KAIST, 신약 후보 탐색 돕는 바이오 AI ‘K-Fold’ 공개
신약 후보가 표적 단백질에 어떻게 결합할지를 인공지능으로 빠르게 살펴보는 국내 바이오 AI 모델이 공개됐다. 연구자가 원하는 표적을 제시하면 단백질의 입체 구조와 여러 분자의 결합 형태를 계산해 실험할 후보를 좁히는 방식이다.
한국과학기술원(KAIST)은 과학기술정보통신부 ‘AI 특화 파운데이션 모델 프로젝트’의 주관기관으로 ‘팀 KAIST’를 구성하고 차세대 바이오 AI 모델 ‘K-Fold(케이폴드)’를 공개했다고 28일 밝혔다. 파운데이션 모델은 많은 데이터를 미리 학습해 여러 세부 작업에 활용할 수 있도록 만든 기반 AI를 뜻한다.
K-Fold는 단백질 하나의 3차원 구조뿐 아니라 단백질-단백질, 단백질-저분자 약물, DNA·RNA가 포함된 복합체도 예측한다. 복합체는 둘 이상의 생체분자가 서로 결합해 이룬 구조다. 신약 탐색에서는 표적 단백질의 모양만 확인하는 데 그치지 않고 후보 물질이 어느 위치에 어떤 자세로 결합할지를 함께 계산하는 것이 중요하다.
KAIST는 K-Fold가 GPCR, 인산화효소, 표적단백질분해(TPD) 관련 평가에서 강점을 보였다고 밝혔다. 표적단백질분해는 질환과 관련된 특정 단백질을 제거하도록 유도하는 접근법이다. K-Fold의 경쟁점은 단백질 단독 구조예측보다 여러 분자가 결합한 복합체와 약물의 결합 형태를 빠르게 계산하는 데 맞춰져 있다.
과학기술정보통신부가 지난 3월 발표한 중간평가에서 K-Fold는 20억 파라미터급 모델로 소개됐다. 파라미터는 AI가 학습 과정에서 조정한 내부 설정값이다. 당시 평가에서는 비교 대상인 AlphaFold3가 약 30분 걸린 작업을 K-Fold가 평균 1분 이내에 수행해 최대 30배 이상 빠른 것으로 나타났다.
AlphaFold3는 2024년 발표된 모델로 단백질뿐 아니라 핵산, 저분자, 이온, 변형 잔기가 함께 이룬 복합체를 하나의 확산 기반 모델로 예측한다. 이에 따라 바이오 AI의 비교 범위도 단백질 모양을 맞히는 수준에서 다양한 분자의 상호작용과 계산 속도를 함께 살피는 방향으로 넓어지고 있다.
한국정보통신기술협회(TTA)는 K-Fold가 외부 모델을 가져와 개조한 것이 아니라 처음부터 학습된 방식임을 확인했다. 이는 특정 산업과 과학 분야에서 자체 기반 모델을 확보하려는 정부의 AI 특화 파운데이션 모델 정책과 연결된다.
이 사업은 2025년 11월 1일부터 2026년 9월 9일까지 약 10개월간 진행된다. 루닛의 의과학 모델과 KAIST의 바이오 모델이 단계평가를 거쳐 GPU 지원을 계속 받는 구조다. 중간평가에서는 두 컨소시엄이 모두 80점 이상을 받아 2단계 지원 기준인 70점을 넘었다.
KAIST는 연구 환경인 ‘하이퍼랩’에 약 120개 계산 도구와 160개 전문 기능, 100개 이상의 데이터베이스를 연계했다고 밝혔다. 여러 분석 도구와 자료를 한 환경에서 이용하도록 구성해 구조예측 이후의 후보 탐색 작업까지 이어갈 수 있도록 한 것이다.
K-Fold는 무료 배포가 예정돼 있으며, KAIST는 2026년 말까지 하이퍼랩의 상용 서비스를 확대할 계획이다. 다만 AI가 계산한 구조와 결합 자세는 실험 대상을 좁히기 위한 예측 결과다. 실제 결합력과 약효, 독성, 임상 성공 여부를 입증하는 실험 결과와는 구분해야 한다.
자료: 한국과학기술원(KAIST), 과학기술정보통신부, 정보통신산업진흥원(NIPA), 한국정보통신기술협회(TTA), Google DeepMind, Isomorphic Labs