Google Antigravity와 ProtNLM, 새로운 항균 펩타이드 후보 물질 발굴

Google DeepMind는 자사의 에이전트형 개발 플랫폼인 Google Antigravity가 단일 세션 내에서 데이터베이스 검색, 신규성 확인, 구조 분석, 유전체 맥락, 문헌 종합, 습식 실험 계획 수립에 이르는 항균 펩타이드(AMP) 발견 워크플로우를 종합적으로 수행할 수 있음을 보여주는 기술 워크스루를 공개했습니다. 이 워크플로우는 호흡기 감염 관련 병원균에 대해 예측 활성을 지닌 새로운 박테리오신 후보 물질을 발굴했으며, 현재 이 후보 물질은 습식 실험 검증을 진행 중입니다.

발표 내용

이번 발표는 새로운 모델 출시라기보다는 입증된 과학적 워크플로우에 가깝습니다. Google Antigravity는 생물학자들이 표적을 신속하게 발굴하고, 구조적으로 평가하며, 우선순위를 정할 수 있도록 지원하는 '에이전트형 과학 워크벤치'를 제공하며, 여러 데이터베이스에 걸쳐 분산되어 있던 검색 과정을 단일 세션으로 압축한다고 설명됩니다. 이 게시물은 또한 Antigravity에 직접 통합된 3D 시각화 도구인 **생체분자 구조 뷰어(Biomolecular Structure Viewer)**를 소개합니다.

이 작업은 2026년 10월 15일 DeepMind의 과학(Science) 카테고리에서 Pengfei Tian, Maxwell L. Bileschi, Zoi Tsangalidou, Sukhdeep Singh, Lucy J. Colwell에 의해 게시되었습니다.

항균 펩타이드가 중요한 이유

게시물은 항균제 내성을 해결해야 할 가장 시급한 글로벌 보건 위기 중 하나로 규정하며, 해결하지 않을 경우 2050년까지 연간 전 세계적으로 약 1천만 명의 사망자가 발생할 수 있다고 추정합니다. 특히 박테리오신과 같은 항균 펩타이드는 세포 외막부터 필수 세포 내 기관에 이르기까지 경쟁 박테리아의 근본적인 취약점을 공격하도록 자연적으로 진화했기 때문에 병원균이 내성을 발달시키기 어려워 전통적인 항생제의 유망한 대안으로 제시됩니다.

유전체 및 메타유전체 시퀀싱을 통해 전 세계 데이터베이스에는 수십억 개의 천연 아미노산 서열이 축적되었습니다. 이 풀에서 이미 전 세계적으로 사용되는 Nisin과 같은 박테리오신이 발굴되었으며, 최근에는 Darobactin, Dynobactin, Lariocidin과 같은 유전체 마이닝 기반 혁신도 이루어졌습니다. 그러나 많은 후보 물질은 알려진 단백질과 유사성이 없어 주석이 달리지 않은 단백질 데이터베이스의 '암흑 물질'로 남아 있습니다.

ProtNLM: 원시 서열에서 단백질 기능 예측

ProtNLM(Protein Natural Language Model)은 Google이 개발한 딥러닝 모델로, 아미노산 서열의 기본적인 진화 '문법'을 학습하여 원시 단백질 서열에서 직접 생물학적 기능을 예측하도록 훈련되었습니다. 이 모델은 이전에 이름이 없던 수백만 개의 UniProt 항목에 높은 신뢰도의 기능 레이블을 부여하는 데 사용됩니다.

이 모델의 주석 범위는 키워드 외에도 단백질 이름, 기능 주석, 세포 내 위치, GO 항목을 포함합니다. 파이프라인에서 입력 단백질 서열은 기능 주석을 위해 시퀀스-투-시퀀스 트랜스포머를 통과한 후, 서열 및 구조 유사성과 같은 뒷받침 증거를 추가하는 '근거 제공(evidencer)' 파이프라인을 거칩니다. 세계 최고의 공공 단백질 서열 및 기능 정보 자원으로 설명되는 UniProt에는 유전체 시퀀싱 프로젝트에서 직접 전송된 기능이 알려지지 않은 수백만 개의 서열이 있으며, ProtNLM은 이러한 격차를 해소하도록 설계되었습니다.

워크스루: Streptococcus pseudopneumoniae에서 후보 물질 찾기

세션은 '폐렴사슬알균(Streptococcus pseudopneumoniae)에서 새로운 AMP를 찾고 계산적으로 검증한다'는 명확한 생물학적 목표로 시작되었습니다. 연구자는 어떤 질문을 던질지, 어떤 증거를 수집할지 결정하며 과학적 전략을 주도하고, 에이전트는 데이터베이스 간 조정, 구조 분석, 문헌 종합을 처리합니다. 게시물의 스크린샷에는 모델이 "Gemini 3.8 Flash"로 선택된 것이 표시되어 있습니다.

1단계 — 방대한 검색 공간 탐색

에이전트는 UniProt를 조회하여 수백만 개의 항목을 소수의 후보 물질로 필터링했습니다. 그 결과 Lactococcin 972 계열에 속하는 97개 아미노산 길이의 박테리오신(UniProt ID A0A0U0D591)을 발굴했습니다.

2단계 — 신규성 검증

발견의 신규성을 확인하기 위해 연구자는 에이전트를 안내하여 EMBL-EBI NCBI-BLAST 서비스를 통해 Swiss-Prot의 큐레이션된 지식과 후보 물질을 대조했습니다. 그 결과 이 펩타이드는 수동 검토된 단백질 중 의미 있는 서열 상동체가 없는 것으로 확인되었습니다.

3단계 — 3D 구조 추론

에이전트는 AlphaFold 단백질 구조 데이터베이스에서 후보 물질의 3D 모델을 검색하고, 실험적으로 결정된 구조와 대조하여 원거리 상동체를 식별한 후, 모델을 중첩하여 유사성을 평가했습니다. 구조적 증거는 ProtNLM의 예측을 뒷받침했습니다. 후보 물질의 접힘 구조는 실험적으로 결정된 박테리오신과 매우 유사합니다. Antigravity의 구조 뷰어를 사용하면 이러한 구조 분석을 한곳에서 수행할 수 있습니다.

4단계 — 유전체 맥락 읽기

에이전트는 후보 물질의 유전체 주변을 검사하여 주변 기작이 AMP 가설을 뒷받침하는지 확인했습니다. 그 결과 이전에 특성화되지 않은 후보 물질이 밀접하게 연결된 오페론의 상류, ABC 수송체 투과효소와 잠재적 파트너 ATP 결합 단백질에서 불과 6bp 앞에 위치하며, 다른 주석이 달린 박테리오신과 XRE 전사 조절인자와 함께 존재하는 것을 발견했습니다. 게시물은 이를 후보 물질이 기능하는 박테리오신 시스템의 일부라는 강력한 맥락적 증거라고 설명합니다.

5단계 — 기작 가설 수립

기존 문헌을 검토한 에이전트는 세균 세포 분열을 표적으로 하는 작용 기전과 여러 약물 내성 병원균을 포괄하는 예측 효능 스펙트럼을 제안했습니다.

6단계 — 습식 실험 계획 수립

에이전트는 인실리코(in silico) 결과를 단백질 발현, 항균 감수성 검사, 표적 결합, 시험관 내 독성 검사를 포괄하는 실행 가능한 실험실 프로토콜로 전환했습니다. 이 후보 물질은 동일한 파이프라인을 통해 발견된 다른 여러 후보 물질과 함께 현재 습식 실험 검증을 진행 중입니다.

생체분자 구조 뷰어

단백질의 3D 구조는 생물학적 기능을 설명하는 데 도움이 되며, 후보 물질의 예측 접힘 구조를 공간에서 살펴보는 것은 워크플로우의 핵심 부분입니다. 생체분자 구조 뷰어는 Antigravity에 직접 통합된 3D 시각화 도구로, 종합적인 워크플로우가 단일 작업 공간에서 이루어지도록 합니다.

연구자와 에이전트는 공유된 시각적 상태를 기반으로 작업합니다. 에이전트가 AlphaFold 데이터베이스나 과학자 자신의 예측에서 구조를 검색하면 뷰어를 동적으로 제어할 수 있습니다. 예를 들어, 가설을 시각적으로 설명하기 위해 핵심 기능 영역을 강조할 수 있습니다. 인식은 양방향으로 흐릅니다. 특정 잔기를 강조하거나 결합 포켓에 직접 메모를 고정하는 등의 작업은 에이전트에 다시 동기화됩니다. 연구자는 3D 공간에서 관심 영역을 표시하고 예를 들어 "이 β-가닥이 Lipid II 결합에 어떤 영향을 미칠까?"라고 질문할 수 있으며, 에이전트는 과학자가 보고 있는 정확한 구조적 맥락을 추론합니다.

이것이 대체하는 것

역사적으로 이 워크플로우와 같은 통찰력을 얻으려면 여러 가지 분산된 전문 소프트웨어가 필요했습니다. 데이터베이스 조회를 위한 맞춤 스크립트 작성, 3D 모델링 프로그램으로 수동 파일 내보내기, 연결되지 않은 유전체 도구 관리, 습식 실험 설계를 위한 여러 전문가와의 협업 등이 필요했습니다. 습식 실험 검증은 여전히 많은 자원을 필요로 하므로, 사전에 검색 공간을 가장 신뢰도가 높은 후보 물질로만 좁히는 것이 중요합니다. Antigravity는 이러한 종합적인 과학적 추론을 한곳에서 실행하여 과학자들이 고품질 가설 평가, 실험 실행, 연구 과제 해결에 더 많은 시간을 할애할 수 있도록 한다고 소개됩니다.

주의사항 및 범위

Google DeepMind는 워크스루에서 발견된 후보 물질이 구조적 및 유전체적 증거로 뒷받침되는 생물학적으로 그럴듯한 선도 물질이지만 여전히 습식 실험 검증이 필요하다고 명시합니다. 이 세션은 Streptococcus pseudopneumoniae의 좁은 아미노산 창에 초점을 맞추었습니다. 게시물은 연구자들이 새로운 필터링 기준 추가, 다양한 서열 길이 탐색, 다른 우선순위 병원균 표적화 등 대화를 다른 방향으로 이끌 수 있다고 언급합니다. 인간 공생균에서 환경 미생물 및 그 이상으로 검색 범위를 넓히는 것은 UniProt 전반에서 에이전트를 안내하여 대규모로 새로운 AMP 후보 물질을 발견하는 방법으로 설명됩니다.

발표에서는 벤치마크 수치, 성공률 또는 검증 결과가 보고되지 않았으며, 습식 실험 결과는 아직 진행 중이며 에이전트 분석의 궁극적인 시험대가 될 것이라고 설명합니다.