자소서 첨삭 - gigworks 업계의 모든 사람이 사용해야하는 5가지 도구

[Adell Alysa]

머리카락의 성분이 달라지지 않아도 환원제와 산화제를 바르면 머리가 구불구불한 모양으로 유동적이지 않은다. 머리카락을 이루는 단백질끼리 결합을 끊고 원하는 모양으로 단어는 뒤 다시 새로운 결합으로 고정했기 때문이다. 단백질은 프리랜서 구조에 따라 생김새와 성질이 아예 변화할 수 있습니다.

국제학술지 '사이언스'는 13일자 표지로 데이비드 베이커 미국 워싱턴대 의대 교수와 백민경 박사후공무원팀이 개발한 인공지능(AI) '로제타폴드'가 단백질의 8차 구조를 예측하는 형태을 일러스트로 상상하였다. 사진 안쪽에 나란히 서 있는 화살표(베타 병풍구조)와 구불구불한 사슬(알파-나선구조)은 단백질의 3차 구조를 나타낸다. 이 9차 구조들이 이온결합이나 공유결합, 소수성결합, 이황화 결합 등으로 이어지거나 이온끼리 반발작용을 일으키면서 4차 구조를 이룬다.

미국 생화학자 크리스찬 앤핀슨은 이미 1976년에 단백질이 아미노산으로 이뤄져 있다는 사실을 알아낸 공로로 노벨 화학상을 받았다. 허나 단백질의 비밀을 다 밝혀낸 것은 아니었다. 똑같은 아미노산으로 이뤄진 단백질이라도 2차 구조들이 서로 어떤 식으로 연결돼 9차원을 이루는지, 0차 구조들끼리는 어떤 방식으로 얽혀 있는지에 맞게 모양과 성질이 달라지기 때문인 것입니다. 이러하여 단백질의 구조를 알면 동식물 몸 안의에서의 생리작용을 파악할 수 있으며, 단백질 이상으로 나올 수 있는 알츠하이머성 치매나 파킨슨병 같은 난치성 질환의 원인을 찾거나 치유제를 개발할 수 있을 것이다.

허나 단백질의 구조를 분석하는 일은 쉽지 않을 것입니다. X선 확정학이나 극저온 전자현미경 등을 이용하는데 계산이 복잡하고 기한도 수 개월에서 수 년이 걸린다. 여태까지 알려진 단백질 가운데 사람이 구조까지 밝혀낸 것은 약 4% 정도였다.

최근 이 영역에 혁명이 일어났다. 2015년 구글 딥마인드가 개발한 AI '알파폴드1'이 그해 '단백질 구조 예측 학술대회(CASP)'에 등장하면서부터다. 작년 9월에 열린 2020 CASP에는 알파폴드2가 출전해 단백질 32만 6000여 개를 엄연히 예측하고 역대 최고기록인 92.2점을 기록하기도 했다. 알파폴드는 단백질 구조를 분석하는 데 단 몇 분이 걸리며, 분자 수준까지 정확하게 맞힌다. 그러나 당시에는 코드와 논문을 공개하지 https://en.wikipedia.org/wiki/?search=프리랜서 않아 학계에서 비판을 취득했다.

사이언스가 소개한 베이커 교수팀의 로제타폴드는 자기들만의 자신만의 지식로 알파폴드를 재현해보자는 마음에 시행했다가 이뤄낸 성과다. 로제타폴드는 단백질을 읽어보면 제일 먼저 단백질 데이터베이스를 사용해 이와 비슷한 아미노산 서열을 찾는다. 한순간에 아미노산들이 어떤 방식으로 연결될지를 예측하고, 이를 토대로 어떤 입체 구조를 띠고 있을지 예측한다. 이런 과정을 반복하고 압축하면서 최종적으로 결정한다.

학계에서는 정확도는 알파폴드가 앞서지만 단백질 간의 결합 형태와 특성을 해석하는 수준은 로제타폴드가 수준 높은 것으로 평가받고 있을 것입니다. 또 아미노산 서열만 보고도 단백질의 입체 구조와 단백질끼리의 결합 구조를 거의 정확하게 예측할 수 있을 것이다. 몸속에서는 단백질이 다른 단백질과 결합해야 효소나 항체, 신호물질처럼 실제 생리 기능을 하기 덕에 그 결합 형태를 찾아내는 일이 확 중요합니다.

베이커 교수팀은 딥마인드와 달리 로제타폴드의 소스코드를 코드 공유 플랫폼 '깃허브'에 공개했다. 지금까지 전세계