IBM MAMMAL, AlphaFold 3 넘어 9개 생물학 벤치마크 석권
Original: IBM Research introduces MAMMAL, a multi-modal model that combines proteins, molecules, gene data achieving SOTA on 9 out 11 biological benchmarks (beating AlphaFold 3 in some) View original →
MAMMAL이란
IBM Research가 Nature 저널에 발표한 MAMMAL(Multi-domain Alignment Multi-Modal and Augmentation Learning)은 단백질, 소분자, 유전자 데이터를 하나의 모델에서 통합적으로 처리하는 멀티모달 생물학 AI다. 신약 개발과 생물학적 이해를 목표로 설계됐다.
벤치마크 성과
11개 생물학 벤치마크 중 9개에서 최고 성능(SOTA)을 달성했으며, 일부 항목에서 AlphaFold 3을 능가했다. 주요 강점 분야는 다음과 같다.
- 약물-표적 상호작용 예측 (분자가 단백질과 결합하는지 여부)
- 리간드 결합 친화도 예측 (약물 결합 강도)
- 항체-항원 상호작용 예측
- 세포 유형 분류 및 유전자 발현 예측
AlphaFold 3과의 관계
연구팀은 AlphaFold 3과 MAMMAL이 설계 목적이 다르므로 경쟁 관계보다는 상호 보완적 도구로 봐야 한다고 강조했다. AlphaFold 3은 단백질 구조 예측에 특화된 반면, MAMMAL은 단백질-분자-유전자를 아우르는 다중 도메인 상호작용 예측에 강점이 있다.
의미
멀티모달 생물학 AI는 신약 개발의 초기 단계(후보 물질 발굴, 결합 예측, 독성 예측)를 크게 가속화할 수 있다. MAMMAL이 오픈소스로 공개된다면 학계의 신약 개발 연구에 폭넓게 활용될 전망이다.
Related Articles
중요한 이유는 생물학 평가가 이제 깔끔한 시험 문제가 아니라 실제 데이터 분석 흐름으로 옮겨가고 있기 때문이다. Anthropic은 Claude가 99개 bioinformatics 과제를 풀었고, 전문가 패널이 막힌 23개 중 약 30%를 해결했다고 적었다.
이번 결과의 핵심은 의사 대체가 아니라 보조 정확도다. Google DeepMind는 AI 공동임상이 현실적인 1차진료 질의 98건 중 97건에서 중대 오류 없이 답했고, 멀티모달 원격진료 시뮬레이션에서는 의사가 여전히 전체적으로 앞섰다고 밝혔다.
OpenAI가 GPT-Rosalind를 qualified life-science teams용 research preview로 열고, Codex에서 50개가 넘는 tools와 data sources를 연결하는 plugin을 붙였다. 핵심은 이름보다 성능 신호다. OpenAI는 Dyno Therapeutics의 RNA prediction task에서 best-of-ten 제출이 human experts의 95th percentile을 넘었다고 밝혔다.
Comments (0)
No comments yet. Be the first to comment!