국립창원대학교는 인공지능 트랜스포머 모델을 활용해 원하는 기계적 강도를 가진 실크 단백질 서열을 역설계하는 원천 기술을 개발했다고 23일 밝혔다.

윤태영 기계공학부 교수 연구팀의 이번 성과는 공학 설계 분야 권위지 'Journal of Computational Design and Engineering'에 게재됐다.

신홍철 DNA+연구소 전임연구원이 주도하고 박유진, 염준빈 석박통합과정생이 참여한 이번 연구는 바이오 소재 설계 분야에서 AI 모델의 구조적 효율성을 체계적으로 입증했다. 논문명은 'Systematic Evaluation of Attention Mechanisms in Transformer Models for De Novo UTS-Driven Silk Protein Sequence Design'이다.

거미줄 실크는 강철보다 강한 인장 강도와 뛰어난 유연성으로 꿈의 신소재로 불리지만, 원하는 물성을 가진 실크 단백질 서열을 인공적으로 설계하는 것은 분자 구조의 복잡성 때문에 난제로 여겨져 왔다.

연구팀은 자연어 처리에 주로 사용되는 트랜스포머 모델을 단백질 서열 생성에 적용했다. 멀티헤드(MultiHead), 선형(Linear), 로컬(Local), 희소(Sparse), 합성곱(Convolutional) 등 5가지 핵심 어텐션 메커니즘을 체계적으로 비교 분석해 단백질 설계에 가장 적합한 AI 구조를 찾아냈다.

분석 결과 합성곱 어텐션 메커니즘이 실크 단백질의 결정질 영역 설계에 가장 탁월한 성능을 보였다. 이 메커니즘은 실크 강도를 결정짓는 핵심 요소인 베타-시트 구조 형성에 필수적인 국소적 서열 패턴을 가장 효과적으로 학습했다.

개발된 모델은 목표 극한 인장 강도(UTS) 값을 입력하면 이에 부합하는 단백질 서열을 자동으로 생성한다. 조향 분자동역학(Steered Molecular Dynamics, SMD) 시뮬레이션 검증 결과 예측 강도와 실제 시뮬레이션상 강도가 0.91의 높은 상관관계를 보이며 기술의 정밀성을 입증했다.

연구팀은 AI 모델이 고강도 실크 설계 시 자연산 실크보다 글리신(Glycine) 비율은 줄이고 소수성 아미노산을 늘리는 독창적 설계 전략을 스스로 터득했음을 밝혀냈다. 인공지능이 데이터 학습으로 기존 생물학적 진화의 제약을 뛰어넘는 새로운 소재 설계 규칙을 발견했다는 점에서 학술적 의미가 크다.

신홍철 전임연구원은 "단순히 새로운 서열을 만드는 것을 넘어 어떠한 AI 아키텍처가 바이오 소재 설계에 가장 적합한지를 수학적, 공학적으로 증명했다"며 "합성곱 기반 어텐션이 단백질의 국소적 상호 작용을 모사하는 데 최적임을 확인했다"고 설명했다.

윤태영 교수는 "기존 시행착오 방식에서 벗어나 원하는 물성을 자유자재로 제어할 수 있는 프로그래머블 바이오 소재 개발의 길을 열었다"며 "앞으로 의료용 생체 재료나 고강도 섬유 등 다양한 산업 분야에 응용될 수 있을 것"이라고 말했다.

이번 연구는 한국연구재단(NRF)과 교육부, 국립창원대의 지원을 받아 수행됐으며 AI와 바이오 역학을 융합한 연구 역량을 국제적으로 인정받은 쾌거로 평가된다.