구글 딥마인드, AI가 만든 단백질·유전체 추적하는 워터마크 기술 공개

AI 기술이 생명과학 분야에 혁신을 불러오고 있는 가운데, 구글 딥마인드가 최근 발표한 신개념 워터마킹 기술이 주목받고 있다. 이 기술은 AI가 설계한 단백질과 유전체의 출처를 추적할 수 있는 솔루션으로, 생물학적 데이터의 신뢰성과 안정성을 높이는 데 기여할 것으로 기대된다.

AI의 진화, 단백질 설계의 새로운 패러다임

AI 기술은 이미 여러 산업에서 변화를 이끌고 있지만, 생명과학 분야에서의 활용은 그야말로 혁신적이다. AI는 기존에 없던 단백질과 유전체를 설계할 수 있는 능력을 갖추게 되었고, 이에 따라 연구자들은 보다 빠르고 효율적으로 실험을 진행할 수 있게 되었다. 그러나 이러한 기술 발전과 함께 AI가 생성한 생물학적 설계의 출처를 확인하고 추적하는 새로운 과제가 대두되었다. 구글 딥마인드는 이러한 문제를 해결하기 위해 '신스ID 바이오(SynthID Bio)'라는 생물학 전용 워터마킹 기술을 공개했다.

신스ID 바이오는 단백질 아미노산 서열이나 3차원 원자 좌표를 미세하게 수정하여, 눈에 보이지 않는 식별 신호를 단백질에 삽입하는 방식으로 작동한다. 이 과정에서 본래 단백질의 생물학적 기능을 해치지 않도록 유사한 성질을 지닌 아미노산을 선택해 서열을 변경한다. 구글 딥마인드는 이를 통해 AI가 설계한 단백질이 실제 실험에서 어떻게 활용되고 있는지, 그 신뢰성을 보장할 수 있는 방법을 제시했다.

신스ID 바이오의 적용과 성과

구글 딥마인드는 신스ID 바이오를 활용해 혈관내피성장인자 VEGF-A, 코로나19 바이러스의 스파이크 단백질 수용체 결합 영역(RBD), PD-L1 등 총 세 가지 단백질에 대해 1,300개 이상의 결합체를 실험했다. 이 결과, 워터마크가 적용된 단백질 결합체는 결합 성공률과 친화도, 자연 서열 다양성에서 유의미한 차이를 보이지 않았다. 또한, 질량분석기와 같은 기존 단백질 분석 장비를 통해서도 워터마크 신호를 성공적으로 식별할 수 있었다.

이 기술은 단순히 워터마크를 삽입하는 데 그치지 않고, 단백질 구조에도 적용할 수 있다. 구글 딥마인드는 AI 모델 알파폴드3(AlphaFold 3)의 확산 네트워크를 수정하여, 예측한 3차원 원자 좌표에도 식별 가능한 신호를 자연스럽게 통합시켰다. 이 접근법은 구조 예측 정확도를 1% 미만으로 유지하면서도 높은 탐지 성능을 자랑한다.

생물보안과 AI의 미래

신스ID 바이오는 생물보안 분야에서도 중요한 역할을 할 수 있을 것으로 보인다. 기존의 DNA 합성업체들이 위험 물질 서열과 비교하는 방식으로 보안을 강화하는 것과는 달리, AI가 생성한 단백질이나 유전체의 출처를 확인할 수 있는 신호를 제공함으로써 추가 검토가 필요한 주문을 식별하는 데 도움이 될 수 있다. 또한, 생물학 데이터베이스에 AI가 만든 데이터를 등록할 때 합성 데이터라는 점을 명확히 하고, 별도로 검토할 수 있는 기준을 마련하는 데 기여할 것이다.

구글 딥마인드는 신스ID 바이오가 모든 생물보안 문제를 해결하는 만능 대안은 아니라고 강조하고 있다. 향후 더 나은 기술을 개발하기 위해 악의적인 공격자가 워터마크를 훼손하거나 제거하는 것을 방지하는 방법을 연구하고 있으며, 메타데이터 시스템과 중앙 저장소를 결합하는 방안도 모색하고 있다.

AI가 설계한 생물학적 데이터의 출처를 명확히 하고 이를 안전하게 관리하는 기술은 앞으로 생명과학 연구와 실험에서 중요한 이정표가 될 것이다. 구글 딥마인드의 신스ID 바이오가 이러한 변화의 중심에서 어떤 역할을 할지 기대가 크다.