구글 안티그래비티, 항균 펩타이드 탐색 가속화

새로운 항균 펩타이드 탐색 방식 도입

Google은 에이전트 기반 개발 플랫폼인 'Google Antigravity'를 공개하며 항균 펩타이드(AMP) 탐색 과정을 혁신한다. 이 플랫폼은 생물학자들이 유망한 표적을 빠르게 발견하고, 구조적으로 평가하며, 우선순위를 정할 수 있도록 지원한다. 기존에는 여러 데이터베이스에 걸쳐 파편화되어 진행되던 탐색 과정을 단일 세션으로 통합하여 효율성을 높인다.

특히, 'ProtNLM(Protein Natural Language Model)'이라는 딥러닝 모델을 활용해 UniProt 데이터베이스 내 수백만 개의 미분류 단백질을 스캔하고 생물학적 기능을 예측한다. 이 기술을 통해 호흡기 감염 관련 병원균에 대한 활성이 예측되는 새로운 항균 펩타이드 후보를 발굴했으며, 해당 후보는 현재 습식 실험실 검증 단계에 있다.

항생제 내성 위기와 신약 개발의 필요성

항생제 내성 증가는 전 세계적인 보건 위기 중 하나로, 2050년까지 연간 1천만 명의 사망자를 초래할 수 있다는 전망이 나온다. 이러한 위기에 대응하기 위해 새로운 치료제, 특히 항균 펩타이드(AMP)의 발견이 시급하다. 박테리오신과 같은 AMP는 경쟁 박테리아의 근본적인 취약점을 표적으로 삼도록 자연적으로 진화했기 때문에 병원균이 내성을 개발하기 어렵게 만들어 기존 항생제에 대한 유망한 대안으로 주목받는다.

유전체 및 메타유전체 시퀀싱의 기하급수적인 성장은 전 세계 데이터베이스에 수십억 개의 자연 아미노산 서열을 축적했지만, 이 중 상당수는 기능이 특성화되지 않은 채 '단백질 데이터베이스의 암흑 물질'로 남아있다. UniProt와 같은 주요 단백질 정보 자원에는 기능이 알려지지 않은 수백만 개의 서열이 존재하며, Google은 이 간극을 메우기 위해 ProtNLM을 개발했다. ProtNLM은 아미노산 서열의 진화적 '문법'을 직접 읽도록 훈련되어 원시 단백질 서열로부터 생물학적 기능을 예측하고, 수백만 개의 UniProt 항목에 높은 신뢰도의 기능 레이블을 부여한다.

안티그래비티의 통합 워크플로우와 핵심 기술

Google Antigravity는 연구자와 AI 에이전트가 협력하여 과학적 발견을 수행하는 에이전트 기반 과학 워크벤치를 제공한다. 이 플랫폼은 원시 아미노산 서열을 자연어 생물학적 주석으로 변환하는 ProtNLM 파이프라인을 포함하며, 단백질 이름, 기능 설명, 세포 내 위치, GO 용어 및 키워드를 주석 범위로 한다.

예를 들어, Streptococcus pseudopneumoniae에서 새로운 AMP를 찾는 과정에서 에이전트는 수백만 개의 데이터베이스 항목을 필터링하여 Lactococcin 972 계열의 97개 아미노산으로 구성된 박테리오신(Uniprot ID: A0A0U0D591)을 발견한다. 이후 연구자의 지시에 따라 EMBL-EBI NCBI-BLAST 서비스를 통해 Swiss-Prot의 큐레이션된 지식과 비교하여 후보의 신규성을 검증하고, AlphaFold 단백질 구조 데이터베이스에서 3D 모델을 검색하여 구조적 유사성을 평가한다.

또한, 유전체 주변을 분석하여 후보가 ABC 수송체 투과효소 및 ATP 결합 단백질, 다른 박테리오신 및 XRE 전사 조절인자와 함께 오페론의 상류에 위치함을 확인하여 작동하는 박테리오신 시스템의 일부라는 강력한 맥락적 증거를 확보한다. 마지막으로, 에이전트는 문헌 검토를 통해 분자의 작용 메커니즘과 표적 병원균에 대한 가설을 제시하고, 단백질 발현, 항균 감수성 테스트, 표적 결합 및 시험관 내 독성 테스트를 포함하는 실행 가능한 실험실 프로토콜을 생성한다.

3D 시각화 기반의 협업 지능

Antigravity는 'Biomolecular Structure Viewer'라는 3D 시각화 도구를 직접 통합하여 엔드투엔드 워크플로우를 단일 작업 공간에서 제공한다. 이 뷰어는 단백질의 3D 구조를 통해 생물학적 기능을 이해하는 데 중요한 역할을 한다.

연구자와 에이전트는 공유된 시각적 상태에서 협력하며, 에이전트가 AlphaFold 데이터베이스 또는 과학자의 예측에서 구조를 검색하면 뷰어를 동적으로 구동하여 주요 기능 영역을 강조하고 가설을 시각적으로 설명할 수 있다. 또한, 연구자가 특정 잔기를 강조하거나 결합 포켓에 직접 메모를 고정하는 등의 작업은 에이전트와 동기화된다. 이를 통해 연구자는 3D 공간에서 관심 영역을 표시하고 '이 β-가닥이 Lipid II 결합에 어떻게 영향을 미칠 수 있는가?'와 같은 질문을 할 수 있으며, 에이전트는 과학자가 보고 있는 정확한 구조적 맥락에 대해 즉시 추론하여 심층적인 협업을 가능하게 한다.

연구 개발 효율성 증대 및 과학적 발견 가속화

Google Antigravity는 과학자들이 광대한 생물학적 탐색 공간을 효율적으로 탐색하고 정확한 단백질 기능 예측을 활용할 수 있도록 지원하여 연구 개발 효율성을 크게 높인다. 과거에는 데이터베이스 쿼리를 위한 사용자 정의 스크립트 작성, 3D 모델링 프로그램으로 파일 수동 내보내기, 분리된 유전체 도구 관리, 여러 전문가와의 협력을 통한 습식 실험실 분석 설계 등 파편화되고 전문화된 소프트웨어가 필요했다.

Antigravity는 이러한 엔드투엔드 과학적 추론을 한 곳에서 실행함으로써 과학자들이 고품질 가설을 평가하고, 실험실에서 실험을 수행하며, 연구 과제를 해결하는 데 더 많은 시간을 할애할 수 있도록 한다. 이는 파편화된 데이터베이스 검색에 소요되던 시간을 단일 협업 세션으로 압축하여 일상적인 생물학적 워크플로우의 장벽을 낮추는 효과를 가져온다.

적용 조건 및 향후 확장 가능성

Google Antigravity를 통해 발견된 항균 펩타이드 후보는 구조적 및 유전체적 증거에 의해 뒷받침되는 생물학적으로 타당한 리드이지만, 최종적으로는 습식 실험실 검증이 필수적이다. 현재 이 워크플로우를 통해 발견된 후보들은 습식 실험실 검증 단계에 있으며, 실험 결과가 에이전트 분석의 최종 테스트가 될 예정이다. 습식 실험실 검증은 여전히 자원 집약적이므로, 사전에 가장 신뢰도 높은 리드로 검색 공간을 좁히는 것이 중요하다.

연구자들은 새로운 필터링 기준을 추가하거나, 다른 서열 길이를 탐색하거나, 다른 우선순위 병원균을 표적으로 삼는 등 대화를 다양한 방향으로 이끌 수 있다. 인간 공생체에서 환경 미생물 등으로 검색 범위를 넓혀 UniProt 전반에서 새로운 AMP 후보를 대규모로 발견할 수 있는 확장 가능성을 제공한다.