Google Antigravity로 항균 펩타이드 탐색 가속화

새로운 항균 펩타이드 찾기

증가하는 항균 내성은 현시대 가장 시급한 글로벌 보건 위기 중 하나이며, 2050년까지 전 세계적으로 연간 약 1,000만 명의 사망자를 초래할 수 있습니다. 이를 방지하기 위해 우리는 새로운 치료제를 시급히 발견해야 합니다. 항균 펩타이드(AMPs), 특히 박테리오신은 전통적인 항생제에 대한 유망한 대안을 제공합니다. 이는 AMPs가 경쟁하는 박테리아의 세포 외막부터 필수적인 세포 내 기구까지 근본적인 취약점을 표적으로 삼도록 자연 진화했기 때문에, 병원균이 저항성을 개발하기 어렵게 만들기 때문입니다.

유전체 및 메타유전체 시퀀싱의 지수적 성장은 글로벌 데이터베이스에 수십억 개의 천연 아미노산 서열을 채워 넣었습니다. 이 자연 데이터 풀은 이미 니신(Nisin)과 같은 전 세계적으로 사용되는 박테리오신을 만들어냈으며, 다로박틴(Darobactin), 다이노박틴(Dynobactin), 라리오시딘(Lariocidin)과 같은 최근 유전체 마이닝 발견도 이끌었습니다.

하지만 많은 수의 펩타이드가 단백질 데이터베이스의 주석 처리되지 않은 '암흑 물질' 속에 잠겨 있으며, 알려진 단백질과 유사하지 않기 때문에 그 기능이 규명되지 않은 상태입니다. 예를 들어, 단백질 서열 및 기능 정보에 대한 세계 최고의 공개 자료인 UniProt에는 유전체 시퀀싱 프로젝트에서 직접 전송된, 기능이 알려지지 않은 수백만 개의 서열을 보유하고 있습니다.

이러한 격차를 해소하기 위해 Google은 ProtNLM(Protein Natural Language Model)을 개발했습니다. 이 딥러닝 모델은 아미노산 서열의 근본적인 진화적 '문법'을 직접 읽도록 훈련되었습니다. 이를 통해 이 모델은 원시 단백질 서열로부터 생물학적 기능을 예측할 수 있게 되어, 이전에 이름 붙여지지 않았던 UniProt의 수백만 개 항목에 높은 신뢰도의 기능 라벨을 추가합니다.