오픈폴드 컨소시엄, 세이지메이커 점프스타트에 전원자 생체분자 구조 예측 모델 오픈폴드3 공개

오픈폴드3 출시와 주요 기능

오픈폴드 컨소시엄과 미국 컬럼비아 대학교 알쿠라이시 연구실이 개발한 생체분자 구조 예측 인공지능 모델인 오픈폴드3 프리뷰가 아마존 세이지메이커 점프스타트에 출시되었다. 이번에 제공되는 모델은 0.4.1 버전과 특정 체크포인트 기반이며, 아파치 2.0 라이선스에 따라 코드와 가중치뿐 아니라 학습 데이터와 학습 방법까지 공개되어 연구 기관과 제약사가 자유롭게 검토하고 미세 조정할 수 있다. 사용자는 복잡한 환경 설정 없이도 단 몇 줄의 파이썬 배포 코드를 통해 아마존 웹서비스 계정 내부로 전원자 생체분자 구조 예측 환경을 구축할 수 있다.

오픈폴드3은 단일 단백질 사슬에 국한되지 않고 다중 사슬 단백질 복합체와 단백질 및 핵산 복합체, 그리고 스마일스 표기법으로 정의된 저분자 리간드 복합체를 한 번에 접힘 연산한다. 추론 결과는 표준 생체 고분자 구조 형식인 mmCIF 파일로 생성되며 예측 신뢰도를 평가할 수 있는 여러 정량 지표가 함께 반환된다. 신약 개발 연구진은 실험적 3차원 구조가 없는 표적 단백질의 결합 자세 가설을 수립하거나 항체 공학 후보 물질의 구조적 안정성을 검증하는 데 이 모델을 직접 활용할 수 있다.

비동기 추론과 병렬 연산

세이지메이커 점프스타트에 배포되는 오픈폴드3은 일반적인 거대 언어 모델이 사용하는 실시간 엔드포인트 대신 비동기 추론 방식을 채택했다. 실시간 엔드포인트는 요청당 응답 제한 시간이 60초로 제한되지만, 생체분자 구조 예측 연산은 분자 크기와 사슬 길이에 따라 처리 시간이 수 분 이상 소요되기 때문이다. 비동기 엔드포인트는 최대 1시간의 호출 타임아웃을 제공하며, 대량의 구조 예측 요청이 동시에 들어와도 자체 내부 큐에 작업을 쌓아 순차적으로 안정적이게 처리한다.

하드웨어 인프라로는 엔비디아 계열의 G6 인스턴스가 사용되며, 단일 예측 작업은 하나의 그래픽 처리 장치에서 실행된다. 그래픽 처리 장치가 4개 탑재된 대형 인스턴스를 배포할 경우 인스턴스당 동시 호출 수를 4로 지정하여 4개의 예측 작업을 지연 없이 독립적으로 병렬 처리할 수 있다. 연구팀은 단일 사용자의 탐색 연구에는 소형 단일 칩 인스턴스를, 대규모 가상 스크리닝 파이프라인이나 팀 단위 동시 작업에는 다중 칩 인스턴스를 선택하여 연산 처리량을 극대화할 수 있다.

자체 서열 정렬과 예측 정확도

오픈폴드3 엔드포인트는 데이터 보안을 유지하기 위해 외부 공용 네트워크 통신이 전면 차단된 격리 환경에서 구동된다. 외부 공용 다중 서열 정렬 서버로 데이터를 전송하지 않으므로, 연구진은 자체 인프라에서 미리 생성한 다중 서열 정렬 데이터를 요청 본문에 직접 포함시켜 전달해야 한다. 사전 계산된 서열 정렬 데이터는 수 메가바이트 크기에 달할 수 있지만, 객체 스토리지 서비스를 경유하는 비동기 요청 구조 덕분에 데이터 크기 제약 없이 안전하게 전달된다.

다중 서열 정렬의 유무는 구조 예측 정밀도에 결정적인 차이를 만든다. 탄산탈수효소 2와 아연 이온 및 아세타졸아미드 약물 복합체를 대상으로 진행된 비교 검증에서, 단일 서열만 입력했을 때는 평균 국소 거리 차이 검정 점수가 30점에 불과하고 결합 부위가 제대로 형성되지 않았다. 반면 다중 서열 정렬을 함께 입력하자 평균 점수가 98점으로 급상승했고 약물 분자와 금속 이온 사이의 결합 거리가 2.0옹스트롬으로 수렴하며 실제 결정 구조와 거의 일치하는 결과를 도출했다.

운영 비용 최적화와 제약 사항

연구진은 유휴 자원으로 인한 클라우드 요금 발생을 방지하기 위해 사용량 기반 자동 확장 정책을 적용할 수 있다. 작업 대기열이 비어 있는 상태가 일정 시간 지속되면 인스턴스 수를 0대로 축소하도록 설정하여 실험 공백기 동안의 서버 비용 부담을 없앨 수 있다. 다만 0대 상태에서 새로운 구조 예측 요청이 접수될 경우 알람 감지와 인스턴스 초기화 및 그래픽 처리 장치 예열 단계가 선행되므로 첫 번째 요청의 총 처리 시간이 평소보다 지연되는 점을 감안해야 한다.

현재 출시된 오픈폴드3은 연구 목적의 프리뷰 단계이며 상용 파이프라인에 도입하기 전에 몇 가지 기술적 제약을 점검해야 한다. 특정 클라우드 리전에서는 그래픽 처리 장치 인스턴스 용량이 부족해 즉각적인 배포가 제한될 수 있으므로 대체 리전이나 가용 영역을 확보해야 한다. 또한 제공된 검증 사례의 복합체는 이미 공개 데이터베이스에 등록되어 모델 학습에 활용되었을 가능성이 높으므로, 완전히 새로운 신규 표적을 다룰 때는 실제 예측 신뢰도 지표를 면밀하게 대조해야 한다.