AI가 설계한 단백질이 치사량 뱀독을 막았다

2025년 1월 15일 Nature에 실린 논문 하나가 뱀독 치료의 오래된 방식을 흔들어놨어요. 워싱턴대학교(University of Washington) 단백질설계연구소(Institute for Protein Design), 그리고 2024년 노벨화학상을 받은 데이비드 베이커(David Baker) 교수 연구팀이 저자로 참여한 이 연구는, 자연에 존재한 적 없는 완전히 새로운 단백질을 컴퓨터로 처음부터 설계해서 치사량의 뱀독을 무력화하는 데 성공했어요. 생쥐 실험에서 생존율이 80~100%까지 나왔다는데, 저는 이 대목에서 "설계했다"는 표현을 좀 더 짚고 넘어가고 싶어요 — 이게 정말로 자연에 없던 단백질을 인간이 처음부터 그려낸 거거든요.

말의 피에서 컴퓨터 설계로

지금까지 뱀독 해독제(항독소 혈청)를 만드는 방법은 100년 넘게 거의 그대로였어요. 말 같은 동물에게 소량의 독을 반복해서 주입해 면역시킨 다음, 그 동물의 혈액에서 독소에 대응하는 항체를 뽑아내는 방식이죠. 이 방식은 효과는 있지만 만들기 까다롭고 비용이 많이 들고, 나라나 지역에 따라 확보하기 어려운 경우도 많아요. 특히 뱀에 물리는 사고가 잦은 지역일수록 의료 인프라가 부족한 경우가 많다 보니, 정작 해독제가 가장 필요한 곳에 잘 공급되지 않는 문제가 있었어요. 이번 연구가 주목받은 이유가 여기 있어요. 동물을 면역시키는 과정 자체를 건너뛰고, 처음부터 컴퓨터 안에서 독소에 결합하도록 설계된 단백질을 만들어낸 거니까요.

RFdiffusion과 ProteinMPNN이 하는 일

연구팀은 생성형 AI 모델인 RFdiffusion과 ProteinMPNN을 함께 이용했어요. 둘의 역할은 좀 다른데, RFdiffusion은 단백질의 3차원 뼈대(backbone) 구조 자체를 새로 그려내는 확산모델(diffusion model)이고, ProteinMPNN은 그렇게 나온 뼈대에 실제로 안정적으로 접힐 수 있는 아미노산 서열을 채워 넣는 신경망이에요. 이 둘을 반복해서 돌리면서 코브라·맘바 같은 코브라과(elapid) 뱀의 독에서 가장 치명적인 성분인 3-핑거 독소(three-finger toxin, 3FTx)에 딱 들어맞게 결합하는 초소형 단백질, 이른바 '미니바인더(minibinder)'를 만들어냈어요. 3-핑거 독소는 아미노산 60~70개 정도로 짧고 세 갈래로 뻗은 고리 구조를 가진 단백질인데, 이 구조로 근육의 아세틸콜린 수용체에 달라붙어 신경 신호 전달을 막아버려요 — 코브라에 물리면 근육이 마비되는 게 바로 이 독소 때문이에요.

쌤 한마디 — RFdiffusion은 원래 이 연구 하나만을 위해 만들어진 도구가 아니에요. 베이커 교수 연구팀이 2023년에 먼저 발표한 범용 단백질 설계 모델인데, 이번 연구에서는 그 도구를 뱀독이라는 구체적인 표적에 맞춰 활용한 셈이에요. 하나의 AI 설계 플랫폼이 감염병, 암, 이번처럼 독소 중화까지 서로 다른 문제에 반복해서 쓰일 수 있다는 걸 보여주는 사례라서, 저는 이 연구를 소개할 때 항상 이 배경을 같이 얘기해줘요.

단백질 '예측'에서 '설계'로 — 왜 이게 과학사적으로 의미가 있을까

생물학에서 단백질 구조를 다루는 문제는 오랫동안 "이미 존재하는 단백질의 구조가 어떻게 생겼는지 알아맞히는" 예측의 영역이었어요. 아미노산 서열은 아는데 그게 3차원으로 어떻게 접히는지 알아내는 게 수십 년간 풀리지 않던 난제였죠. 그런데 최근 몇 년 사이 이 예측 문제가 AI로 상당 부분 해결되면서, 이제는 거꾸로 "원하는 기능을 하도록 아예 새로운 구조를 처음부터 만들어내는" 설계의 영역으로 넘어가고 있어요. 이번 뱀독 결합 단백질이 바로 그 설계 접근의 결과물이에요. 예측에서 설계로의 전환은 단백질 공학 전체의 방향을 바꾸는 흐름이라, 이 연구 하나만 보고 끝내기보다는 이런 큰 흐름 속에서 이해하면 탐구의 깊이가 훨씬 달라져요.

세계보건기구(WHO) 기준으로 매년 전 세계에서 200만 명 넘게 독사에 물리고, 그중 10만 명 이상이 목숨을 잃어요. 그래서 이 연구가 단순히 "신기한 AI 기술"에서 끝나지 않고 의료 접근성이 낮은 지역에 실질적으로 도움이 될 수 있다는 기대를 받는 거예요. 실제로 2026년 1월에는 결합력을 더 정교하게 다듬은 후속 연구(B-pairing을 표적으로 한 RFdiffusion 기법)가 Nature Communications에 발표되면서, 이 프로젝트는 지금도 계속 이어지고 있어요.

킹코브라(Ophiophagus hannah) — 코브라과(elapid)에 속하는 대표적인 독사 참고 이미지이며, 실제 연구에서 다룬 정확한 종 목록과는 다를 수 있습니다. 출처: Charles J. Sharp, Wikimedia Commons, CC BY-SA 4.0 — 원본 보기

왜 이 주제가 세특 소재로 좋은가

세포와 물질대사 교과서에서 다루는 단백질의 구조와 기능(1차~4차 구조, 접힘, 결합 특이성) 개념을 실제 최신 연구 사례로 확장해서 보여줄 수 있는 소재예요. 특히 "단백질 구조 예측에서 설계로"라는 흐름을 짚으면 단순 암기를 넘어서는 개념적 이해를 드러낼 수 있고, 의료 접근성이라는 사회적 이슈와도 자연스럽게 연결돼서 생명과학·의공학·공중보건 등 다양한 진로로 확장하기 좋아요.

탐구 방향성 제안

• 문헌조사 방향: 단백질 구조 예측 AI(예: 구조 예측 문제를 다룬 최근 연구들)와 이번 연구처럼 새 구조를 설계하는 AI의 차이를 시간순으로 조사해서, "예측에서 설계로" 전환이 어떻게 이뤄졌는지 정리해보세요.
• 자료 정리 아이디어: "전통적 항독소 혈청 생산(동물 면역 방식)"과 "AI 설계 미니바인더 단백질"을 제조 방식·비용·생산 기간 기준으로 비교표를 만들어보면 의료 접근성 논의로 이어가기 좋아요.
• 결과 해석 시 유의할 점: 생쥐 실험에서 생존율 80~100%가 나온 건 사람 대상 임상 결과가 아니라는 점, 그리고 3-핑거 독소 외에 다른 뱀독 성분에도 똑같이 적용되려면 추가 연구가 필요하다는 점을 함께 언급해야 신중한 해석이 돼요.

세특 기록에 이렇게 녹일 수 있어요

실제 세특은 선생님이 학생의 활동을 관찰하고 기록하는 글이라, 자기소개서처럼 1인칭으로 쓰지 않습니다. 아래는 탐구 활동을 어떤 흐름으로 정리하면 좋을지 참고하기 위한 예시예요.

활동 계기: 100년 넘게 이어진 항독소 혈청 생산 방식의 한계를 접하고, 생성형 AI가 신약 개발에 어떻게 활용되는지 궁금해 관련 연구를 자발적으로 조사함.
탐구 내용: RFdiffusion·ProteinMPNN을 이용해 뱀독 3-핑거 독소를 표적으로 한 신규 단백질을 설계한 Baker 연구팀(2025)의 연구를 조사하고, 단백질 구조 예측 기술이 설계 기술로 발전해온 흐름 속에서 이 연구의 의의를 정리해 발표함.
드러난 역량: 단백질 구조와 기능이라는 교과 개념을 최신 생명공학 연구와 연결하는 응용력을 보였으며, 실험실 결과와 실제 의료 현장 적용 사이의 간극, 의료 접근성이라는 사회적 맥락까지 함께 고려하는 균형 잡힌 시각을 드러냄.
후속 연계: (생명공학, 의공학, 공중보건 등 진로 방향에 맞춰) 단백질 구조 예측 AI, 항체 공학, 신약 개발 파이프라인 등 후속 개념 탐구로 확장 가능.

위 문장은 강조하면 좋을 포인트를 잡기 위한 예시일 뿐이에요. 실제 세특 문장은 선생님이 수업·발표 중 관찰한 내용을 바탕으로 작성합니다.

더 깊이 들어가기

• 단백질의 1차~4차 구조와 '접힘(folding)' 개념 — 왜 아미노산 서열만 알아도 구조를 알아맞히기가 그렇게 어려웠을까
• de la Fuente 연구팀의 AI 기반 항균 펩타이드 발굴 연구처럼, AI가 생명과학 데이터를 다루는 다른 신약 개발 사례들과 비교해보기
• 기존 항독소 혈청이 만들어지는 구체적인 과정과, AI 설계 단백질이 실제로 상용화되기까지 남은 단계(대량생산·안전성 검증 등)