KAIST는 과학기술정보통신부 'AI 특화 파운데이션 모델 프로젝트'의 주관기관으로 '팀 KAIST'를 구성하고, 차세대 바이오 AI 모델 'K-폴드(K-Fold)'를 2026년 8월 28일 공개했다. K-폴드는 신약 설계에 필요한 단백질 3차원 구조 예측은 물론, 약물 후보 물질 및 DNA·RNA와의 상호작용·결합 구조까지 단일 모델 안에서 통합 예측한다. 총괄은 화학과 김우연 교수가 맡았고, 황성주·안성수 김재철AI대학원 교수팀이 AI 모델 개발을, 오병하·김호민·이규리 생명과학과 교수가 단백질 데이터 구축 및 검증을 담당했다.
성능 면에서 K-폴드는 2026년 3월 과제 단계 평가에서 구글 딥마인드 알파폴드3에 근접한 분자 복합체 구조 예측 정확도를 기록했다. 이어 8월 자체 성능 평가에서는 일부 항목에서 글로벌 모델을 상회했다. 특히 암 등 주요 질환의 신약 표적인 G-단백질 연결 수용체(GPCR), 인산화효소, 표적단백질분해(TPD) 분야에서 높은 구조 예측 정확도를 입증했다. 또한 기존 단백질 구조 예측 AI가 필수적으로 수행하던 다중 서열 정렬(MSA) 등 복잡한 사전 작업을 제거해 구조 계산 속도도 비약적으로 향상시켰다.
- 2026년 8월 28일 KAIST, 단일 바이오 AI 모델 'K-폴드' 공개 — 단백질·약물·핵산 통합 예측
- 3월 과제 단계 평가: 분자 복합체 구조 예측 정확도가 알파폴드3에 근접
- 8월 자체 평가: 일부 항목에서 알파폴드3 포함 글로벌 모델 성능 초과
- GPCR·인산화효소·표적단백질분해(TPD) 세 분야에서 높은 구조 예측 정확도 확인
- MSA(다중 서열 정렬) 등 사전 작업 제거로 구조 예측 속도 대폭 단축, 웹서비스 형태로 공개
신약 설계 파이프라인에서 단백질 구조 예측 툴을 검토 중인 연구자나 개발자라면 K-폴드의 웹서비스 인터페이스와 MSA 사전 작업 제거가 실제 워크플로에 미치는 영향을 직접 확인할 필요가 있다. 특히 GPCR·TPD 표적 모델링 정확도가 글로벌 모델 대비 어느 조건에서 우위를 보이는지, 그리고 공개 웹서비스의 입력 형식·처리 제한 사항이 무엇인지를 확인하는 것이 다음 단계다.