【드래곤 스포츠】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 뉴스 : 안구정화

로그인

글쓰기

[IT뉴스]예측 속도 25배 향상···KAIST '한국판 알파폴드' 개발

온카뱅크관리자

2026-08-28 08:57:25

<div id="layerTranslateNotice" style="display:none;"></div>  <strong class="summary_view" data-translation="true">소버린 바이오 AI 'K-Fold' 공개</strong> 
        <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
         <section dmcf-sid="PNUFs4IkOA">
          <p contents-hash="154acff442868fb7c61a6351cbfcb307cb2eec76ecdc08b32331aa1782739647" dmcf-pid="Qju3O8CEsj" dmcf-ptype="general"> [이데일리 강민구 기자] 한국과학기술원(KAIST) 연구진이 단백질 구조 예측을 수행하는 바이오 인공지능(AI) 모델 ‘K-Fold(케이폴드)’를 개발했다.</p>
          <p contents-hash="af3a5a18e82df8bec73b148be95dca096cb9e6133b51a08666440030be6a095c" dmcf-pid="xeXWjzcnrN" dmcf-ptype="general">KAIST는 과학기술정보통신부 ‘AI 특화 파운데이션 모델 프로젝트’의 주관기관으로 ‘팀 KAIST’를 구성하고, 차세대 바이오 AI 모델 ‘K-Fold’를 공개했다고 28일 밝혔다.</p>
          <figure class="figure_frm origin_fig" contents-hash="299b67a998b1fbb905e7e0e11d6f859da79df99c729b75eafb4d75121026dd23" dmcf-pid="yGJMpEu5Oa" dmcf-ptype="figure">
           <p class="link_figure"><img alt="KAIST 교수진.(왼쪽부터)오병하·이규리·황성주·김우연·안성수·김호민 교수.(사진=KAIST)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202608/28/Edaily/20260828085551738xuel.jpg" data-org-width="927" dmcf-mid="8RTJzmB3mk" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202608/28/Edaily/20260828085551738xuel.jpg" width="658"></p>
           <figcaption class="txt_caption default_figure">
            KAIST 교수진.(왼쪽부터)오병하·이규리·황성주·김우연·안성수·김호민 교수.(사진=KAIST)
           </figcaption>
          </figure>
          <div contents-hash="21b2d9ef84792deab124989c7395702b94f4949215b1c1049bde99e23059a8b4" dmcf-pid="WHiRUD71rg" dmcf-ptype="general">
           ‘팀 KAIST’는 화학과 김우연 교수가 연구를 총괄하고, 김우연 교수 그룹과 김재철AI대학원 황성주·안성수 교수 그룹 연구원들이 AI 모델 개발을, 생명과학과 오병하·김호민·이규리 교수가 단백질 데이터 구축과 검증을 담당한다. 
          </div>
          <p contents-hash="39082c6aaf23fe814ecfdfd7518df216e1b90ba918e0ae2824b75bb745281228" dmcf-pid="YXneuwztmo" dmcf-ptype="general">KAIST 교원창업기업 히츠(HITS)는 K-Fold를 연구자가 실제 활용할 수 있도록 웹 기반 AI 연구 플랫폼 ‘하이퍼랩(HyperLab)’과 연계해 서비스로 구현했다. K-Fold의 성과 확산과 산업계 활용 촉진은 한국제약바이오협회와 한국바이오협회가 맡는다.</p>
          <p contents-hash="3248274ae4d27752cbe92b44f0e6b5e8c7052ce55ccbbfbafe4aab8daac4b79b" dmcf-pid="GZLd7rqFEL" dmcf-ptype="general">K-Fold의 가장 큰 특징은 신약 개발에 필요한 단백질과 약물의 ‘결합’을 AI로 예측한다는 것 이다. </p>
          <p contents-hash="7aa8d308de9b60688687227eb7a25b36c2eadf5e483762e3cf1c120fa703ad86" dmcf-pid="H5oJzmB3En" dmcf-ptype="general">신약을 개발하려면 질병과 관련된 단백질이 어떤 모양인지 파악하고, 수많은 물질 가운데 어떤 것이 그 단백질에 잘 붙어 원하는 작용을 하는지 찾아야 한다. 개발한 모델은 단백질의 3차원 구조를 예측하고, 약물 후보가 단백질의 어디에, 어떤 모습으로 결합할지까지 미리 계산해 유망한 후보를 빠르게 찾도록 돕는다.</p>
          <p contents-hash="9ec8c6da88a455e656974526bf0fd085691744a6409b0ea1a685e7f879de7711" dmcf-pid="X1giqsb0wi" dmcf-ptype="general">단백질 하나의 구조만 예측하는 데 그치지 않는다. 단백질과 단백질, 단백질과 약물 후보 물질, DNA·RNA 등 여러 생체분자가 서로 만났을 때 어떤 구조를 만드는지까지 예측할 수 있다.</p>
          <figure class="figure_frm origin_fig" contents-hash="0084e38b4035d4b48a33ce3530657aa1cfffb953f2c409a0495174b7870f861e" dmcf-pid="ZtanBOKpOJ" dmcf-ptype="figure">
           <p class="link_figure"><img alt="연구 이미지.(자료=KAIST)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202608/28/Edaily/20260828085552981nphb.jpg" data-org-width="1000" dmcf-mid="6UOwxHRfrc" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202608/28/Edaily/20260828085552981nphb.jpg" width="658"></p>
           <figcaption class="txt_caption default_figure">
            연구 이미지.(자료=KAIST)
           </figcaption>
          </figure>
          <div contents-hash="c40438e5df5f4d2e9f80b6f41ea13c9ea9b2fac9fcd1a89ac4cc91d40633413c" dmcf-pid="5FNLbI9UId" dmcf-ptype="general">
           지난 3월 과제 단계평가에서 K-Fold의 분자 복합체 구조 예측 정확도는 구글 딥마인드의 AlphaFold3(알파폴드3)에 근접한 수준 으로 평가됐다. 연구팀이 8월 자체 수행한 성능평가에서는 일부 평가 항목에서 기존 글로벌 모델보다 높은 성능도 확인했다.
          </div>
          <p contents-hash="bae079a7e11e65c0eab39ec26e715d9f15707d6438dec1388580b01b20370daa" dmcf-pid="1FNLbI9UIe" dmcf-ptype="general">특히 암을 비롯한 여러 질환의 주요 신약 표적인 G-단백질 연결 수용체(GPCR)와 인산화효소(Kinase), 질병을 일으키는 단백질을 직접 제거하는 새로운 신약 기술인 표적단백질분해(TPD) 분야에서 약물이 표적 단백질에 어떻게 결합하고 작용하는지를 예측하는 데 높은 성능을 보였다.</p>
          <p contents-hash="2d1611d85ee0b9451644c5b1e574e598f2732017580b730755b992936969d3f9" dmcf-pid="t3joKC2uIR" dmcf-ptype="general">기존 단백질 구조 예측 AI는 구조를 계산하기 전에 비슷한 단백질의 서열 정보를 대량으로 찾아 비교하는 복잡한 사전 작업이 필요했다. K-Fold는 이러한 과정에 의존하지 않는 새로운 방식을 적용해 사전 계산 단계를 없애고, 기존 모델 대비 구조 예측 속도를 최대 25배 높였다.</p>
          <p contents-hash="6d4a0dd6a004503c3ab7b3f324d99f76325c6b11615739ee91bf7c1a9a7f3545" dmcf-pid="F0Ag9hV7wM" dmcf-ptype="general">이는 같은 시간에 더 많은 신약 후보를 살펴볼 수 있다는 의미다. 구조 예측에 필요한 시간과 컴퓨팅 자원을 줄이면서 수많은 후보 가운데 가능성이 높은 물질을 빠르게 골라내 연구자가 실제 실험할 대상을 좁히는 데 도움을 줄 수 있다.</p>
          <p contents-hash="9ec023f72fc6f7e287fea23c2349bb16ce583d571968ba6c1283639b51ebbc04" dmcf-pid="3pca2lfzmx" dmcf-ptype="general">연구팀은 K-Fold를 개발하는 데서 그치지 않고 연구자가 웹에서 대화하듯 사용할 수 있는 AI 연구 서비스로 구현했다. KAIST 교원창업기업 히츠의 멀티에이전트 플랫폼 ‘하이퍼랩(HyperLab)’에 K-Fold를 탑재해 별도의 고성능 컴퓨터를 직접 구축하거나 복잡한 AI 프로그램을 다루지 않아도 사용할 수 있도록 했다.</p>
          <p contents-hash="c1eaa1a8b2c4652dc0f172cddf75a50a4000cbd356df987558cf801d7f164ea1" dmcf-pid="0UkNVS4qrQ" dmcf-ptype="general">‘팀 KAIST’ 컨소시엄은 K-Fold를 무료로 배포할 예정이며, 하이퍼랩은 국내외 연구자를 대상으로 베타 서비스를 제공한 뒤 올해 안에 단계적으로 상용 서비스를 확대할 계획이다.</p>
          <p contents-hash="4748da474ffb5dc367820444fb965c1cfd815f225c6cd20c068f03a9f6cc50ad" dmcf-pid="puEjfv8BrP" dmcf-ptype="general">김우연 KAIST 화학과 교수는 “K-Fold는 기존 모델을 따라가는 것이 아니라 새로운 AI 구조를 적용해 기존 방식의 한계를 뛰어넘기 위해 개발했다”며 “세계 최고 수준의 바이오 AI를 연구자 누구나 활용할 수 있는 과학 AI 플랫폼으로 발전시키겠다”고 말했다.</p>
          <p contents-hash="8773bd0b3618bedaa7e51dbee70191dd1fd02cbeefad451870a0debdba0f7f40" dmcf-pid="U7DA4T6br6" dmcf-ptype="general">강민구 (science1@edaily.co.kr) </p>
         </section> 
        </div> 
        <p class="" data-translation="true">Copyright © 이데일리. 무단전재 및 재배포 금지.</p>

댓글 총 0개

이번주 포인트랭킹

매주 일요일 밤 0시에 랭킹을 초기화합니다.

14,000상품권
23,000상품권
32,000상품권

업체홍보/구인 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기