단백질은 3D 구조만큼이나 '어떻게 움직이고 형태를 바꾸는지'가 핵심. 예를 들어 효소가 약물을 받아들이기 위해 순간적으로 구조를 열어주는 장면은 신약 개발의 핵심 복선인데, 지금까지는 컴퓨터로 이를 시뮬레이션하려면 막대한 계산 비용과 수개월의 시간이 걸리는 문제가 있었음.
FLock이 이러한 시간 소요 문제를 극복하기 위해 옥스퍼드대·고려대 연구진과 함께 연구 논문 2편을 발표했고, 최고 권위의 데이터 마이닝 학회인 IEEE ICDM 2026에 채택되었다고 하네요.
TDEG (시간 단위 분리 생성 모델)
- 개념: 단백질의 움직임을 '빠른 미세 진동'과 '느린 전체 모양 변화'로 나눠서 학습.
- 특징: 미세한 떨림(흔한 데이터)과 큰 구조 변화(희귀 데이터)를 섞지 않고 따로 처리해, 처음 보는 단백질의 실제 움직임도 훨씬 정확하게 예측.
TPD (전환 경로 확산 모델)
- 개념: 단백질이 A 상태에서 B 상태로 변하는 과정을 한 프레임씩 순차적으로 계산하는 대신, 전체 변신 과정을 하나의 3D 비디오처럼 한 번에 생성하는 AI 기술.
- 특징: 이미지 생성 AI(DALL-E, Midjourney 등)가 프롬프트 한 줄로 그림을 만드는 것처럼, 단백질의 전체 이동 경로(64개 프레임)를 한 번에 그려냄
기존 방식으로 수개월이 걸리던 분자 시뮬레이션을 단 45초 만에 생성해 내는 성능 향상을 이루어 냈다고 하는데, 실제로 범용적으로 사용될 수 있다면 , 단백질 지형도를 그리던 AI 바이오가 이제는 실시간 반응 동작을 시뮬레이션하는 단계로 진화할 수 있게 되는것이고, 꽤 파장이 클 것 같네요.
https://x.com/flock_io/status/2097519838738677781