스위스 로잔 연방 공과대학교(EPFL) 연구진이 단백질의 동적인 움직임을 포함하여 전체 원자 단위의 모델을 생성할 수 있는 AI 기반 프레임워크를 개발했다. LD-FPG(Latent Diffusion for Full Protein Generation)로 명명된 이 시스템은 기존의 AlphaFold와 같은 도구가 정적인 스냅샷만을 제공하던 한계를 극복하는 것을 목표로 한다. 단백질 기능의 핵심인 복잡한 구조적 변화를 시뮬레이션하는 데 중점을 둔 것이다.

단백질은 분자 기계로서 미세한 구조적 재배열을 거치며, 특히 곁사슬의 변화는 약물 후보 물질과의 상호작용 방식을 결정짓는다. 따라서 단백질의 움직임을 영상처럼 포착하는 것은 신약 개발 과정에서 필수적이다. LD-FPG는 직접적인 원자 좌표를 예측하는 대신 형태 변화의 저차원 지도를 학습하는 방식을 택해 계산의 복잡성을 크게 줄였다.

이를 위해 연구팀은 데이터를 노드와 엣지 구조로 처리하는 그래프 신경망을 활용하여 구조 데이터를 단순화된 잠재 공간으로 압축한다. 학습된 AI는 새로운 단백질 구조 앙상블을 생성하며, 이는 다시 고해상도의 완전한 원자 표현으로 변환된다. 연구진은 제약 산업의 핵심 표적인 도파민 D2 수용체의 활성 및 비활성 상태를 성공적으로 시뮬레이션했으며, 연구를 지원하기 위해 데이터셋을 오픈 액세스로 공개했다.

NeurIPS 2025에 발표된 이 연구는 단백질의 정적인 형태보다 동적인 거동을 모델링하는 것이 가상 약물 선별 과정의 정확도를 높일 수 있음을 시사한다. 연구를 이끈 패트릭 바스(Patrick Barth)와 피에르 반더게인스트(Pierre Vandergheynst)는 이 프레임워크가 구조 생물학의 새로운 패러다임을 제시하지만, 시스템의 성능은 단순히 학습 데이터의 양을 늘리는 것보다 정제되고 평가된 데이터의 품질에 크게 의존한다고 설명했다.

스위스 로잔 연방 공과대학교(EPFL) 연구진이 단백질의 동적인 움직임을 포함하여 전체 원자 단위의 모델을 생성할 수 있는 AI 기반 프레임워크를 개발했다. LD-FPG(Latent Diffusion for Full Protein Generation)로 명명된 이 시스템은 기존의 AlphaFold와 같은 도구가 정적인 스냅샷만을 제공하던 한계를 극복하는 것을 목표로 한다. 단백질 기능의 핵심인 복잡한 구조적 변화를 시뮬레이션하는 데 중점을 둔 것이다.

단백질은 분자 기계로서 미세한 구조적 재배열을 거치며, 특히 곁사슬의 변화는 약물 후보 물질과의 상호작용 방식을 결정짓는다. 따라서 단백질의 움직임을 영상처럼 포착하는 것은 신약 개발 과정에서 필수적이다. LD-FPG는 직접적인 원자 좌표를 예측하는 대신 형태 변화의 저차원 지도를 학습하는 방식을 택해 계산의 복잡성을 크게 줄였다.

이를 위해 연구팀은 데이터를 노드와 엣지 구조로 처리하는 그래프 신경망을 활용하여 구조 데이터를 단순화된 잠재 공간으로 압축한다. 학습된 AI는 새로운 단백질 구조 앙상블을 생성하며, 이는 다시 고해상도의 완전한 원자 표현으로 변환된다. 연구진은 제약 산업의 핵심 표적인 도파민 D2 수용체의 활성 및 비활성 상태를 성공적으로 시뮬레이션했으며, 연구를 지원하기 위해 데이터셋을 오픈 액세스로 공개했다.

NeurIPS 2025에 발표된 이 연구는 단백질의 정적인 형태보다 동적인 거동을 모델링하는 것이 가상 약물 선별 과정의 정확도를 높일 수 있음을 시사한다. 연구를 이끈 패트릭 바스(Patrick Barth)와 피에르 반더게인스트(Pierre Vandergheynst)는 이 프레임워크가 구조 생물학의 새로운 패러다임을 제시하지만, 시스템의 성능은 단순히 학습 데이터의 양을 늘리는 것보다 정제되고 평가된 데이터의 품질에 크게 의존한다고 설명했다.