개별 원자 수준에서 단백질과 핵산을 설계할 수 있는 생성형 AI 시스템 RFdiffusion3의 전체 설계 방안이 최근 공식 공개되었다. 더욱 주목할 만한 점은, 이 시스템으로 새롭게 설계된 단백질이 실제 화학 반응에서 예상된 기능을 이미 발휘했다는 것이다.
미국 워싱턴대학교, 영국 옥스퍼드대학교, 엔비디아 등의 기관으로 구성된 국제 연구팀이 이 시스템을 구축했으며, 개별 원자를 모델링하여 단백질과 핵산 설계에 전문적으로 사용된다. 관련 성과는 현지 시간 16일 국제 학술지 《사이언스》에 게재되었다. 연구팀은 사실 이미 2025년 12월 3일에 RFdiffusion3를 오픈소스로 공개했으며, 이번 논문은 설계 원리를 상세히 설명하고 있다.
노벨상 수상자가 주도, 이전 세대보다 10배 빠른 속도
이 연구의 교신저자는 워싱턴대학교 교수 데이비드 베이커로, 그는 컴퓨터를 이용한 단백질 구조 예측으로 2024년 노벨 화학상을 수상했으며, 그의 대표적 성과 중 하나가 단백질 구조 예측 시스템 RosettaFold이다. RFdiffusion1(2023)과 RFdiffusion2(2025)는 모두 RosettaFold의 구조 예측 네트워크에 기반하여 탄생했으며, 반면 RFdiffusion3는 AlphaFold3의 네트워크 아키텍처를 참고하여 하나의 아미노산을 최대 14개의 원자로 표현하고, 각 원자의 3차원 좌표를 직접 조정함으로써 새로운 구조를 만들어낸다.
이 시스템의 능력은 '제약 조건을 갖고 설계한다'는 데 있다. 연구자가 반응에 필요한 원자의 배치 위치를 지정할 뿐만 아니라 수소 결합 형성 조건, 단백질 내부에서 특정 원자의 분포 범위까지 설정하면, 시스템은 모든 제약 조건을 만족하는 구조를 출력할 수 있다. 연구팀은 기존 효소의 41개 활성 부위를 비교 대상으로 삼았으며, 37개 조합에서 RFdiffusion3가 RFdiffusion2를 능가했고, 생성 속도는 이전 세대의 약 10배에 달했다. 이 시스템으로 설계된 파라옥손 분해효소와 펩타이드 절단효소는 모두 실제 실험에서 예상된 반응을 순조롭게 완수했다. '구조 예측'에서 '기능에 따른 구조 설계'로 도약한 이 원자 단위 정밀 설계 AI는 단백질 공학을 전례 없는 정밀도로 이끌고 있다.