메타 알럼, 5억 년 진화를 시뮬레이션하는 혁신적인 AI 생물학 모델 공개

GPT-4o의 잠재력이 발전하면서, EvolutionaryScale(구성원들은 메타의 단백질 접히기 팀에서 일한 엔지니어들로 이루어진 인공지능 연구소)는 생물학을 프로그래밍할 수 있는 획기적인 분야에 도전하고 있습니다. 설립된 지 1년이 채 되지 않은 이 회사는 이미 상당한 성과를 내고 있습니다. 오늘, ESM3를 공개했으며, 이 다중 모달 생성 언어 모델은 신호를 따르고 새로운 단백질을 설계할 수 있는 능력을 갖추고 있습니다. ESM3은 테스트에서 새로운 녹색 형광 단백질(esmGFP)을 성공적으로 생성하여, 일반적으로 수억 년의 진화가 필요할 성과를 이루어냈습니다.

단백질 디자인 혁신

생성된 esmGFP는 가장 가까운 알려진 형광 단백질과의 서열 유사도가 58%에 불과하며, 이 혁신은 5억 년이 넘는 자연 단백질 다양화를 시뮬레이션할 수 있다고 회사는 추정하고 있습니다. ESM3의 출시에 맞춰 EvolutionaryScale는 Nat Friedman, Daniel Gross, Lux Capital와 같은 저명한 투자자들로부터 1억 4200만 달러의 초기 자금을 모금했습니다. 아마존과 엔비디아의 벤처 캐피탈도 지원을 아끼지 않았습니다. 가장 작은 모델은 연구 진행을 가속화하기 위해 오픈 소스로 공개되었습니다.

앞으로의 도전 과제

ESM3의 개발은 시작에 불과하며, 그 실질적인 영향은 아직 온전히 탐구되지 않았습니다. EvolutionaryScale는 생성 AI 모델의 힘을 활용하여 35억 년 동안 진화해온 RNA, 단백질 및 DNA 같은 생물학적 핵심 분자의 기본 언어를 해독하는 것을 목표로 하고 있습니다. 생물학을 프로그래밍하고 새로운 분자를 설계함으로써, 기후 변화, 플라스틱 오염, 질병(특히 암)과 같은重大 챌린지를 해결하고자 합니다.

경쟁 환경

구글 딥마인드 및 아이소모픽 연구소를 포함한 여러 조직들도 유사한 기술을 개발 중입니다. 2023년에 설립된 EvolutionaryScale는 여러 단백질 언어 모델을 개발했으며, ESM3는 규모와 기능 면에서 두각을 나타냅니다.

ESM3는 2.78억 개의 자연 단백질과 771억 개의 고유 토큰을 바탕으로 1조 테라플롭의 컴퓨팅 파워로 훈련되었습니다. 이 고급 모델은 단백질의 세 가지 주요 생물학적 속성인 서열, 구조, 기능에 대해 추론할 수 있습니다. 사용자는 이들 속성에 대한 부분 데이터를 입력하면, ESM3는 모두에 대한 예측을 생성하여 새로운 단백질을 창조합니다.

과학자를 위한 향상된 제어

“ESM3의 다중 모달 추론은 과학자들이 뛰어난 제어로 새로운 단백질을 설계할 수 있게 합니다. 예를 들어, PETase와 같은 효소의 골격을 제안하기 위해 구조, 서열 및 기능을 통합할 수 있습니다.”라고 회사는 밝혔습니다. 실제로 ESM3는 새로운 버전의 녹색 형광 단백질을 설계하여 과학자들이 세포 내 특정 단백질을 시각화할 수 있도록 했습니다. 이 생성된 단백질은 자연 형광 변종의 밝기와 일치하며, 진화가 이를 개발하려면 5억 년이 걸렸을 것입니다.

적응형 모델

ESM3 모델은 실험실 실험이나 기존 데이터를 기반으로 출력 결과를 개선할 수 있는 자기 개선 기능을 갖추고 있습니다.

사용 가능성과 미래 응용

현재 ESM3는 소형, 중형, 대형의 세 가지 크기로 제공됩니다. 가장 작은 모델은 14억 개의 매개변수를 가지고 있으며, 비상업적 라이센스 하에 GitHub에서 오픈 소스 형식으로 제공됩니다. 중형 및 대형 버전(최대 98억 개의 매개변수)은 EvolutionaryScale의 API 및 Nvidia, AWS와의 파트너십을 통해 상업적 사용이 가능합니다. EvolutionaryScale는 이 기술이 전 세계적 문제를 해결하고 인간의 건강을 증진할 수 있기를 희망합니다. 이 기술의 가장 유망한 응용 분야는 제약 산업으로, 기업들이 ESM3를 활용하여 생명을 위협하는 질병에 대한 혁신적인 치료법을 개발할 수 있을 것입니다. EvolutionaryScale의 이전 모델들은 항체 특성 개선과 COVID-19 변종 탐지에서 이미 성공을 거두어, 이 획기적인 AI 기술이 생물학에서 미칠 잠재적 영향을 강조하고 있습니다.