AI
보고서난이도 보통Anthropic Research · Science · 10월 20일(화) 공개

Claude가 설계한 전갈 독소 결합 단백질: 211개 중 17개 확인, 해독 효과는 아직 미검증

풀어 쓴 원문: How Claude designed protein binders against scorpion neurotoxins

Claude가 제안한 211개 단백질 중 17개가 독소 결합 기준을 통과했지만, 여러 독소에 동시에 작용하거나 실제 독성을 중화하는 효과는 입증하지 못했습니다.

쉽게 말하면비유하자면 열쇠 수십만 개를 깎아 본 뒤, 자물쇠에 꽂히는 것만 골라낸 단계다. 211개를 시험해 17개가 독소에 붙었지만, 꽂힌 열쇠가 문을 여는지, 즉 독의 작용을 막는지는 아직 확인하지 않았다.

왜 봐야 하나
AI가 목표를 받아 설계 후보를 추려 외부 실험실 검증까지 가는 과정을 보여준다. 다만 세포에서의 독성 중화와 동물에서의 보호 효과는 측정하지 않았고, 계산에 약 1만 H100 GPU 시간이 들었다.

이 글은 내부 연구용 Claude가 전갈 신경독소에 결합하는 작은 단백질 결합체(미니바인더)를 설계한 실험을 다룬다. 연구진이 목표와 도구·선별 규칙을 정한 초기 프롬프트 및 네 차례 후속 지시를 주자, Claude는 64시간 안에 318,484개 설계 가운데 180개를 골랐다. 이후 연구진이 Claude와 함께 31개를 추가해 총 211개를 시험했고, 17개가 결합 기준을 통과했다. 이 가운데 15개는 두 계약연구기관의 판정을, 2개는 한 기관의 판정을 충족했다. 독소에 붙는 단백질 후보를 찾았다는 결과이며, 실제 독성을 막는 치료제를 완성했다는 뜻은 아니다.

알아낸 것

  • Claude가 고른 180개에 연구진이 31개를 추가해 총 211개를 시험했고, 17개가 연구진의 결합 판정 기준을 충족했습니다.
  • 한 독소를 목표로 설계한 60개에서는 11개가 통과했습니다. 여러 독소를 함께 겨냥한 151개 가운데 두 종류 이상에 대한 결합 기준을 충족한 설계는 없었습니다.
  • 연구진의 초기 지시와 네 차례 후속 지시를 받아 약 64시간 동안 후보를 골랐으며, 계산에는 약 1만 H100 GPU 시간이 들었습니다.

한계와 주의할 점

  • 결합은 재조합 독소로 측정했으며 세포에서의 독성 중화, 동물에서의 보호 효과, 사람에게 사용할 치료 효과는 확인하지 않았습니다.
  • 17개 가운데 LqhIII 대상 2개는 한 실험실에서만 측정했습니다. 다른 15개와 검증 범위가 같지 않으며 결합 강도도 예비 추정치입니다.
  • 판정 기준은 데이터를 확인한 뒤 정했습니다. 별도 비표적 단백질 검사에서는 가장 강한 후보를 포함한 2개가 반응해, 비특이적 결합의 가능성이 남습니다.
  • 같은 자원으로 수행한 전문가나 고정 설계 절차와의 직접 비교가 없어 Claude 자체의 기여나 시간·비용 절감량을 분리해 판단할 수 없습니다.

용어 풀이

미니바인더
표적에 붙도록 설계한 작은 단백질 결합체. 결합이 확인돼도 곧바로 약물이 되는 것은 아니며, 독성을 막는 기능과 안전성을 별도로 검증해야 한다.
de novo 설계
표적에 맞는 새로운 단백질 결합체를 계산으로 설계하는 접근. 이 연구에서도 기존 도구와 구조를 이용하고 일부 단백질 골격을 재사용하므로, 기존 정보나 골격을 전혀 쓰지 않는다는 뜻은 아니다.
해리상수(KD)
두 분자가 얼마나 강하게 붙는지를 나타내는 해리상수. 같은 조건에서 작을수록 결합이 강하다. nM은 리터당 10억분의 1몰에 해당하는 농도 단위이며, KD 자체가 약물의 투여량이나 치료 효과를 나타내지는 않는다.
표면 플라즈몬 공명(SPR)
분자가 센서 칩 표면에 결합하고 떨어지는 과정을 실시간으로 측정해 결합 속도와 강도를 구하는 실험 기법.
경쟁 실험
한 분자가 먼저 붙었을 때 다른 분자의 결합 신호가 어떻게 달라지는지 보는 실험. 신호 감소는 결합 부위가 같거나 가깝다는 단서지만, 정확히 같은 부위를 공유한다고 단정하거나 독성 중화를 증명하지는 못한다.
핫스팟
결합체가 달라붙도록 선택한 표적 단백질의 특정 아미노산 위치. 이 연구에서 Claude가 각 독소마다 5개씩 골랐다.

더 깊이 읽기 읽는 데 약 8분

배경과 문제

논문은 기존 역학 자료를 인용해 전갈에 쏘이는 사고가 매년 120만 건 이상, 사망자가 3,250명 이상으로 추정된다고 설명한다. 의료 접근성이 낮은 지역의 어린이가 특히 큰 피해를 본다. 전갈독에는 여러 신경독소 단백질이 들어 있으며, 위험한 독소는 신경세포 막의 나트륨 채널에 결합해 신경 신호를 흐트러뜨린다. 심한 경우 아드레날린 같은 물질의 과도한 분비를 거쳐 심장과 폐에 심각한 문제가 생길 수 있다.

기존 항독소는 말 같은 동물을 독으로 면역시킨 뒤 항체를 뽑아 만든다. 이 방식은 수개월이 걸리고, 독을 짜내기 위해 수천 마리 전갈이 필요하며, 생산 비용이 높아 필요한 지역에서 구하기 어렵다. 게다가 기존 항독소는 소수의 신경독소에만 효과가 있는 경우가 많다. 전갈 독성은 상업적 유인이 낮아 '소외열대질환'으로 불릴 만큼 치료제 개발 투자가 부족한 문제다.

기존 접근의 한계

항체나 나노바디는 여전히 설계 결합체가 넘어야 할 비교 기준이다. Cn2나 AaH II에 대해 보고된 일부 항체 단편은 1 nM 미만의 결합 친화도를 보였고, 생쥐를 독소로부터 보호한 사례도 있다. 이들은 면역된 동물이나 항체 라이브러리에서 유래했다. 저자들이 파악한 범위에서는 전갈독소를 겨냥해 처음부터 계산으로 설계한 결합체가 이전에 보고되지 않았다고 한다. 기존 항체의 동물 보호 결과는 이번 Claude 설계의 성능으로 옮겨 읽을 수 없다.

de novo 설계는 특정 표적에 대해 결합체를 처음부터 계산으로 설계하는 방식이다. 독소가 나트륨 채널에 달라붙는 부위를 막는 결합체를 만들면 독소가 채널에 접근하는 것을 차단할 수 있다. 이론적으로는 효능이나 안정성 같은 약물적 특성을 설계 단계에서 최적화할 수 있어, 전갈에 쏘이는 사고가 많은 지역에 더 쉽게 공급할 수 있는 치료제 후보를 만들 가능성이 있다.

연구방법을 단계별로

연구진은 멕시코(Cn2), 브라질(Ts1), 북아프리카(AaH I·AaH II), 중동(LqhIII)의 전갈 4종에서 5개 신경독소를 표적으로 골랐다. 각 독소의 나트륨 채널 결합 부위를 목표로 정하고, Claude가 단백질 데이터은행(PDB)과 AlphaFold 데이터베이스에서 설계에 쓸 독소 구조를 선택하게 했다. Claude는 각 독소에서 결합체가 달라붙을 5개 아미노산 '핫스팟'도 골랐다.

초기 프롬프트는 표적 독소, 단백질 설계·접힘 도구, 새로움·점수·필터링 규칙을 정의했다. Claude는 구조와 핫스팟 선택 외에도 품질 기준, 설계 도구별 사용 비중, 다중 독소 결합체 전략을 스스로 정했다. 12개 설계 도구로 318,484개 설계를 생성하고, 독소나 알려진 단백질과 닮은 설계를 걸러낸 뒤, 553,052개 설계-독소 쌍을 공동 접힘(co-folding)으로 스크리닝했다. 64시간 만에 180개 최종 목록을 만들었고, 연구진이 Claude의 도움으로 31개를 추가해 총 211개를 실험에 보냈다.

실험은 Adaptyv Bio와 Twist Bioscience 두 계약연구기관에서 진행했다. Adaptyv Bio는 세포 없이 박테리아 추출물로 단백질을 발현했고, Twist Bioscience는 인간 신장 세포에서 항체 Fc 조각에 융합한 형태로 발현했다. 두 기관 모두 표면 플라즈몬 공명(SPR)으로 결합을 측정했는데, 이 방법은 독소가 설계 단백질 위를 흐를 때 결합하고 떨어지는 속도를 실시간으로 추적해 해리상수(KD)를 구한다. KD가 낮을수록 결합이 강하다.

결합체로 인정되려면 단순히 센서 신호가 나오는 것보다 엄격한 조건이 필요했다. 연구진은 두 기관의 모든 반복 측정에서 결합 신호가 확인되고, 각각의 KD가 1 µM 이하이며, 최대 반응 신호가 물리적으로 예상되는 범위를 넘지 않고, 무관한 인간 단백질 CLEC12A에는 신호가 없어야 한다고 정했다. 다만 LqhIII는 한 기관에서만 측정해 일부 조건을 달리 적용했다. 이 기준은 데이터를 본 뒤 정한 분류 기준이다.

결과와 숫자의 의미

실험한 211개 설계 중 17개가 결합 기준을 통과했다. 독소별로 Cn2에 7개, AaH II에 4개, AaH I에 4개, LqhIII에 2개였고 Ts1에는 통과한 설계가 없었다. 단일 독소를 겨냥한 설계 60개에서는 11개가 통과했으며 보고서는 반올림해 18%로 표시했다. 연구진은 이 비율이 기존 단백질 설계 캠페인과 비슷하다고 설명한다. Ts1의 실패에는 사용한 재조합 독소와 대조군의 불확실성도 있어, 그 독소에 결합체를 만드는 일이 불가능하다는 뜻은 아니다.

가장 강한 Cn2 결합체인 Cn2-B1과 Cn2-B2는 두 기관에서 한 자릿수 nM 수준 또는 그보다 낮은 KD를 보였다. Cn2-B1은 Adaptyv Bio에서 약 3.1 nM 이하, Twist Bioscience에서 약 1.7 nM 이하로 추정됐다. 이 두 값은 해리 속도를 충분히 분해하지 못해 제시한 상한 추정치다. 반면 Cn2-B2의 5.6±1.8 nM과 3.4 nM은 각각의 측정에 곡선을 맞춰 얻은 값이지 같은 종류의 상한이 아니다. 반복 수와 측정 형식이 다르므로 모두 예비적인 친화도 결과로 읽어야 하며, 치료에 쓸 농도를 뜻하지도 않는다.

경쟁 실험은 결합 위치에 관한 단서를 준다. LR 항체가 Cn2에 먼저 붙었을 때 평가 가능한 결합체 6개의 신호는 87~95% 줄었다. 다른 부위에 붙는 RU1 항체를 먼저 붙이면 5개는 15~22% 줄었지만, Cn2-B2는 예외적으로 66% 줄었다. 나머지 Cn2-B7은 처음부터 신호가 약해 경쟁을 판단하지 못했다. 이런 결과는 LR과 같거나 가까운 부위에 붙는다는 해석을 뒷받침하며, 모든 결합체의 반응이 동일하거나 독성 중화가 입증됐다는 뜻은 아니다.

구체적인 예시

Cn2-B1은 104개 아미노산으로 이루어졌고 RFdiffusion3로 설계됐다. 예측 구조에서는 네 나선이 모인 형태이며, Cn2의 나트륨 채널 결합 부위 20개 잔기 중 16개를 덮는다. 비교한 LR 항체의 결정 구조에서는 12개를 덮는다. 다만 Cn2-B1과 독소가 결합한 실제 구조를 측정해 푼 것은 아니다. 별도의 역방향 생물층 간섭계(BLI) 측정에서는 약 6.3 nM의 KD를 보였는데, 이 역시 결합을 뒷받침하는 다른 측정이지 세포 보호 실험은 아니다.

다중 독소 결합체 설계는 실패했다. 두 개 이상 독소를 겨냥한 151개 설계 중 두 개 이상 독소에서 기준을 통과한 것은 하나도 없었다. 예를 들어 91개 '전체 5개 독소' 설계 중 결합체로 판정된 것은 AaHI-B3 하나뿐인데, 이것도 AaH I 한 독소에만 결합했다. 연구진은 이 실패가 Claude의 현재 능력, 프롬프트 방식, 사용한 설계 도구의 한계, 또는 다중 독소 결합체 자체의 생물학적 실현 가능성 때문일 수 있다고 설명한다.

한계와 오해하기 쉬운 점

이번 연구는 결합만 측정했을 뿐 어떤 설계도 세포 환경에서 독성 중화를 시험하거나 동물 효능을 확인하지 않았다. 사용한 독소는 독액에서 정제한 것이 아니라 유전자로 실험실에서 만든 재조합 단백질이며, 활성이 문서화되지 않았다. 따라서 Cn2-B1이 LR과 경쟁한다는 사실이 곧 독성 중화를 의미하지는 않는다.

17개라는 숫자도 주의해서 읽어야 한다. 결합 판정 기준은 실험 데이터를 본 뒤에 정해졌고, 두 실험실 판정을 모두 충족한 것은 15개이며 LqhIII 대상 2개는 Adaptyv Bio에서만 측정됐다. 별도의 ovalbumin 비표적 검사에서 Cn2-B1과 AaHI-B4가 반응했는데, 이 검사는 원래 기준에 포함되지 않았으며 이를 포함하면 통과 수는 15개로 줄어든다.

계산 자원도 오해의 소지가 있다. 이번 캠페인에 약 10,000 H100 GPU 시간이 사용됐는데, 이는 대부분의 연구자가 접근하기 어려운 규모다. 별도 연구에서 모델 속도를 평균 4배 개선하고 단일 GPU 24시간으로 비슷한 점수를 얻었다는 결과가 있지만, 이번 실험에는 사용되지 않았고 생물학적 효능이나 비용 절감을 검증한 것도 아니다. 또한 전문가나 고정 파이프라인과 같은 자원 조건에서 직접 비교한 기준 실험이 없어 Claude의 기여도를 도구 자체와 분리할 수 없다.

실제로 어떻게 활용할까

이번 연구는 AI가 주어진 목표 아래 수일 동안 설계 후보를 추리고, 외부 실험실의 측정으로 결과를 거르는 과정을 보여준다. 연구진은 211개 설계와 결합 데이터를 공개했다. 후속 연구자는 이를 후보 검증과 평가 방식 비교의 출발점으로 활용할 수 있다. Cn2-B1 같은 후보를 치료제로 발전시키려면 자연 독액에서 얻은 독소에도 결합하는지, 세포에서 독소의 기능을 막는지, 동물에서 보호 효과를 보이는지를 별도로 확인해야 한다. 이번 연구는 이러한 효과를 아직 측정하지 않았다.

하지만 결합체는 항독소 개발의 첫 단계일 뿐이다. 실제 치료제가 되려면 독성 중화뿐 아니라 안전성, 안정성, 저렴한 생산 비용, 그리고 전갈에 쏘이는 사고가 많은 지역에서의 접근성이 모두 필요하다. 연구진은 향후 캠페인에서 이런 특성을 설계 목표에 포함시키고, 임상의·기금 제공자·정책 입안자와의 협력이 필요하다고 밝힌다.

원문에서 확인한 근거 6곳
  • Claude는 318,484개 단백질 설계를 생성하고 180개를 선택했으며, 연구진이 31개를 추가해 총 211개를 실험했다.Claude ran the design campaign with considerable autonomy
  • 실험한 211개 설계 중 17개가 결합 기준을 통과했고, 독소별로 Cn2 7개, AaH II 4개, AaH I 4개, LqhIII 2개, Ts1 0개였다.Seventeen designs each met our
  • Cn2-B1의 KD는 Adaptyv Bio에서 약 3.1 nM 이하, Twist Bioscience에서 약 1.7 nM 이하로 추정됐다.Table 1. Seventeen designs met
  • LR을 먼저 붙이면 평가 가능한 Cn2 결합체 6개의 신호가 87~95% 줄었다. RU1에서는 5개가 15~22%, Cn2-B2는 66% 줄었다.binders competed with neutralizing antibody
  • 다중 독소를 겨냥한 151개 설계 중 두 개 이상 독소에서 기준을 통과한 것은 없었다.criteria for binding against multiple
  • 이번 캠페인에 약 10,000 H100 GPU 시간이 사용됐다.Future directions

10월 21일(수) 정리 · AI가 쓰고 원문과 대조

다른 AI 글

전체 보기
물리 연구를 통째로 맡겨 보는 AI 시험 FrontierPhysics물리학자 42명이 자기 연구로 만든 과제 56개를 AI 에이전트에게 통째로 맡겼더니, 가장 잘한 AI도 168번 가운데 46…평가·벤치마크난이도 보통AI가 아는 것과 '안다'는 말의 차이를 잰 벤치마크 FinDendro날짜가 붙은 미국 금융 사실 2,226건으로 AI가 실제로 맞히는 것과 '안다'고 말하는 것을 견줬더니, 대부분의 모델에서…평가·벤치마크난이도 보통에이전트 메모에 근거 기록을 연결하는 기억 기법 WikiTraceAI 에이전트가 쌓아 둔 교훈마다 근거가 된 작업 기록을 연결해 되짚게 했더니, 메모 때문에 틀리는 일이 줄고 평균 점수가…연구 · 프리프린트난이도 보통세포 종류별로 DNA 변이 영향을 예측하는 알파게놈 2DNA 100만 글자와 '어떤 세포인지'를 함께 넣는 모델을 만들어, 변이가 세포 종류마다 유전자 활동을 어떻게 바꾸는지 이…공식 연구 발표난이도 어려움시그널 암호 코드 보안을 AI가 증명한 AlphaProof Code사람이 '무엇을 증명할지'를 정하면 AI 에이전트 팀이 증명을 쓰는 방식으로, 메신저 시그널의 암호 코드가 보안 약속을 지킨…공식 연구 발표난이도 어려움AI 모델 파일에 남은 GPU 지문을 읽는 체크포인트 포렌식공개된 AI 모델 파일에 남은 초기값 흔적으로 첫 값을 만든 GPU 계열을 가려내는 방법을 내놓았다. 중국 4개 회사의 모델…기술 보고서난이도 어려움생활 속 일을 실제로 해내는 AI를 평가하는 LifeVal시간 사용 조사와 이용자 설문으로 생활 과제를 정한 평가이며, 공개된 일부 과제 점수의 의미와 한계를 살펴봅니다.평가난이도 쉬움잡음을 지웠더니 언어 판별이 나빠졌다: SceneMaker의 한국어 방송 실험한국어 방송 6편의 발화 3,115구간에서 잡음 제거가 언어 판별 점수를 낮춘 사례를 살펴보고, 검수 방식과 적용 범위를 구…커뮤니티 해설난이도 보통