AI 단백질에 '지문' 새기기…기능 유지하며 출처 추적 가능

인공지능이 설계한 단백질의 출처를 추적할 수 있는 획기적인 기술이 개발됐다. 네이처에 발표된 이 연구는 AI 생성 단백질에 눈에 띄지 않는 '워터마크'를 심으면서도 원래의 기능을 완벽하게 보존하는 방법을 제시했다. 이는 AI 기반 생물 공학이 급속도로 확산되는 시대에 생물 보안과 정보 신뢰성 문제를 해결하기 위한 중요한 돌파구가 될 것으로 기대된다.

연구팀이 개발한 'SynthIDBio'라는 기술은 두 가지 방식으로 작동한다. 먼저 SynthIDBio-sequence는 단백질 서열에 직접 워터마크를 삽입하면서 단백질의 기능을 그대로 유지한다. 연구진은 이를 통해 다른 분자와 결합하는 설계된 단백질 바인더를 만들었는데, 워터마크가 없는 버전과 비교해 결합력이 거의 동등하면서도 워터마크 감지 정확도는 거의 완벽에 가까웠다. 또한 SynthIDBio-structure는 알파폴드3를 미세 조정한 모델로, 생물 분자 구조에 눈에 띄지 않는 워터마크를 숨길 수 있다. 이는 단순한 개념 증명을 넘어 실제로 기능 보존 생물 워터마킹이 가능함을 보여주는 첫 사례다.

AI 단백질 추적 기술의 필요성은 그 어느 때보다 높아지고 있다. 알파폴드3와 같은 최첨단 AI 모델들은 단백질 구조 예측과 새로운 기능성 단백질 설계를 가속화하면서 생물학적 혁신을 주도하고 있다. 신약 개발, 진단 기술, 생의학 연구 등 광범위한 분야에서 AI의 활용이 확대되면서 AI가 생성한 단백질의 출처를 명확히 파악해야 할 필요성이 대두됐다. DNA 합성 제공업체나 단백질 데이터베이스(PDB), 유니프로트, 진뱅크 같은 국제 생물 정보 기관들은 AI 생성 단백질의 출처를 추적할 수 있는 방법을 절실히 필요로 하고 있다.

기존의 출처 추적 방식들은 각각의 한계를 가지고 있었다. 중앙집중식 데이터베이스는 대규모 운영 시 오류 가능성이 높고 개인정보 보호 문제를 야기한다. 암호화된 메타데이터는 개인정보를 보호하지만 쉽게 제거될 수 있다. 워터마킹은 이러한 문제들을 우회할 수 있는 대안이다. AI가 생성한 텍스트와 멀티미디어에 이미 성공적으로 적용되고 있으며, 구글의 생성형 AI 제품에도 배포되고 있다. 워터마크는 중앙 조정 없이도 작동하고, 출처 정보가 제거되기 어려우며, 감지 가능성이 높고 눈에 띄지 않아 품질을 보존할 수 있다는 장점이 있다.

그러나 생물학 분야에 워터마킹을 적용하는 것은 기술적 난제가 많았다. 단백질 설계의 경우 실험으로 검증 가능한 생물학적 기능을 유지해야 하고, 구조 예측의 경우 예측된 구조 특성의 정확성을 보존해야 한다. 기존 워터마킹 방식들은 단백질 구조에 적용할 때 정확도가 눈에 띄게 감소했고, 단백질 서열 워터마킹은 컴퓨터 시뮬레이션 수준의 실험에만 제한돼 있었다. SynthIDBio의 개발은 이러한 기술적 장벽을 처음으로 돌파했다는 점에서 매우 의미 있다.

이번 연구 결과는 생물 보안과 정보 신뢰성 문제 해결에 광범위한 영향을 미칠 것으로 예상된다. 향후 AI 기반 단백질 설계 및 예측 기술이 더욱 고도화되면서 AI 생성 생물학적 객체의 출처를 명확히 하는 것이 점점 더 중요해질 것이다. 특히 생물 테러나 악의적 용도로 AI 단백질이 악용될 수 있다는 우려가 커지는 가운데, 워터마킹 기술은 이러한 위험을 관리하는 핵심 도구가 될 수 있다. 또한 오픈 모델의 예측에 대해서도 출처를 확립할 수 있게 됨으로써 AI 기반 생물 공학의 투명성과 신뢰성을 한 단계 높일 것으로 기대된다.