“바이오 AI, 빅테크 독점 LLM과 달라…韓도 글로벌 경쟁서 승산 충분”

AI 요약

KAIST 김우연 교수는 자체 개발한 바이오 AI 모델 K-Fold가 알파폴드3와 달리 다중서열정렬(MSA)을 사전 학습 방식으로 대체해 계산 시간과 자원을 크게 줄였고 자체 평가에서 최대 25배 이상 빠른 구조 예측 속도를 보였다고 설명했습니다. 연구팀은 구조 변화 예측에서 GPCR과 인산화효소, 표적단백질분해(TPD) 등 결합 과정에서 복잡한 분야에서 알파폴드3보다 높은 예측 성능을 확인했으며 기능성 화장품·농업 등 다양한 분야에 활용할 수 있다고 밝혔습니다. 김 교수는 현재 축적된 단백질 구조 데이터가 약 20만 건 수준이고 독성·부작용과 임상시험 정보는 제약사가 공개를 꺼려 데이터 확보가 핵심 열쇠라며 시뮬레이션으로 부족한 데이터를 보완해 새로운 단백질 설계로 연구를 확장하겠다고 말했습니다.