구글 딥마인드, 안티그래비티 화학정보학 스킬 공개

구글 딥마인드가 11월 3일(현지 시각) 구글의 에이전트 앱 Google Antigravity에 신약 설계용 화학정보학 스킬을 붙여 공개했다. 딥마인드에 따르면 이 스킬을 단 에이전트는 실제 폐암 치료제 사례를 놓고 수천 개 화합물을 찾아 정리하고, 짝분자 분석을 돌린 뒤, 합성 경로까지 붙인 새 고리형 분자를 한 시간 만에 제안했다. 보통 한 번 반복에 며칠이 걸리던 작업이다. 딥마인드는 과학자 1만 명에게 안티그래비티 최고 사용량 등급을 6개월간 무료로 제공하겠다며 신청을 받기 시작했다.

신약 설계의 병목은 데이터 정리다. 같은 분자가 논문에서는 IUPAC 이름으로, 특허에서는 마쿠시 구조로, 공급사 카탈로그에서는 SDF 파일로 나온다. 원자 하나나 결합 하나만 틀려도 전혀 다른 화합물이 된다. 딥마인드는 이 일에 오차 여유가 없다며, 유망한 억제제가 쓸모없는 물질로 바뀐다고 설명했다. 화학정보학 스킬은 과학자가 이런 정리 대신 가설에 집중하게 하려고 만들었다는 것이 회사 설명이다.

분업 구조가 핵심이다. 언어 모델은 작업 흐름 조율과 데이터베이스 탐색, 과학적 추론을 맡고, 분자 계산은 결정론적 화학 도구가 맡는다. 바탕은 전 세계 기여자가 20년 넘게 키운 오픈소스 화학정보학 도구 RDKit이고, 공개 화학 데이터베이스 ChEMBL과 PubChem 연결도 들어 있다. 공개 저장소 science-skills에 따르면 이 스킬 묶음은 유전체학과 구조생물학, 문헌 검색까지 아우르며, AlphaGenome과 AFDB, UniProt 등 30개가 넘는 데이터베이스와 도구를 엮는다.

시연 과제는 의약화학의 고전 기법인 강성화다. 회전 가능한 결합이 많은 분자는 용액 속에서 여러 3차원 모양으로 비틀린다. 표적에 붙으려면 한 모양으로 굳어야 하고, 그 자유를 잃는 대가로 결합력이 약해진다. 화학자들은 결합을 하나 더 걸어 분자를 미리 묶는데, 딥마인드는 이를 "엔트로피 비용을 미리 치른다"는 말로 소개했다. 비소세포폐암 1세대 치료제 크리조티닙에는 주요 회전 결합이 5개 있고, 3세대 로를라티닙은 끝을 고리로 닫아 실효 회전 결합 수를 0개로 줄였다.

메탈이 확인한 30초 분량의 공개 영상은 이 차이를 그대로 보여 준다. 크리조티닙에는 흐물흐물하다는 뜻의 floppy, 로를라티닙에는 단단하다는 뜻의 rigid라는 이름표가 붙는다. 이어지는 단백질 결합 장면에서 크리조티닙(PDB 2XP2)은 결합하려면 굳어야 하고, 로를라티닙(PDB 4CLI)은 결합 모양을 미리 갖췄다는 설명이 달린다.

에이전트는 문헌에서 두 약과 유사체를 찾는 일부터 시작했다. 딥마인드에 따르면 에이전트는 몇 분 만에 화합물 수천 개를 가져오고, 완충액과 용매 같은 무관한 분자를 걸러 출처를 보고서로 남겼다. 보고서는 고리형 분자 대부분이 뇌로 들어갈 수 있을 것으로 예측된다는 점도 짚었다. 대상 폐암이 뇌로 자주 전이되는 만큼 중요한 성질이다. 대화형 뷰어에서 세포 수준 효능을 회전 결합 수에 대해 그리자, 효능이 가장 높은 화합물이 가장 단단한 분자라는 점이 드러났다.

다음은 계산화학자의 몫이던 분석이다. 에이전트는 고리화 여부만 다른 분자 쌍을 비교하는 짝분자 분석(MMPA)을 돌렸고, 고리화가 회전 결합을 줄이면서 대체로 효능을 높인다는 예상대로의 결과를 얻었다. 딥마인드는 에이전트가 이 분석을 스스로 먼저 제안했다고 밝혔다. 에이전트는 서로 다른 특징 조합과 모델 구조로 효능 예측 모델을 여럿 만들어 네 가지 실험 측정값에 대해 비교했다. 옛 화합물로 학습해 새 화합물을 맞히는 시간순 분할을 우선 쓰고, 정보가 없으면 골격 분할로 일반화 성능을 쟀다.

마지막으로 에이전트는 배운 내용을 바탕으로 새 고리형 분자를 설계했다. 여러 반응과 합성 경로를 제안하고, 고리화 반응의 원리를 전자 이동 화살표 그림으로 보여 주며, 공개 데이터베이스에서 비슷한 반응을 찾아 근거로 붙였다. 앞서 만든 모델로 각 설계의 효능도 예측했다. 결과는 업계 표준 화학 소프트웨어가 읽는 형식으로 내보낼 수 있고, AlphaFold나 분자동역학 시뮬레이션으로 넘겨 추가 분석할 수 있다.

AI 엔지니어의 눈으로 보면 설계의 무게는 모델과 도구의 경계선에 있다. 언어 모델이 원자 좌표를 직접 계산하게 두지 않고 RDKit 같은 결정론적 도구를 부르게 한 것은, 원자 하나의 오류도 허용되지 않는 영역에서 환각을 구조적으로 막는 방법이다. 딥마인드는 이 도구의 한계도 같은 글에 적었다. 데이터가 드물고, 실험실마다 측정 잡음이 있고, 측정 범위가 좁으면 가장 강력한 모델도 예측 정밀도가 떨어진다는 것이다. 딥마인드는 "계산으로 만든 설계는 검증 가능한 가설이지 완성된 약이 아니다"라며 "제안된 모든 설계는 실제로 합성해 실험으로 검증해야 한다"고 밝혔다.

메탈은 앤스로픽이 클로드의 신약 개발 협업 초기 성과를 공개한 소식을 보도한 바 있으며, 이번 발표로 프런티어 연구소 두 곳이 같은 신약 설계 작업대를 두고 경쟁하는 구도가 됐다. 딥마인드의 방식은 도구 묶음을 오픈소스로 풀고 자사 에이전트 앱에 플러그인으로 얹는 쪽이다.

사용법은 간단하다. 안티그래비티 앱에서 Science 플러그인을 설치하면 스킬이 켜지고, 기업 사용자는 구글 클라우드 계정으로 로그인해 쓸 수 있다. 저장소 스킬은 아파치 2.0 라이선스로 공개됐다. 1만 명 무상 지원은 자격과 수용 능력, 선발에 따라 순차적으로 배정된다. 며칠 걸리던 한 바퀴가 한 시간으로 줄었다는 숫자가 실험실의 합성 일정까지 줄일지는 이제 그 과학자들의 결과가 말해 줄 차례다.