단백질 연구 코파일럿 구축 방법 소개

단백질 연구의 혁신: 아마존 베드록과 함께 만드는 연구 코파일럿

단백질 연구자들은 엄청난 양의 펩타이드 시퀀스를 수동으로 검색하여 구조적으로 유사한 후보를 찾는 과정을 간소화하는데 도전하고 있습니다. 아마존 베드록과 결합된 연구 코파일럿을 통해 단순한 대화형 인터페이스에서 자연어 질의, 자동 임베딩 생성 및 AI 기반 결과 요약을 구현할 수 있습니다. 이 글에서는 Amazon Bedrock AgentCore를 이용해 구조적으로 유사한 펩타이드를 검색하는 대화형 단백질 연구 보조 도구를 구축하는 방법을 소개합니다.

주요 내용 및 사례

이 시스템은 Strands Agents SDK를 사용하여 하나의 에이전트 내에서 세 가지 전문 도구를 구성하며, Amazon Bedrock AgentCore에 배포되어 대규모 데이터셋에서 유사한 펩타이드를 검색합니다. 프로세스는 자연어 질의 파싱, 벡터 유사도 검색, 그리고 AI 생성의 과학적 요약의 세 가지 기능을 통합하여 단일 대화형 인터페이스에서 구현됩니다.

이 아키텍처는 Streamlit 프론트엔드를 사용하여 자연어 질의를 처리하고, Amazon SageMaker AI 서버리스 엔드포인트에서 생성된 임베딩을 사용해 유사도 검색을 수행하며, 그 결과를 과학적으로 요약합니다.

단백질 임베딩은 ESM-C 300M 모델을 서버리스 설정으로 배포하여 유휴 시 비용을 절감하고, Amazon Aurora PostgreSQL-Compatible Edition에서 벡터 검색을 수행하여 성능을 향상시킵니다.

결론

이 글에서는 단백질 연구 코파일럿을 소개하며, 아마존 베드록과 연동된 Strands 에이전트 시스템의 활용법을 살펴보았습니다. 이 시스템은 범용적 활용이 가능하여 유전자 연구, 약물 설계, 소재 과학 분야에서도 유용하게 사용될 수 있습니다. 앞으로 ESM 모델 확장, 배치 질의 지원 등 다양한 기능 확장을 고려해 볼 수 있습니다.

[1] https://aws.amazon.com/blogs/machine-learning/build-a-protein-research-copilot-with-amazon-bedrock-agentcore/