국산 바이오 AI ‘K-폴드’, 단백질 구조 예측 최대 25배 단축

신약 후보를 찾으려면 질병과 관련된 단백질의 입체 구조와 후보물질이 어디에 결합하는지를 파악해야 한다. K-폴드는 단백질뿐 아니라 약물 후보물질과 DNA·RNA 등 여러 생체분자가 함께 이루는 복합체 구조를 예측하도록 설계됐다. 연구진은 일부 입력에서 수초에서 수십 초 안에 예측 결과를 낼 수 있다고 밝혔다.

한국제약바이오협회 AI신약연구원은 이달 K-폴드의 개발 원리와 신약 연구 활용법을 소개하는 교육을 진행했다. KAIST 측은 웹 기반 환경에서 연구자가 대화형으로 모델을 활용할 수 있도록 하고, 국내 제약·바이오 연구 현장의 후보물질 탐색 부담을 줄이는 것을 목표로 하고 있다.

K-폴드는 구글 딥마인드의 알파폴드3 등 기존 모델과 성능을 비교하는 평가도 진행 중이다. 연구진은 정확도와 속도를 함께 높여 실제 신약개발 과정에서 활용 범위를 확대할 계획이다.