2026-10-17 · 합성생물학·AI생물정보학

단일 원자 조합해 원하는 단백질 설계하는 AI

미국 워싱턴대·영국 옥스퍼드대·엔비디아 등 국제공동연구팀이 원자 단위에서 단백질과 핵산을 설계하는 생성형 AI 시스템 'RF디퓨전3'의 세부 설계 원리를 국제학술지 '사이언스'에 공개했다. RF디퓨전3는 아미노산 하나를 최대 14개의 원자로 표현하고 각 원자의 3차원 좌표를 직접 조정해 새로운 단백질 구조를 설계한다. 기존 효소 활성 부위 41개 중 37개에서 이전 버전인 RF디퓨전2보다 우수한 성능을 보였으며, 설계 속도도 약 10배 빨라졌다. RF디퓨전3가 설계한 파라옥손 분해 효소와 펩타이드 절단 효소는 실제 실험에서 원하는 화학 반응을 수행하는 것이 확인됐다.

BioIN-뉴스 원문 읽기 ↗

고등학교 생명과학 관련 과목·내용

2022 개정 교육과정에서 이 기사와 연결되는 과목과 내용입니다.

생물의 유전 진로선택: 영역: 생명공학기술
관련 내용: 생명공학기술의 활용
세포와 물질대사 진로선택: 영역: 물질대사와 에너지
관련 내용: 효소와 에너지
통합과학1 공통: 영역: 시스템과 상호작용
관련 내용: 생명 시스템

읽는 순서는 자유예요. 궁금한 항목을 바로 열어보세요.

이 기사의 주장은 어디까지 확인됐을까?팩트체크 · 확인된 사실과 더 살펴볼 근거

기사에서 확인된 사실

RF디퓨전3의 세부 설계 원리가 2026년 10월 16일(현지시간) 국제학술지 '사이언스'(doi: 10.1126/science.aeh2982)에 게재됐다 (출처: 기사 본문).
교신저자 데이비드 베이커 워싱턴대 교수는 단백질 구조 예측 AI '로제타폴드' 개발 공로로 2024년 노벨 화학상을 수상했다 (출처: 기사 본문).
RF디퓨전3는 기존 효소 활성 부위 41개 중 37개에서 RF디퓨전2보다 우수한 성능을 보였고, 설계 속도는 RF디퓨전2 대비 약 10배 빨랐다 (출처: 기사 본문).
RF디퓨전3가 설계한 파라옥손 분해 효소와 펩타이드 절단 효소는 실제 실험에서 원하는 화학 반응을 수행했다 (출처: 기사 본문).
RF디퓨전3는 2025년 12월 3일 오픈소스로 공개됐으며, 사이언스 논문은 그 설계 원리를 자세히 설명한다 (출처: 기사 본문).

아직 불확실한 점

연구팀은 'RF디퓨전3가 앞으로 다양한 생체분자 설계 과제와 응용 분야에서 폭넓게 활용될 것'이라고 밝혔으나, 이는 연구팀의 전망일 뿐 실제 임상·산업적 성과로 이어질지는 현재 연구 중이며 확인되지 않았습니다.
기사에서 설계한 효소가 '실제 화학 반응을 수행했다'고 보고됐으나, 생체 내(in vivo) 환경에서의 안전성·효율성이 검증됐는지는 기사 본문에서 확인되지 않습니다.

더 확인할 근거

파라옥손(paraoxon)은 유기인계 농약의 독성 대사산물로, 분해 효소 설계의 응용 맥락(제독 목적인지, 산업 공정용인지 등)이 기사에 구체적으로 설명되지 않아 교사가 보충 설명하거나 학생이 원문 논문을 통해 확인할 것을 권장합니다.

알고 보면 더 재미있는 과학과학이야기 · 핵심 개념어 · 함께 공부하면 좋은 내용

과학이야기

단백질의 구조와 기능을 밝히는 여정은 20세기 중반부터 시작됐습니다. 1958년 존 켄드루와 막스 페루츠는 X선 결정학으로 미오글로빈과 헤모글로빈의 3차원 구조를 최초로 규명해 1962년 노벨 화학상을 공동 수상했습니다. 이후 수십 년간 과학자들은 단백질 하나의 구조를 밝히기 위해 수년에서 수십 년을 투자해야 했고, 2021년까지 구조가 알려진 단백질은 전체 단백질의 극히 일부에 불과했습니다. 이 한계를 극적으로 바꾼 것이 AI였습니다. 구글 딥마인드의 알파폴드2는 2020년 단백질 구조 예측 국제 대회(CASP)에서 압도적인 성능으로 50년 된 '단백질 접힘 문제'를 사실상 해결했다는 평가를 받았습니다. 데이비드 베이커 교수 연구팀의 로제타폴드 역시 같은 흐름에서 독자적인 성과를 냈으며, 이 두 흐름이 합쳐져 이제는 단백질을 '예측'하는 것을 넘어 '설계'하는 시대로 접어들고 있습니다. 베이커 교수는 이러한 공로로 2024년 노벨 화학상을 수상했는데, 노벨상이 AI를 활용한 생물학 연구에 수여된 것은 과학사에서 주목할 만한 전환점으로 기록되고 있습니다.

이 기사를 이해하는 열쇠, 핵심 개념어

단백질 3차원 구조: 아미노산이 펩타이드 결합으로 연결된 후, 수소 결합·소수성 상호작용 등을 통해 접혀서 형성된 입체적 모양. 이 구조가 단백질의 기능을 결정하며, 효소의 경우 활성 부위의 특정 형태가 기질과 결합해 반응을 촉진합니다.
확산 모델(Diffusion Model): AI가 기존 데이터에 노이즈를 점진적으로 추가하는 과정을 학습한 뒤, 반대로 노이즈에서 새로운 데이터를 생성하는 생성형 AI 기법. RF디퓨전3는 이 방식으로 아미노산 원자 좌표를 조합해 새로운 단백질 구조를 만들어 냅니다.
효소 활성 부위: 효소(단백질)에서 기질이 결합해 화학 반응이 일어나는 특정 부위. 활성 부위의 3차원 구조가 기질의 모양·전하와 정밀하게 맞아야 반응이 진행되므로(자물쇠-열쇠 모형), 이 부위를 정확히 설계하는 것이 효소 설계의 핵심입니다.
생물정보학(Bioinformatics): 컴퓨터 과학과 수학을 이용해 DNA 염기서열, 단백질 구조, 유전체 데이터 등 생물학적 정보를 분석·해석하는 학문 분야. RF디퓨전3처럼 AI를 활용한 단백질 설계 연구가 대표적인 응용 사례입니다.
오픈소스(Open Source): 소프트웨어의 소스 코드를 누구나 무료로 열람·사용·수정·배포할 수 있도록 공개하는 방식. RF디퓨전3는 2025년 12월에 오픈소스로 공개되어 전 세계 연구자가 활용할 수 있게 됐습니다.
단백질 설계(De Novo Protein Design): 자연계에 존재하지 않는 새로운 아미노산 서열과 3차원 구조를 처음부터 만들어 내는 것. 기존의 단백질 구조 '예측'과 달리, 원하는 기능을 먼저 정하고 이를 수행할 구조를 역방향으로 설계한다는 점에서 차이가 있습니다.

지식 연결 개념도

전체 연결을 한눈에 살펴보세요. 글씨가 작으면 크게 보기를 눌러 좌우로 움직이며 읽을 수 있어요.

함께 공부하면 좋은 내용더 이해하고 싶을 때, 배경지식을 이어서 읽어보세요.

생명과학(일반 선택) '생명 시스템의 구성' 단원에서 단백질의 구조(1~4차 구조)와 효소의 특성(기질 특이성, 활성화 에너지 감소)을 먼저 확실히 이해하는 것이 이 기사를 깊이 읽기 위한 기초가 됩니다. 특히 효소의 활성 부위 구조가 기질 결합과 반응 속도에 어떤 영향을 미치는지, 온도·pH가 효소 구조를 왜 변형시키는지를 원자 수준에서 연결해 생각해 보면 RF디퓨전3의 설계 원리가 자연스럽게 이해됩니다. 진로 선택 과목 세포와 물질대사의 '효소의 구조·기능·특성' 영역과 생물의 유전의 '생명공학기술' 영역은 이 기사와 가장 직접적으로 연결됩니다. 특히 생물의 유전에서는 유전자 편집·단일클론항체·줄기세포 등 생명공학기술의 발달 과정을 배우는데, AI 기반 단백질 설계는 이 흐름의 최전선에 있는 기술로 함께 탐구하면 생명공학 발전의 큰 그림을 그릴 수 있습니다. 정보(인공지능 기초·데이터 과학) 과목과 연계하면 확산 모델의 작동 원리, 생물정보학 데이터 파이프라인, 단백질 구조 데이터베이스(PDB) 활용법을 탐구할 수 있습니다. RCSB PDB 웹사이트에서 무료로 단백질 3차원 구조를 시각화하고, 원자 좌표 데이터를 직접 살펴보는 활동을 통해 AI가 다루는 데이터가 무엇인지 구체적으로 체험해 볼 수 있습니다.

이 기사에서 시작하는 탐구 질문근거와 개념을 살펴본 뒤, 질문을 골라 나만의 탐구 보고서로 이어가 보세요.

좋은 질문을 만드는 힘도, 질문을 접하고 연습하며 자라요.

다양한 질문을 읽으며 어떤 점이 좋은 질문인지 생각해 보세요. 마음에 드는 질문은 질문함에 모아 두고, 나만의 질문을 만드는 데 참고해 보세요.

읽는 데서 한 걸음 더 나아가, 질문함에서 직접 답변도 적어 보세요. 어떤 근거가 필요한지, 무엇을 비교하거나 확인할 수 있을지 고민하는 과정이 탐구를 배우는 연습이 됩니다. 완벽한 답이 아니어도 괜찮아요.

질문 하나를 골라 담고, 내 생각으로 답해 본 뒤, 새롭게 떠오른 나만의 질문을 적어 보세요.

질문을 구체화하는 방법의 예시

“효과가 있을까?” → “어떤 조건에서, 무엇과 비교했을 때 효과가 달라질까?”

조건과 비교 대상을 정하면 살펴볼 근거가 더 분명해져요. 아래 예시를 보며 내 질문도 만들어보세요.

1.탐구 질문 1: 단백질의 3차원 구조와 기능 사이의 관계를 효소를 예시로 들어 설명하고, 구조가 달라지면 기능이 어떻게 변하는지 조사해 보자.
2.탐구 질문 2: RF디퓨전1·2·3의 발전 과정에서 각 버전이 이전 버전보다 어떤 점에서 개선됐는지, 기사와 공개 자료를 비교·분석해 보자.
3.탐구 질문 3: 효소의 활성 부위 구조를 설계할 때 고려해야 할 변인(pH, 온도, 기질 종류, 수소 결합 등)을 목록화하고, 학교 실험실에서 효소 활성에 영향을 주는 변인을 확인하는 실험을 설계해 보자.
4.탐구 질문 4: AI가 설계한 새로운 효소를 오픈소스로 공개하는 것은 과학의 공공성을 높이는가, 아니면 이중용도 위험을 키우는가? 두 입장의 근거를 정리하고 자신의 견해를 논리적으로 써 보자.
5.탐구 질문 5: 이 기사는 RF디퓨전3의 성능과 성과를 주로 긍정적으로 서술하고 있습니다. 기사에서 언급되지 않은 한계점(예: 실제 생체 내 검증 여부, 독성·안전성 평가, 설계 실패 사례 등)은 무엇인지 비판적으로 탐색해 보자.

이 관심을 나만의 탐구로 이어가려면?학생부 활용 아이디어 · 타교과 연계

탐구의 방향

기사를 읽고 'AI가 단백질을 설계한다'는 사실에 그치지 않고, '효소의 활성 부위 구조가 왜 중요한가'라는 생물학적 원리를 교과서에서 먼저 탐구한 뒤, PDB 데이터베이스로 실제 효소 구조를 시각화해 보고, 이를 AI 설계 원리와 연결한 탐구 보고서를 작성하는 형태로 세특에 기록할 수 있습니다.

심화 탐구 아이디어 1: RCSB PDB(rcsb.org)에서 카탈라아제 또는 리파아제 효소를 검색해 3D 구조를 시각화하고, 활성 부위에 위치한 아미노산 잔기의 특성(극성·전하·수소 결합 가능 여부)을 조사해 'RF디퓨전3가 지정하는 원자 배열 조건'과 연결하는 탐구 보고서를 작성합니다.
심화 탐구 아이디어 2: 데이비드 베이커 교수의 2024년 노벨 화학상 수상 강연(노벨프라이즈 공식 유튜브 채널에서 열람 가능)을 시청하고, 단백질 설계 연구의 발전 과정을 연대표로 정리한 뒤, 이를 생물의 유전 교과서 '생명공학기술의 발달 과정'과 비교하는 독서·조사 활동으로 연결합니다.
심화 탐구 아이디어 3: 학교 실험실에서 카탈라아제(감자 추출액)-과산화수소 반응을 이용해 pH·온도 변화에 따른 효소 활성 실험을 설계·수행하고, 실험 결과를 '활성 부위의 3차원 구조 변화'로 해석한 뒤, 정보 과목(인공지능 기초)에서 배운 AI 최적화 개념과 연결해 '효소 설계에서 AI가 어떤 역할을 하는가'를 융합 보고서로 작성합니다.

활동을 기록하는 문장 예시

직접 수행한 활동을 바탕으로 수정하는 예시입니다. 아직 하지 않은 활동을 수행한 것처럼 쓰지 마세요.

RF디퓨전3 관련 기사를 읽고 효소 활성 부위의 원자 배열이 기능을 결정한다는 원리에 호기심을 가져, RCSB PDB에서 카탈라아제의 3D 구조를 직접 시각화하고 활성 부위 아미노산의 특성을 분석하는 탐구를 수행했습니다. / 효소 활성에 영향을 주는 변인을 정리한 뒤 pH 변화에 따른 카탈라아제 활성 실험을 설계하고, 결과를 활성 부위 구조 변화와 연결해 해석하는 탐구 보고서를 작성했습니다. / AI 단백질 설계 기술의 오픈소스 공개가 지닌 이중용도 윤리 쟁점을 조사해, 현대사회와 윤리 시간에 배운 생명윤리 원칙과 연결한 논술을 작성했습니다.

다른 교과의 관점으로 살펴보면

연결 과목: 정보 · 인공지능 기초 · 데이터 과학 · 화학 반응의 세계 · 확률과 통계 · 실용 통계 · 수학과제 탐구 · 현대사회와 윤리 · 윤리문제 탐구 · 법과 사회 · 정치

정보

확산 모델(diffusion model)이 기존 데이터의 분포를 학습해 새로운 데이터를 생성하는 원리가 생성형 AI의 핵심이며, 이를 단백질 구조 설계에 적용한 RF디퓨전3의 작동 방식과 직접 연결됩니다.

정보

단백질 구조 데이터베이스(PDB 등)에서 원자 좌표 데이터를 수집·처리하고, 이를 AI 학습에 활용하는 생물정보학 파이프라인을 이해하는 데 데이터 과학의 개념이 필요합니다.

화학

효소의 활성 부위에서 일어나는 수소 결합, 반응 속도, 활성화 에너지 감소 원리는 화학 반응의 세계에서 다루는 반응 속도론 및 촉매 개념과 직접 연결됩니다.

수학

AI가 3차원 원자 좌표를 최적화하는 과정은 고차원 벡터 공간에서의 확률 분포 모델링을 포함하며, 인공지능 수학에서 배우는 행렬·벡터·확률 개념과 연결됩니다.

도덕(윤리)

자연계에 존재하지 않는 단백질을 AI로 설계·공개하는 행위의 이중용도 윤리 문제(dual-use dilemma)를 생명윤리 원칙과 연결해 탐구할 수 있습니다.

사회

AI 단백질 설계 기술의 오픈소스 공개가 국가 간 기술 격차 해소와 생화학 안보 위협 사이에서 어떤 사회적 규제 방식이 적절한지를 탐구 주제로 삼을 수 있습니다.

이 문제를 다른 입장에서 보면?윤리 쟁점 · 여러 관점과 토론 질문

AI가 자연계에 존재하지 않는 새로운 단백질과 효소를 원자 단위에서 자유롭게 설계할 수 있게 됨에 따라, 이 기술의 오용 가능성과 생태계에 미칠 영향을 어떻게 규제하고 책임질 것인가.

찬성/지지 입장

새로운 효소 설계는 난치병 치료제 개발, 환경 오염 물질 분해, 친환경 산업 공정 개발 등에 기여할 수 있습니다. 오픈소스 공개는 전 세계 연구자가 협력해 더 빠르게 인류 문제를 해결하는 데 도움이 된다는 점에서 과학 발전의 공공성을 높인다는 논거가 있습니다.

반대/우려 입장

자연계에 존재하지 않는 단백질이나 독성 물질 분해 효소를 누구나 설계할 수 있게 되면, 생화학 무기 제조나 생태계 교란에 악용될 위험이 있습니다. 오픈소스 공개는 접근성을 높이지만 동시에 악의적 사용자의 진입 장벽도 낮추며, 현재 국제 생명윤리 규범이 이 속도를 따라가지 못하고 있다는 우려가 제기됩니다.

생물무기금지협약(BWC), 이중용도 연구 우려(DURC) 가이드라인, 생명윤리 및 안전에 관한 법률(대한민국 생명윤리법), 유네스코 인간 유전체와 인권에 관한 보편 선언

AI가 설계한 새로운 단백질·효소를 오픈소스로 누구에게나 공개하는 것이 과학의 발전과 공공선에 기여하는가, 아니면 악용 위험을 감수하는 무책임한 행위인가?

읽고 나니, 무엇이 달라졌을까?핵심 정리 · 오개념 · 자기점검

기억할 핵심

RF디퓨전3는 아미노산을 최대 14개의 원자 단위로 표현하고 각 원자의 3차원 좌표를 직접 조정하는 방식으로 새로운 단백질 구조를 설계합니다.
RF디퓨전3는 기존 효소 활성 부위 41개 중 37개에서 이전 버전(RF디퓨전2)보다 우수한 성능을 보였고, 설계 속도는 약 10배 빨라졌다.
AI가 설계한 효소(파라옥손 분해 효소, 펩타이드 절단 효소)가 실제 실험에서 원하는 화학 반응을 수행했음이 확인됐으나, 이는 시험관 실험 수준이며 생체 내 안전성은 아직 확인되지 않았습니다.

헷갈리기 쉬운 부분

오개념: 'AI가 단백질 구조를 예측하는 것'과 '단백질을 설계하는 것'은 같은 일이다 → 올바른 이해: 구조 예측은 주어진 아미노산 서열로부터 3차원 구조를 알아내는 것(순방향)이고, 단백질 설계는 원하는 기능을 먼저 정한 뒤 이를 수행할 구조와 서열을 역방향으로 만들어 내는 것으로 목적과 방향이 다르다.
오개념: 'RF디퓨전3가 설계한 효소가 실험에서 작동했으므로 실제 의약·산업 현장에서 바로 사용할 수 있다' → 올바른 이해: 기사에 보고된 성과는 시험관(in vitro) 수준의 화학 반응 확인이며, 생체 내 안전성·효율성 검증과 임상·산업 적용까지는 추가 연구 단계가 필요합니다.

효소의 활성 부위 구조가 달라지면 기질과의 결합과 반응 속도가 어떻게 변하는지, 그리고 RF디퓨전3가 이 활성 부위를 어떤 방식으로 설계하는지 자신의 말로 설명할 수 있는가?

이 과학은 실제로 어디에 쓰일까?산업 연계 · 기업과 기관 · 미래 전망

AI 기반 단백질 설계 기술은 신약 후보물질 발굴, 바이오 촉매 개발(친환경 화학 공정), 오염물질 분해 효소 개발 등에 활용 가능성이 제기되고 있습니다. 기사에 따르면 RF디퓨전3가 설계한 파라옥손 분해 효소가 실제 실험에서 작동함을 확인했으며, 이는 유기인계 화합물 제독 분야에 응용될 수 있는 가능성이 보고됐습니다. 연구팀은 오픈소스 공개를 통해 전 세계 연구자와 산업계가 이 기술을 활용하는 방향을 목표로 하고 있다고 밝혔다.

시장 동향

글로벌 AI 신약 개발 시장은 성장 중인 것으로 다수의 시장조사 기관이 보고하고 있으나, 본 기사에는 구체적인 시장 규모 수치가 제시되어 있지 않으므로 별도의 공개 보고서(예: Grand View Research, MarketsandMarkets 등)를 통해 확인할 것을 권장합니다. AI 단백질 설계 분야는 2020년대 들어 알파폴드2·로제타폴드 등의 성과를 계기로 투자와 창업이 빠르게 늘어나고 있다는 점은 업계에서 공통적으로 보고되는 동향입니다.

미래 전망

기사에서 연구팀은 RF디퓨전3가 '다양한 생체분자 설계 과제와 응용 분야에서 폭넓게 활용될 것'이라고 밝혔다. 현재 AI 단백질 설계 분야는 기존 단백질의 구조를 예측하는 것을 넘어, 자연계에 존재하지 않는 새로운 기능을 가진 단백질을 처음부터 설계하는 방향으로 연구가 진행 중입니다. 이를 통해 특정 질환의 치료 표적에 정밀하게 결합하는 신약 후보 단백질이나, 산업 오염 물질을 분해하는 맞춤형 효소를 설계하는 가능성이 제기되고 있으나, 이러한 응용이 실제 임상·산업 현장에서 안전하게 작동하는지 검증하기 위한 추가 연구가 필요하다는 점도 함께 인식해야 합니다. 또한 RF디퓨전3가 오픈소스로 공개됨에 따라, 전 세계 연구자들이 각자의 분야에 이 도구를 적용하는 연구를 진행 중인 것으로 보고됩니다. 단백질뿐 아니라 핵산(RNA·DNA) 설계에도 적용 가능한 범용 생체분자 설계 플랫폼으로 발전시키는 것을 목표로 연구가 이어지고 있다는 점이 기사에서 언급되고 있습니다. 다만 실제 생체 내(in vivo) 환경에서의 안전성과 효율성, 대량 생산 가능성 등은 아직 연구 과제로 남아 있습니다.

이런 문제를 다루는 사람들은?직업 · 학과 · 진로 탐색

단백질 공학 연구원

AI 도구(RF디퓨전3 등)를 활용해 새로운 효소나 치료용 단백질을 설계하고, 실제 실험(in vitro·in vivo)으로 기능을 검증하는 연구를 수행합니다.

생물정보학자(Bioinformatician)

단백질 구조 데이터베이스(PDB)와 유전체 데이터를 처리·분석하고, AI 모델 학습에 필요한 데이터 파이프라인을 구축하며 결과를 해석합니다.

AI 신약 개발 과학자

생성형 AI로 설계된 단백질 후보물질 중에서 치료 가능성이 높은 것을 선별하고, 임상 개발 과정과 연계해 약효·독성 데이터를 분석합니다.