구글 딥마인드 CEO 허사비스·존 점퍼·데이비드 베이커
스웨덴 왕립과학원 노벨위원회는 9일(현지시간) ‘단백질 설계’에 기여한 미국 생화학자 데이비드 베이커(62)와 단백질 구조를 파악하는 인공지능(AI) 모델 ‘알파폴드’를 개발한 구글의 AI 기업 딥마인드의 데미스 허사비스(48), 존 점퍼(39)를 올해의 노벨 화학상 공동 수상자로 선정했다. [연합] |
<이미지를 클릭하시면 크게 보실 수 있습니다> |
[헤럴드경제=전새날 기자] 올해 노벨 화학상은 ‘단백질 설계 예측’에 기여한 미국 생화학자 데이비드 베이커(62)와 단백질 구조를 파악하는 인공지능(AI) 모델 ‘알파포드’를 개발한 구글의 AI 기업 딥마인드의 데미스 허사비스(48), 존 점퍼(39)에게 돌아갔다.
전날 노벨 물리학상을 인공신경망을 이용한 AI 머신러닝(기계학습) ‘대부’ 2인이 거머쥐는 등 올해 노벨상에서는 AI 분야가 휩쓰는 분위기다.
스웨덴 왕립과학원 노벨위원회는 이 같은 공로로 세 사람을 공동 수상자로 선정했다고 9일(현지시간) 발표했다.
베이커는 미국 생화학자이자 워싱턴대학교 교수다. ‘알파고의 아버지’로 불리는 허사비스는 영국 런던에 본사를 둔 딥마인드의 최고경영자(CEO)이며, 점퍼는 딥마인드의 연구원이다.
노벨위원회는 “2024년 노벨 화학상은 생명의 독창적인 화학 도구인 단백질에 관한 것”이라면서 “데이비드 베이커는 단백질의 완전히 새로운 종류를 구축하는 거의 불가능한 위업에 성공했다”고 밝혔다.
노벨위원회는 이어 “데미스 허사비스와 존 점퍼는 50년 된 문제인 단백질의 복잡한 구조를 예측하는 AI 모델을 개발했다”고 밝혔다.
노벨위원회는 단백질은 생명의 기반인 모든 화학 반응을 조절하고 조종한다면서 이들 발견은 엄청난 잠재력이 있다고 평가했다.
노벨위원회는 단백질은 보통 20개의 다른 아미노산으로 구성되며 이는 생명의 구성 요소라고 할 수 있다면서 베이커는 2003년 이러한 구성 요소들을 이용해 다른 어떤 단백질과도 다른 새로운 단백질을 설계하는 데 성공했다고 밝혔다.
이후로 베이커의 연구 그룹은 제약, 백신, 나노 소재 등에 사용될 수 있는 단백질을 포함해 창의적인 단백질을 하나씩 만들어냈다고 평가했다.
허사비스와 점퍼의 발견은 단백질 구조 예측과 관련한 것이다. 1970년대 이래 연구자들이 아미노산 서열에서 단백질 구조를 예측하려고 노력해온 가운데 이는 악명높게 어려운 작업이었으나 4년 전 깜짝 놀랄 돌파구가 마련됐다고 노벨위원회는 밝혔다.
노벨위원회는 허사비스와 점퍼는 2020년 ‘알파폴드2’라는 AI 모델을 내놨으며 그 도움으로 그들은 연구자들이 확인한 사실상 모든 2억개 단백질 구조를 예측할 수 있게 됐다고 설명했다.
이후 전세계 190개국에서 200만명이 넘는 사람이 알파폴드2를 사용했으며, 연구자들은 이제 항생제 내성을 더 잘 이해하고 플라스틱을 분해할 수 있는 효소 이미지를 생성할 수 있게 됐다고 덧붙였다.
딥마인드가 개발한 ‘알파폴드’는 단백질 구조에 관해 구글 ‘검색엔진’과 같은 역할을 해 기초 생물학 등 관련 분야의 발전을 가속했다고 평가받는다.
두 사람의 관련 논문은 2021년 출판 뒤 1만3000회 이상 인용되는 등 학계의 높은 주목을 받았다. 두 사람은 지난해 래스커상 수상자이기도 하다. 화학자가 아닌 허사비스 CEO가 노벨 화학상을 수상한 것도 이변으로 받아들여진다.
상금은 1100만 스웨덴 크로나(약 13억4000만원)로, 세 사람이 나눠 갖게 된다.
노벨위원회는 이날 화학상에 이어 10일 문학상, 11일 평화상, 14일 경제학상 수상자를 차례로 발표한다.
앞서 7일에는 노벨 생리의학상 수상자로 마이크로RNA 발견에 기여한 미국 생물학자 빅터 앰브로스와 게리 러브컨이, 8일에는 노벨 물리학상 수상자로 인공지능(AI) 머신러닝(기계학습)의 기초를 확립한 존 홉필드와 제프리 힌턴이 선정됐다.
노벨상 시상식은 알프레드 노벨의 기일인 12월 10일 스웨덴 스톡홀름(생리의학·물리·화학·문학·경제상)과 노르웨이 오슬로(평화상)에서 열린다.
newday@heraldcorp.com
Copyright ⓒ 헤럴드경제 All Rights Reserved.
이 기사의 카테고리는 언론사의 분류를 따릅니다.
기사가 속한 카테고리는 언론사가 분류합니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.