지능 프레임워크 '에스티트랜스밀'을 개발했습니다. 이 모델은 단일 세포 수준의 데이터와 환자 표현형을 직접 연결해 암의 기원 조직을 예측합니다. 연구 결과는 네이처 커뮤니케이션즈에 실렸습니다.

세자르 데 라 푸엔테 연구소가 인공지능을 활용하여 항생제 내성 감염병 치료 후보 물질을 탐색하고 있습니다. 방대한 유전체 데이터 분석을 통해 신약 개발 기간을 단축하며 의료 현장의 난제를 해결하는 중입니다. 인공지능 모델의 효능 검증과 데이터 편향성 극복은 남겨진 과제입니다.

엔비디아가 개발한 바이오네모 추론 런타임(BioIR)은 생체 분자 구조 예측 모델의 처리량을 극대화하여 대규모 단백질체 연구를 가속화합니다. 에이치백(H100) 그래픽 처리 장치(GPU) 환경에서 기존 오픈소스 구현체 대비 약 3배 향상된 처리량을 기록했으며, 전력 소비를 대폭 절감합니다. 엔비디아 기술 블로그를 통해 해당 기술의 성능과 구조적 최적화 전략을 확인했습니다.

연구진은 행렬 삼중 분해 방식을 활용해 극소량의 관측 데이터만으로 고차원 정보를 복원하는 설명 가능한 데이터 생성 기법을 개발했습니다. 이 기술은 의료 AI 분야에서 블랙박스 모델의 한계를 극복하고 신뢰성을 높입니다. 네이처 커뮤니케이션즈에 관련 연구가 게재되었습니다.

구글 딥마인드가 인간 유전체에서 발생 가능한 90억 개의 단일 문자 변이 작용을 예측하는 알파게놈 아틀라스를 공개했습니다. 이 데이터베이스는 단백질 구조 예측 모델 알파폴드보다 30배 큰 규모를 지닙니다. 연구자들은 비상업적 용도의 웹 포털과 응용 프로그램 프로그래밍 인터페이스를 통해 해당 데이터를 활용할 수 있습니다.

베이징대학교 생물의학정보학과 연구진이 단백질 언어 모델의 잔기 중요도 점수를 동적 위치 가중치로 통합하는 구조 예측 기술인 아이폴드를 개발했습니다. 3599개의 단백질 구조 벤치마크 테스트에서 기존 모델 대비 예측 오차를 평균 0.3 옹스트롬 줄였으며, 예측 성공률을 7.6% 높였습니다. 해당 연구 결과는 커뮤니케이션즈 바이올로지 저널에 게재되었습니다.