단백질 설계는 가능한 아미노산 조합이 천문학적으로 많아 전수 탐색이 불가능한 문제다. RFD4-Proteina는 자연에서 학습한 패턴을 활용해 단백질 서열과 원자 구조를 동시에 설계하며, 보상 기반 추론 시간 탐색으로 유망 후보에 계산 자원을 집중한다.
이 모델은 이전 버전 대비 메모리 사용량과 속도가 개선됐으며, 잔기 수준 잠재 표현과 개선된 확산 과정으로 효율성을 높였다. 또한 CUDA 가속을 활용한 외부 오라클과 통합돼 탐색 속도를 더욱 향상시킨다.
사용자는 오픈 모델을 직접 활용하거나 NIM 마이크로서비스를 통해 HTTP 인터페이스로 빠른 추론을 수행할 수 있다. PD-L1 단백질에 대한 바인더 후보 설계 예시와 실험 검증 결과도 제공돼 실제 연구에 적용 가능하다.
RFD4-Proteina는 설계 목표와 제약 조건을 정의하고, AtomWorks를 통해 입력 데이터를 준비한 뒤, 보상 기반 탐색으로 후보를 생성한다. 생성된 후보는 다양한 구조 및 상호작용 지표로 평가 후 실험 검증에 활용된다.
이 모델은 AI 기반 단백질 설계의 새로운 패러다임을 제시하며, 오픈 소스와 마이크로서비스 형태로 연구자와 개발자에게 혁신적 도구를 제공한다. 향후 신약 개발 및 생명과학 연구에서 중요한 역할을 할 것으로 기대된다.
출처: NVIDIA Developer
