Frontiers in Microbiology 미니 리뷰가 생성형 단백질 설계의 응용 가능성과 이중용도 위험을 함께 정리함. 저자들은 서열이 자연 독소와 달라도 기능적으로 유사한 단백질이 설계될 수 있어, 기존 서열 상동성 기반 감시만으로는 부족할 수 있다고 봄.
요약
•
리뷰는 구조 예측, inverse folding, de novo 설계, 기능 설계로 이어지는 딥러닝 단백질 설계 흐름을 biosecurity 관점에서 재정리함.
•
생성형 모델은 치료제, 백신, 효소, 진단용 binder 개발에 쓰일 수 있으며, 바이러스 표면 단백질에 결합하는 설계 단백질은 팬데믹 대비에도 활용 가능함.
•
반대로 모델이 기존 생물학적 레퍼토리를 모방하거나 우회해 독성 단백질 변형, 진단 회피 변이, 안정성 증가 변이를 설계할 가능성이 위험으로 제시됨.
•
현재 DNA·단백질 주문 스크리닝은 주로 서열 상동성에 기대기 때문에, 구조·기능 유사성 기반 탐지를 보완해야 한다는 논지가 핵심임.
•
저자들은 설계 서열 스크리닝, 핵산 합성 전 스크리닝, 모델 단계의 접근 제어·사용 로그·거부 메커니즘·targeted unlearning 등을 다층 방어책으로 제시함.
•
AI 모델 자체가 위험이라기보다, 설계 결과물이 합성·발현·정제되어 실제 물질이 될 때 위험이 발생한다는 구분을 둠.
•
바이오파운드리와 자동화된 단백질 생산이 결합되면 설계-합성 장벽이 더 낮아질 수 있어, AI 단백질 설계 거버넌스가 모델 공개 여부만의 문제가 아님을 시사함.