RFdiffusion3의 전체 설계 방안이 공개됐다. 이 생성형 AI 시스템은 개별 원자의 위치를 지정해 단백질과 핵산을 설계할 수 있으며, 워싱턴 대학교, 옥스퍼드 대학교, NVIDIA 등이 참여한 국제 연구팀은 2026년 10월 16일 논문을 Science에 발표했다. 10월 19일 공개된 세부 내용에 따르면, 그 설계도대로 만든 두 가지 효소가 실제 화학 반응에서 의도한 기능을 이미 수행했다. 단백질 설계에서 이번 성과의 의미는 생성 모델이 하나 더 늘었다는 데 있지 않고, 기능의 성패를 가르는 원자 수준에 설계 정밀도가 도달했다는 데 있다.
구조 예측에서 원자를 하나씩 배치하는 설계로
교신저자 데이비드 베이커(David Baker)는 워싱턴 대학교 단백질 설계 연구소 책임자로, 단백질 구조 예측 연구로 2024년 노벨 화학상을 받았다. 연구팀의 초기 RosettaFold는 아미노산 사이의 공간 관계를 학습해 기존 단백질의 형태를 예측하는 도구였다. 2023년의 RFdiffusion과 2025년의 RFdiffusion2는 새 단백질을 설계하는 단계로 나아갔지만, 다루는 단위는 여전히 아미노산 잔기였고 결합과 촉매의 성패를 좌우하는 개별 원자는 간접적으로 추론할 수밖에 없었다.
RFdiffusion3는 방식을 바꿨다. AlphaFold3의 네트워크 구조를 참고해 각 아미노산을 최대 14개의 원자로 표현하고, 확산 과정에서 모든 원자의 3차원 좌표를 직접 조정하며, 앞선 두 세대와 코드를 공유하지 않는다. 연구자는 조건을 매우 구체적으로 정할 수 있다. 어떤 원자가 어느 위치에 있어야 하는지, 수소 결합을 어떻게 형성할지, 특정 원자가 단백질 내부에 퍼지는 범위를 어디까지로 할지를 지정하면 모델이 모든 제약을 동시에 만족하는 구조를 생성한다. 화학 세부 사항을 먼저 정하고 분자 전체를 키워 내는 방식이 바로 잔기 수준 도구와 격차가 벌어지는 지점이다.
활성 부위 41곳 중 37곳에서 우위, 실험에서도 작동
설계 도구의 좋고 나쁨은 계산이 맞는가와 만든 것이 실제로 작동하는가, 두 가지로 판가름 난다. 연구팀은 기존 효소의 활성 부위 41곳을 놓고 비교 설계를 진행했고, RFdiffusion3는 그중 37곳에서 RFdiffusion2를 앞섰으며 생성 속도는 이전 세대의 약 10배였다. 더 중요한 것은 실험 검증이다. 이 도구로 설계한 포스포트리에스테라아제와 펩타이드 절단 효소는 모두 실험실에서 의도한 화학 반응을 촉매했고, 컴퓨터 점수에만 머물지 않았다.
이 결과는 동시에 한계도 그어 준다. 지금까지 검증된 것은 효소 활성 부위처럼 목표가 분명하고 제약을 정밀하게 쓸 수 있는 과제이며, 반응을 촉매하는 설계가 약이나 치료법이 되기까지는 발현, 안정성, 안전성, 대량 생산이라는 긴 관문이 남아 있다. RFdiffusion3를 '어떤 단백질이든 설계할 수 있는 도구'라고 부르는 것은 논문의 증거를 넘어서는 일이며, 제약 조건을 정밀하게 쓸 수 있는 과제일수록 강점이 뚜렷해진다고 보는 편이 정확하다.
공개된 것은 모델 파일이 아니라 방법 전체
RFdiffusion3는 2025년 12월 3일 이미 오픈소스로 공개됐고, 코드와 학습 코드는 Rosetta Commons의 Foundry를 통해 GitHub에서 제공된다. 이번 Science 논문이 보탠 것은 완전한 설계 원리와 실험 검증이다. 연구팀이 제시한 후속 방향에는 미세 플라스틱을 분해하는 효소, 유전자 치료용 합성 전사 인자, 환경 모니터링용 바이오센서가 포함되며, 이들은 모두 DNA와 소분자와의 원자 수준 정밀 상호작용이 필요하다는 점에서 새 모델의 강점 구간과 겹친다.
관련 연구 가운데 DeepMind가 AI 설계 단백질에 워터마크를 넣는 작업은 설계 산출물을 어떻게 표시하고 추적할지를 다루며, 설계 정밀도를 원자 수준으로 끌어올리는 이 흐름과는 앞뒤 관계에 있다. 생성 능력이 한 걸음 나아갈수록 검증과 거버넌스는 더 생략할 수 없게 된다. 일반 연구실도 RFdiffusion3를 지금 내려받아 시험할 수 있으며, 앞으로 몇 달간의 진짜 시험대는 독립 연구팀이 논문 수준의 설계 성공률을 재현할 수 있는가이다.
