AlphaFold AI로 유전자 가위 정확도 28%→5% 낮추다

AlphaFold AI로 유전자 가위 정확도 28%→5% 낮추다 중국 연구진이 Google의 AlphaFold AI를 활용해 CRISPR 유전자 가위의 '오프타겟'(잘못된 부위 편집) 문제를 크게 줄이는 데 성공했다. Nature에 공개된 이번 연구는 AI가 단백질 구조 예측을 넘어 생명공학의 안전성 문제까지 해결할 수 있음을 보여준다. CRISPR 유전자 가위 치료의 가장 큰 걸림돌 중 하나는 '오프타겟 효과'다. 원하는 유전자 부위를 정확하게 잘라내야 하지만, 인간 게놈이 방대하다 보니 우연히 비슷한 DNA 서열을 찾아 잘못된 부위를 편집하는 경우가 생긴다. 치료제로 쓰일 때는 수많은 세포를 다루기 때문에, 확률이 낮아도 오류가 쌓이면 문제가 된다. 연구진은 AlphaFold AI를 개량해 Cas9 단백질이 잘못된 DNA 서열과 결합할 때 어떤 구조 변화를 일으키는지 분석하는 방법을 개발했다. 기존 AlphaFold는 단백질-단백질 상호작용은 잘 예측했지만, 단백질과 핵산(DNA/RNA)의 복합체는 제대로 처리하지 못했다. 연구진은 이 부분을 개선한 AlphaFold 버전을 설계했다. 분석 결과, 오프타겟 결합 시 Cas9 단백질 내 아미노산들이 미세하게 위치를 바꾸는 패턴이 발견됐다. 연구진은 이를 'ContactSeek'이라는 분석 도구로 자동화해, 오프타겟 부위에서만 변화하는 아미노산 영역을 특정했다. 연구진은 이 결과를 바탕으로 Cas9 단백질의 10개 핵심 위치에 총 23가지 아미노산 치환 변형을 만들었다. 그 결과, 목표 부위 편집 활동은 유지하면서 오프타겟 편집률이 28%에서 5%로 크게 낮아졌다. 유사한 방식으로 Cas12 단백질에도 적용해 같은 결과를 확인했다. 이 연구는 AI 단백질 예측 기술이 유전자 치료의 안전성을 높이는 실용적인 도구로 쓰일 수 있음을 보여준 사례다. 출처: [Ars Technica](https://arstechnica.com/science/2026/07/team-uses-alphafold-ai-to-redesign-gene-editing-proteins-to-make-them-safer/)