“구글 AI보다 25배 빠르다”…KAIST, 소버린 바이오 AI ‘K-Fold’ 공개

- 팀 KAIST, 독자기술로 차세대 바이오 AI 모델 개발
- 단백질·신약 결합구조 예측, 일부 성능 글로벌 AI 능가
- 구조 예측 최대 25배 빨라, 멀티에이전트 AI서비스 구현

차세대 바이오 AI 모델 ‘K-Fold’(AI 생성 이미지).[KAIST 제공]

[헤럴드경제=구본혁 기자] 구글 딥마인드 ‘알파폴드3(AlphaFold3)’에 맞설 소버린 바이오 AI가 등장했다.

KAIST는 과학기술정보통신부 ‘AI 특화 파운데이션 모델 개발 사업’의 주관기관으로 참여한 ‘팀 KAIST’가 차세대 바이오 AI 모델 ‘K-Fold(케이폴드)’를 개발했다고 28일 밝혔다.

팀 KAIST는 김우연 화학과 교수가 연구를 총괄, 김재철AI대학원 황성주·안성수 교수 연구진이 AI 모델을 개발하고, 생명과학과 오병하·김호민·이규리 교수 연구진이 단백질 데이터 구축과 검증을 맡았다.

K-Fold의 핵심은 신약 개발에 필요한 단백질과 약물의 ‘결합’을 AI로 예측하는 기술이다. 단백질의 3차원 구조뿐 아니라 약물 후보가 단백질의 어느 위치에 어떤 형태로 결합할지 계산해 유망한 신약 후보를 빠르게 선별할 수 있다.

단백질 하나의 구조 예측에만 머물지 않는다. 단백질-단백질, 단백질-약물 후보물질은 물론 DNA와 RNA 등 여러 생체분자가 서로 결합했을 때 만들어지는 복합체 구조까지 예측한다.

성능도 세계 최고 수준에 근접했다. 지난 3월 과제 단계평가에서 K-Fold의 분자 복합체 구조 예측 정확도는 구글 딥마인드의 AlphaFold3에 근접한 것으로 평가됐다. 연구팀이 8월 자체 실시한 성능평가에서는 일부 평가 항목에서 기존 글로벌 모델보다 높은 성능을 확인했다.

특히 암을 비롯한 각종 질환의 주요 신약 표적인 G-단백질 연결 수용체(GPCR)와 인산화효소(Kinase), 질병 유발 단백질을 직접 제거하는 표적단백질분해(TPD) 분야에서 높은 예측 성능을 나타냈다.

구조 예측 속도를 대폭 높였다. 기존 단백질 구조 예측 AI는 구조 계산에 앞서 유사한 단백질의 서열 정보를 대량으로 검색·비교하는 복잡한 사전 작업이 필요하다. K-Fold는 이 과정에 의존하지 않는 새로운 방식을 적용해 사전 계산 단계를 없앴다. 이를 통해 기존 모델 대비 구조 예측 속도를 최대 25배 높였다.

연구팀은 K-Fold를 실제 연구현장에서 활용할 수 있는 AI 서비스로도 구현했다. KAIST 교원창업기업 히츠(HITS)의 멀티에이전트 플랫폼 ‘하이퍼랩(HyperLab)’에 K-Fold를 탑재했다. 연구자는 별도의 고성능 컴퓨터를 구축하거나 복잡한 AI 프로그램을 다루지 않고도 웹에서 AI와 대화하듯 신약 연구를 수행할 수 있다.

K-Fold를 개발한 팀 카이스트. 오병하(왼쪽부터) 이규리, 황성주, 김우연, 안성수, 김호민 교수.[KAIST 제공]

바이오 AI는 신약 개발에 들어가는 막대한 시간과 비용을 줄일 핵심 기술로 떠오르면서 미국·영국·중국의 빅테크와 연구기관들이 치열한 주도권 경쟁을 벌이고 있다. K-Fold는 핵심 바이오 AI 기술을 해외 모델에만 의존하지 않고 국내 독자 기술로 확보했다는 점에서 ‘소버린 바이오 AI’의 기반을 마련했다는 평가다.

배충식 KAIST 총장은 “AI 시대의 국가 경쟁력은 핵심 기술을 우리 스스로 개발하고 활용할 수 있는 ‘소버린 AI’ 역량에 달려 있다”며 “K-Fold는 국내 독자 AI 기술을 바이오와 결합해 세계 수준의 기술에 도전하고 실제 신약 연구에 활용할 수 있는 서비스로 연결했다는 데 의미가 크다”고 말했다.

김우연 KAIST 교수는 “K-Fold는 기존 모델을 따라가는 것이 아니라 새로운 AI 구조를 적용해 기존 방식의 한계를 뛰어넘기 위해 개발했다”며 “세계 최고 수준의 바이오 AI를 연구자 누구나 활용할 수 있는 과학 AI 플랫폼으로 발전시키겠다”고 말했다.

팀 KAIST는 K-Fold를 무료로 배포할 예정이다. 하이퍼랩은 국내외 연구자를 대상으로 베타 서비스를 제공한 뒤 올해 안에 단계적으로 상용 서비스를 확대할 계획이다.