합성곱 어텐션 기반의 트랜스포머 모델 개요.(사진=국립창원대 제공)

국립창원대학교는 기계공학부 윤태영 교수(교신저자) 연구팀이 인공지능(AI) 트랜스포머 모델을 활용해 원하는 기계적 강도를 가진 실크 단백질 서열을 역설계하는 원천기술을 개발하고, 그 연구 성과가 공학 설계 분야의 권위 있는 국제저명학술지 ‘Journal of Computational Design and Engineering(IF: 6.1, JCR 상위 6.4%)’에 게재됐다고 23일 밝혔다.

이번 연구는 국립창원대 신홍철 DNA+연구소 전임연구원(제1저자)이 주도하고 박유진, 염준빈 석박통합과정생(공동저자)가 함께 참여해 바이오 소재 설계 분야에서 AI 모델의 구조적 효율성을 체계적으로 입증해 냈다(논문명: Systematic Evaluation of Attention Mechanisms in Transformer Models for De Novo UTS-Driven Silk Protein Sequence Design).

윤태영 교수 연구팀에 따르면 자연계의 거미줄 실크는 강철보다 강한 인장 강도와 뛰어난 유연성을 동시에 지녀 ‘꿈의 신소재’로 불리지만, 원하는 물성을 가진 실크 단백질 서열을 인공적으로 설계하는 것은 분자 구조의 복잡성 때문에 난제로 여겨져 왔다.

연구팀은 자연어 처리에 주로 사용되는 트랜스포머(Transformer) 모델을 단백질 서열 생성에 적용했다. 특히 연구팀은 단순히 모델을 사용하는 것을 넘어 단백질 설계에 가장 적합한 AI 구조를 찾기 위해 ▲멀티헤드(MultiHead) ▲선형(Linear) ▲로컬(Local) ▲희소(Sparse) ▲합성곱(Convolutional) 등 5가지의 핵심 어텐션 메커니즘을 체계적으로 비교 분석했다.

연구 결과, ‘합성곱 어텐션(Convolutional Attention)’ 메커니즘이 실크 단백질의 결정질 영역(Crystalline Region) 설계에 가장 탁월한 성능을 발휘한다는 사실을 규명했다. 합성곱 어텐션은 실크의 강도를 결정짓는 핵심 요소인 베타-시트(β-sheet) 구조 형성에 필수적인 국소적 서열 패턴(Local dependency)을 가장 효과적으로 학습했다.

연구팀이 개발한 모델은 목표로 하는 극한 인장 강도(UTS) 값을 입력하면 이에 부합하는 단백질 서열을 자동으로 생성해 낸다. 생성된 서열들을 조향 분자동역학(Steered Molecular Dynamics, SMD) 시뮬레이션으로 검증한 결과, 예측된 강도와 실제 시뮬레이션상의 강도가 0.91의 높은 상관관계를 보이며 기술의 정밀성을 입증했다.

특히 연구팀은 AI 모델이 고강도 실크를 설계할 때, 자연산 실크보다 글리신(Glycine)의 비율은 줄이고 소수성 아미노산을 늘리는 독창적인 설계 전략을 스스로 터득했음을 밝혀냈다. 이는 인공지능이 데이터 학습을 통해 기존 생물학적 진화의 제약을 뛰어넘는 새로운 소재 설계 규칙을 발견했다는 점에서 큰 학술적 의미를 가진다.

제1저자인 신홍철 전임연구원은 "이번 연구는 단순히 새로운 서열을 만드는 것을 넘어 어떠한 AI 아키텍처가 바이오 소재 설계에 가장 적합한지를 수학적, 공학적으로 증명한 것"이라며 "합성곱 기반의 어텐션이 단백질의 국소적 상호작용을 모사하는 데 최적임을 확인했다"고 설명했다.

연구를 이끈 윤태영 국립창원대 교수는 "기존의 시행착오 방식에서 벗어나, 원하는 물성을 자유자재로 제어할 수 있는 '프로그래머블 바이오 소재(Programmable Biomaterials)' 개발의 길을 열었다"며 "향후 의료용 생체 재료나 고강도 섬유 등 다양한 산업 분야에 응용될 수 있을 것"이라는 기대를 전했다.

한편 이번 연구는 한국연구재단(NRF)과 교육부 (G-LAMP 사업), 국립창원대(AI+X 연구지원사업)의 지원을 받아 수행됐으며, AI와 바이오 역학을 융합한 연구 역량을 국제적으로 인정받은 쾌거로 평가된다.