Executive Summary
항생제를 깨뜨리는 효소의 후보를 AI가 하수와 바닷물의 유전자 자료에서 4만 6,335개 가려냈다는 연구가 arXiv에 올라왔다. 중국 베이징사범대 연구진이 단백질 언어 모델 ESM2에 분류기 다섯 개를 묶어, 공개 메타지놈 단백질 데이터베이스를 훑은 결과다. 지금까지 실험으로 성질이 밝혀진 베타락타마제가 1,778개였으니 자릿수가 달라진다.
눈길이 가는 쪽은 개수보다 거리다. 알려진 효소와 서열이 30% 안팎만 겹치는 후보 둘을 대장균에 넣었더니, 한쪽은 페니실린이 측정 범위 위쪽 끝인 512 μg/mL를 넘겨도 자랐다. 닮은 서열을 찾는 방식으로는 걸러 낼 수 없던 곳에 실제로 작동하는 내성 효소가 있었다는 뜻이다. 다만 실험으로 확인한 것은 네 계열 가운데 Class C 후보 2종뿐이고, 나머지 4만여 개는 아직 예측으로 남아 있다.
1절부터 4절까지는 논문에 적힌 내용이다. 5절은 페블러스의 해석이다.
주요 수치
이 연구의 핵심 수치는 넷이다. 가려낸 후보의 규모, 알려진 효소와의 거리, 그 거리에서도 효소가 작동했다는 증거, 그리고 글자 하나를 바꿨을 때의 변화다.
출처: Ge et al., arXiv:2611.14568 본문과 그림 데이터.
46,335개
가려낸 베타락타마제 후보
Ambler 네 계열 전부에 걸쳐 있다. 실험으로 성질이 밝혀진 효소는 1,778개였다
30.6%
Prot22가 알려진 단백질과 겹친 서열
또 하나인 Prot94는 27.4%다. 서열을 맞대어 보는 방식으로는 건지기 어려운 거리다
>512 μg/mL
Prot94를 넣은 대장균이 견딘 페니실린
빈 벡터만 넣은 대조군은 8이었다. 측정 범위 위쪽 끝을 넘겨 상한을 특정하지 못한 값이다
16 μg/mL
한 글자 치환 뒤 이미페넴 내성
야생형 Prot22는 4였다. 같은 치환으로 메로페넴도 0.5 미만에서 2로 올랐다
알려진 효소와 닮지 않으면 그동안 찾을 수 없었다
페니실린부터 카바페넴까지, 임상에서 가장 널리 쓰이는 항생제 한 무리를 베타락탐이라 부른다. 이 약들은 모두 가운데에 네 꼭짓점짜리 고리를 하나 품고 있고, 그 고리가 세균의 세포벽 만드는 일을 멈춰 세운다. 베타락타마제는 그 고리를 물로 끊어 버리는 효소다. 고리가 끊기면 약은 그냥 분자 하나가 되고, 세균은 멀쩡히 산다. 항생제 내성이라는 말이 실제로 분자 수준에서 일어나는 모습이 이것이다.
이 효소는 아미노산 서열의 유사성에 따라 Ambler 분류로 네 계열로 나뉜다. A·C·D 계열은 세린이라는 아미노산을 써서 고리를 끊고, B 계열은 아연 이온을 끌어와 쓴다. 카바페넴까지 깨는 효소는 주로 B·D 계열에 몰려 있고, 임상에서 가장 많이 연구된 쪽은 A 계열이다.
문제는 새 효소를 찾는 방법에 있었다. 지금까지는 이미 알고 있는 효소 서열과 얼마나 닮았는지를 보고 후보를 골랐다. 이 방식은 닮은 것만 건진다. 같은 일을 하면서 서열은 크게 갈라진 단백질은 그물코를 그대로 빠져나간다. 연구진이 든 출발점이 여기다. 단백질 언어 모델은 서열을 문장처럼 학습해 두기 때문에, 글자가 얼마나 겹치는지가 아니라 어떤 자리에 어떤 아미노산이 오는지의 규칙성으로 단백질을 본다.
연구진은 실험으로 성질이 밝혀진 베타락타마제 1,778개를 BLDB와 Swiss-Prot에서 모아 기준으로 삼았다. ESM2-t33-650M이 서열의 아미노산마다 1,280차원 벡터를 뽑고, 그 위에 다층 퍼셉트론·합성곱 신경망·양방향 LSTM·서포트 벡터 머신·랜덤 포레스트 다섯 개를 올려 각자 판단하게 한 뒤, 확률을 가중 평균해 최종 답을 냈다. 5겹 교차검증에서 개별 분류기는 겹마다 성적이 출렁였지만, 다섯을 묶은 쪽은 모든 겹에서 표본을 전부 맞혔다.
연구진은 훈련에 쓴 그 서열들을 다른 각도로도 들여다봤다. 자연에서 온 1,066개로 계통수를 그리자 네 계열이 뚜렷이 갈라졌는데, 계통의 가지와 그 효소를 가진 균의 분류군은 부분적으로만 맞아떨어졌다. 효소가 대를 이어 전해지기만 한 것은 아니고 균과 균 사이를 옮겨 다니기도 했다는 신호다. 그리고 환경 시료에서 얻은 서열은 한 가지에 몰리지 않고 계통수 곳곳에 흩어져 있었다. 환경이 새 베타락타마제의 저장고일 수 있다는 단서는 이미 알려진 목록 안에 들어 있었다.
이 모델을 공개 메타지놈 단백질 데이터베이스 MGnify에 걸었다. 메타지놈은 특정 균을 배양해 읽은 유전자가 아니라, 바닷물이나 하수를 통째로 떠서 그 안의 모든 미생물 유전자를 한꺼번에 읽은 자료다. 계열별 은닉 마르코프 모델로 1차로 5만 7,799개를 통과시키고, 길이가 200~400개 아미노산인 것만 남긴 뒤, 앙상블 분류기로 다시 걸러 4만 6,335개를 남겼다.
계열별로 보면 B가 1만 9,428개로 가장 많고 C가 1만 4,132개, A가 9,092개, D가 3,683개다. 기준으로 삼은 1,778개에서는 A가 803개로 가장 많았으니, 순서가 뒤집힌 셈이다. 연구진은 이 어긋남을 자연계의 실제 분포 차이라기보다 임상 연구의 관심이 A 계열에 쏠려 온 결과로 읽는다. 알려진 목록이 자연의 축소판이 아니라 우리가 들여다본 곳의 축소판이라는 이야기다.
30%만 닮은 후보가 대장균에서 항생제를 견뎠다
예측만으로는 아무것도 증명되지 않는다. 연구진은 네 계열에서 알려진 효소와 가장 멀리 떨어진 후보를 둘씩 골라 두고, 그중 Class C 후보 2종을 실험대에 올렸다. 지하수에서 나온 Prot22는 가장 닮은 알려진 단백질과 서열이 30.6% 겹쳤고, 활성슬러지에서 나온 Prot94는 27.4% 겹쳤다. 둘은 항생제 압력이 전혀 다른 환경에서 왔다.
두 서열을 코돈 최적화해 대장균 발현 벡터에 넣고, 베타락탐 항생제 11종과 억제제 조합 2종에 대해 최소억제농도를 측정했다. 최소억제농도는 세균이 자라지 못하게 막는 가장 낮은 약 농도다. 값이 클수록 그 약이 듣지 않는다. 비교 기준으로 이미 성질이 밝혀진 Class C 효소 AmpC를 양성 대조로, 빈 벡터만 넣은 대장균을 음성 대조로 함께 측정했다.
| 항생제 | 빈 벡터 | AmpC | Prot22 | Prot94 |
|---|---|---|---|---|
| 페니실린 | 8 | >512 | 256 | >512 |
| 옥사실린 | 64 | >512 | 512 | 512 |
| 아목시실린 | <0.5 | >512 | 256 | 256 |
| 이미페넴 | <0.5 | 16 | 4 | <0.5 |
| 아목시실린 + 클라불란산 | 1 | 512 | 512 | 1 |
▲ 최소억제농도(μg/mL). 논문 Fig. 4C의 13개 항목 가운데 다섯 줄을 옮겼다. 측정은 0.5부터 512까지 두 배씩 11단계로 이뤄졌다
빈 벡터 대조군은 페니실린 8, 옥사실린 64를 보인다. 대장균 자체가 갖고 있는 바탕값이다. 비교는 그 바탕 위에서 읽어야 한다. 그 위에서 Prot22는 페니실린 256, 옥사실린 512를 기록했고 Prot94는 페니실린이 측정 범위 위쪽 끝을 넘겼다. 알려진 효소와 서열이 30% 남짓만 겹치는 단백질이 대장균 안에서 실제로 항생제를 깨뜨린다는 뜻이다.
양성 대조로 넣은 AmpC는 이미 성질이 밝혀진 Class C 효소가 어디까지 가는지를 보여 주는 눈금이다. 페니실린·옥사실린·아목시실린은 모두 측정 범위 위쪽 끝을 넘겼지만 이미페넴은 16이었고, 표에 넣지 않은 세프트리악손은 4로 더 낮았다. 알려진 Class C 효소도 페니실린 계열을 깨는 만큼 카바페넴이나 세프트리악손을 깨지는 못한다. 두 후보는 그 눈금에 바짝 붙었고, Prot94는 페니실린에서 아예 같은 칸에 올랐다.
반가운 대목도 같은 표 안에 있다. 아목시실린에 클라불란산을 섞으면 Prot94 쪽은 1로 내려앉는다. 기존 억제제가 이 효소에는 아직 잘 듣는다. 반대로 Prot22는 같은 조합에서 512를 기록해 억제제가 통하지 않았다. 알려진 효소와 비슷한 거리에 있는 둘인데도 약을 막는 방식은 갈렸다.
어디서 긁어모으느냐가 무엇을 찾아내느냐를 정한다
4만 6,335개를 서식지별로 갈라 놓으면 구성이 눈에 띄게 달라진다. 사람 대변 시료에서는 Class A가 48.38%로 절반 가까이 차지하는데, 바닷물에서는 11.00%로 떨어지고 대신 Class B가 56.32%로 올라선다. 하수는 그 중간이다. 같은 모델로 같은 기준을 걸었는데도, 시료를 어디서 떴느냐에 따라 건져 올라오는 효소의 종류가 바뀐다.
연구진은 이 차이를 환경이 주는 압력으로 읽는다. 하수와 활성슬러지는 가정·병원·공장에서 나온 물이 섞여 들어오는 곳이라 약과 균이 함께 쌓이고, 세포가 빽빽해 유전자가 옮겨 다니기도 좋다. 사람 장 속은 숙주의 생리와 항생제 복용 이력이 걸린 전혀 다른 환경이다. 다만 메타지놈 자료 자체가 어디를 얼마나 떴는지에 따라 편향되므로, 이 구성 차이에는 실제 생태의 차이와 시료 채취의 쏠림이 함께 섞여 있다.
지리 쪽 쏠림은 더 뚜렷하다. 좌표가 붙은 시료를 세어 보면 북미 1만 4,099개, 아시아 1만 1,248개, 유럽 1만 665개 순이고 아프리카·남미·오세아니아는 드물다. 전 지구 내성 지도라고 부르지만, 실은 메타지놈을 많이 읽어 온 지역의 지도다.
같은 자료를 서식지 대신 대륙으로 갈라 보면 그림이 조용해진다. Class B가 어느 지역에서나 가장 많았고 비율은 34.0%에서 44.5% 사이에 머물렀다. 계열 구성을 흔든 쪽은 북미냐 아시아냐보다 바닷물이냐 대변이냐였다.
더 눈여겨볼 대목은 변이 여지 쪽이다. 연구진은 네 계열의 대표 서열에서 변이를 받아들일 만한 자리 97곳을 뽑고, 그 자리들이 자연 서열에서 실제로 얼마나 다양하게 나타나는지를 자리 엔트로피로 측정했다. 하수에서 나온 효소는 바다에서 나온 효소보다 네 계열 모두에서 유의하게 높은 값을 보였다. 같은 효소라도 하수 쪽 것이 바꿀 수 있는 글자를 더 많이 갖고 있다는 뜻이다. 논문은 이것이 양성 선택의 직접 증거는 아니며 표본 깊이나 계통 구성 차이가 섞였을 수 있다고 명시한다.
뽑힌 자리들이 원래 어떤 곳이었는지도 따져 봤다. 97곳의 자리 엔트로피 중앙값은 3.20으로, 뽑히지 않은 나머지 1,053곳의 2.93보다 높았다. 변이를 받아들일 만하다고 짚인 자리는 보존이 빡빡한 촉매 핵심을 비켜나, 원래부터 글자가 자주 바뀌던 영역에 몰려 있었다. 다만 예측한 변이가 자연 서열에서 실제로 그 아미노산으로 나타난 비율은 바다 쪽 약 25%, 하수 쪽 약 30%로 방향만 같았을 뿐 통계적으로 유의하지 않았다. 바꿀 수 있는 자리의 폭이 넓다는 것과 특정 아미노산으로 몰려간다는 것은 따로 놀았다.
AI가 짚은 한 글자를 바꾸자 카바페넴 내성이 올라갔다
마지막 단계에서 연구진은 질문을 바꿨다. 지금 있는 효소를 찾는 데서, 이 효소가 어디까지 변할 수 있는지로 옮겨 갔다. 도구는 둘이다. 하나는 ESM1b로, 어떤 자리의 아미노산을 다른 것으로 바꿨을 때 그 서열이 자연스러운 정도를 점수로 낸다. 기존 TEM-1 베타락타마제 변이 실험 자료에 걸어 보니 실제 측정값과 상관계수 0.667로 맞아떨어졌고, 유익한 변이와 해로운 변이를 가르는 성능은 ROC 곡선 아래 면적 0.88이었다. 다른 하나는 ProteinMPNN으로, 구조를 먼저 두고 그 구조에 들어맞는 서열을 거꾸로 제안한다. 진화 쪽 정보와 구조 쪽 제약을 겹쳐 후보 자리를 좁힌 결과 Prot22에서 31곳, Prot94에서 42곳이 남았다.
그중 여덟 개를 실제로 만들어 보기로 하고, 서열 확인에 실패한 하나를 빼고 일곱 개를 대장균에 넣어 다시 최소억제농도를 측정했다. 일곱 개 모두 야생형과 다른 값을 냈다. 올라간 것도 있고 내려간 것도 있는데, 어느 쪽이든 AI가 짚은 자리가 효소 기능을 실제로 건드린다.
| 항생제 | Prot22 야생형 | Y106F 치환 |
|---|---|---|
| 메로페넴 | <0.5 | 2 |
| 이미페넴 | 4 | 16 |
▲ 카바페넴 계열 두 항생제의 최소억제농도(μg/mL). 논문 §2.5 Mut2 결과
가장 눈에 띈 것은 Prot22의 106번 자리 티로신을 페닐알라닌으로 바꾼 치환이다. 야생형에서 0.5 미만이던 메로페넴이 2로 올라갔고, 이미페넴은 4에서 16이 됐다. 카바페넴은 다른 베타락탐이 듣지 않을 때 마지막으로 꺼내는 약이다. 아미노산 하나를 바꾼 것만으로 그 약 쪽으로 효소가 움직였다. Prot94에서는 73번 세린을 트레오닌으로 바꾼 치환이 가장 강했는데, 세파클러와 이미페넴이 모두 512까지 올라갔다.
나머지 다섯 개는 방향이 갈렸다. Prot22의 M86L과 Q65K는 피페라실린·메즐로실린·아즈트레오남 쪽 값을 올리면서 일부 페니실린 쪽은 내렸다. 효소가 깨는 약의 목록 자체가 옮겨 간 것이다. S115T는 전반적으로 내성이 내려갔고, Prot94의 C376V와 G362P도 페니실린 계열에서 야생형보다 낮았다. 내성을 올리는 치환과 내리는 치환이 한 예측에서 함께 나왔다. AI가 짚은 것은 내성을 키우는 자리라기보다 기능이 걸리는 자리에 가깝다.
왜 그렇게 되는지는 100나노초 분자동역학 모의실험으로 들여다봤다. S73T 쪽은 결합 주머니가 야생형보다 덜 흔들렸고 수소결합 그물이 넓어졌으며, 촉매 역할을 하는 세린과 기질 사이 거리가 0.69 nm에서 0.52 nm로 좁혀졌다. Y106F 쪽은 전체 구조는 거의 그대로인 채 주머니 안쪽 환경만 달라졌다. 연구진은 이 해석을 잠정적이라고 적어 두었다. 결합이 좋아졌다고 해서 반드시 촉매 회전수가 올라가는 것은 아니기 때문이다.
한계도 논문이 직접 적어 두었다. 실험 검증은 Class C 후보 2종과 단일 치환 일곱 개에 그쳤고, 생태 비교는 지금 쌓여 있는 메타지놈 서열에 기대 있을 뿐 선택압을 직접 측정하거나 시간에 따라 추적한 결과가 아니다. 변이가 내성을 바꿀 수 있다는 것과 그 변이가 자연에서 실제로 일어난다는 것은 다른 이야기다.
페블러스가 이 연구에 주목하는 이유
항생제 내성은 오래도록 병원에서 추적해 온 문제다. 환자에게서 균을 분리하고, 어떤 약이 듣지 않는지 확인하고, 그 결과를 모아 감시망에 올린다. 세계보건기구의 GLASS도 각국 임상 검사실의 보고를 받아 돌아간다. CARD나 ResFinder 같은 내성 유전자 데이터베이스도 이미 임상에서 관찰된 유전자를 주석하고 갱신하는 구조다. 이 체계가 다루는 것은 공통적으로 이미 일어난 내성이다.
이 논문은 시료를 뜨는 곳을 바꿨다. 환자가 아니라 바닷물과 하수에서 자료를 긁어모았고, 그 결과 알려진 목록의 스무 배가 넘는 후보가 나왔다. 여기서 데이터를 다루는 쪽이 반복해서 만나는 모양이 하나 드러난다. 표본을 어디서 떴는지가 발견의 목록을 먼저 정해 놓는다는 것이다. 대변 시료를 보면 Class A가 절반이고 바닷물을 보면 Class B가 절반이다. 북미와 유럽을 많이 읽었으니 지도도 그쪽이 촘촘하다. 하수를 보면 바다보다 변이 여지가 큰 효소가 나온다. 같은 모델, 같은 기준을 걸어도 입력이 결론을 끌고 간다.
그래서 알려진 목록을 자연 전체로 읽는 습관이 위험해진다. 지금까지 성질이 밝혀진 효소에서 Class A가 가장 많았던 것은 자연이 그렇게 생겨서가 아니라 임상이 그쪽을 많이 들여다봤기 때문이다. 어떤 분야든 쌓인 데이터는 세상의 분포가 아니라 관측의 분포를 담는다. 그 둘을 구분하지 않고 모델을 올리면 모델은 관측의 쏠림을 세상의 법칙으로 배운다.
남는 질문은 목록 자체의 처지다. 4만 6,335개 후보와, 변이를 받아들일 만한 자리 97곳은 아직 임상에 등장하지 않은 위험의 목록이다. 이런 자료를 맡아 검증하고 갱신할 주체는 지금 어디에도 없다. GLASS는 임상 보고를 받고, CARD는 알려진 유전자를 주석하며, 환경 감시는 이제 막 폐수까지 범위를 넓히는 중이다. AI 생물설계 도구를 놓고 관리형 접근이나 입력 단계 선별 같은 틀이 논의되고 있지만, 그 논의는 무언가를 설계하는 도구를 겨냥한 것이고 이 논문은 이미 있는 것을 찾아낸 쪽이다.
긴장은 양쪽에 있다. 목록을 전부 열면 남용의 길이 함께 열리고, 몇몇 기관이 닫아 두면 진단과 신약 쪽이 쓸 수 있었을 조기 경보가 사라진다. 이 논문의 데이터 공개 조항은 합당한 요청이 있으면 제공한다는 문장 하나다. 공개 저장소에 기탁했다는 언급은 없다. 제도가 아직 이 질문에 답을 갖고 있지 않다는 사실이 그 한 줄에 그대로 드러난다.
데이터를 다루는 조직이 가져갈 것은 둘이다. 하나는 지금 쥔 자료가 어디서 왔는지를 모델 성능보다 먼저 적어 두는 일이다. 다른 하나는 아직 일어나지 않은 일을 예측한 결과물에도 보관·검증·공개 규칙이 필요하다는 점이다. 이 논문의 후보 목록은 틀렸을 수도 있고 맞았을 수도 있다. 어느 쪽이든, 누가 그것을 확인할 것인지가 정해져 있지 않다는 사정은 달라지지 않는다.
참고문헌
- 1.Ge, L., Gao, Q., Xu, H., Qin, Z., Zhang, H. (2026). "Deep learning-guided discovery reveals the diversity and mutational potential of environmental β-lactamases." arXiv:2611.14568.