KAIST가 단백질 구조와 약물 결합을 예측해 신약 후보 설계를 지원하는 바이오 인공지능(AI) 모델 ‘K-Fold(케이폴드)’를 국내 독자 기술로 개발했다.

KAIST는 과학기술정보통신부 ‘AI 특화 파운데이션 모델 프로젝트’ 주관기관으로 ‘팀 KAIST’를 구성하고 차세대 바이오 AI 모델 K-Fold를 공개했다고 28일 밝혔다.

연구는 화학과 김우연 교수가 총괄했다. 김우연 교수 그룹과 김재철AI대학원 황성주·안성수 교수 그룹이 AI 모델을 개발하고 생명과학과 오병하·김호민·이규리 교수팀이 단백질 데이터 구축과 검증을 담당했다. KAIST 교원창업기업 히츠(HITS)는 K-Fold를 웹 기반 AI 연구 플랫폼 ‘하이퍼랩(HyperLab)’과 연계했다.

K-Fold는 단백질 3차원 구조뿐 아니라 약물 후보가 단백질 어느 위치에, 어떤 형태로 결합하는지 예측할 수 있다. 단백질과 단백질 및 단백질과 약물 후보물질, DNA·RNA 등 여러 생체분자가 결합했을 때 형성되는 구조도 분석한다.

지난 3월 과제 단계평가에서 K-Fold 분자 복합체 구조 예측 정확도는 구글 딥마인드의 알파폴드3에 근접한 수준으로 평가됐다. 연구팀이 지난 8월 자체 수행한 성능평가에서는 일부 평가 항목에서 기존 글로벌 모델보다 높은 성능이 확인됐다.

특히 암 등 여러 질환의 주요 신약 표적인 G-단백질 연결 수용체(GPCR)와 인산화효소(Kinase), 표적단백질분해(TPD) 분야에서 약물이 표적 단백질과 결합하고 작용하는 방식을 예측하는 데 높은 성능을 보였다.

구조 예측 속도 역시 기존 모델보다 최대 25배 빨랐다. 기존 단백질 구조 예측 AI는 구조 계산에 앞서 유사한 단백질의 서열 정보를 대량으로 찾아 비교하는 사전 작업이 필요하지만, K-Fold는 이 과정에 의존하지 않는 방식을 적용했다.

연구팀은 이를 통해 구조 예측에 필요한 시간과 컴퓨팅 자원을 줄이고, 많은 신약 후보가운데 실제 실험 대상으로 활용할 물질을 빠르게 선별할 수 있을 것으로 보고 있다.

K-Fold는 히츠 멀티에이전트 플랫폼 하이퍼랩에도 탑재됐다. 연구자가 별도 고성능 컴퓨터를 구축하거나 복잡한 AI 프로그램을 직접 다루지 않아도 웹에서 연구 목적을 입력해 구조 예측과 후보 설계를 진행할 수 있도록 했다.

예를 들어 연구자가 특정 단백질에 강하게 결합하는 항체나 펩타이드 후보를 요청하면 AI가 단백질 구조를 예측하고 결합 가능성이 높은 후보를 설계한 뒤 계산을 통해 결과를 평가한다.

하이퍼랩은 구조 예측과 약물 설계, 유전체·단백질 분석 등에 활용할 수 있는 120여 개 계산 도구와 160여 개 전문 기능, 100여 개 전문 데이터베이스 등을 연계했다. 질문을 이해하고 필요한 도구를 선택해 구조를 예측·분석한 뒤 설계를 개선하는 ‘AI 공동연구자(Co-Scientist)’를 지향한다.

연구팀은 바이오 AI 핵심 기술을 해외 모델에만 의존하지 않고 국내 기술로 확보해 실제 신약 연구에 활용할 수 있는 기반을 마련했다는 데 이번 개발에 의미를 뒀다.

김우연 교수는 “K-Fold는 기존 모델을 따라가는 것이 아니라 새로운 AI 구조를 적용해 기존 방식의 한계를 뛰어넘기 위해 개발했다”며 “세계 최고 수준 바이오 AI를 연구자 누구나 활용할 수 있는 과학 AI 플랫폼으로 발전시키겠다”고 말했다.

한편, 이번 성과는 지난 6월 23일 열린 ‘2026 한국생체분자과학연합학술대회’에서 김 교수가 ‘에이전틱 AI 기반 생성형 신약 설계(Generative Drug Design Powered by Agentic AI)’를 주제로 한 기조강연을 통해 처음 공개했다.

‘팀 KAIST’ 컨소시엄은 K-Fold를 무료로 배포할 예정이며, 하이퍼랩은 국내외 연구자를 대상으로 베타 서비스를 제공한 뒤 올해 안에 단계적으로 상용 서비스를 확대할 계획이다.