예측은 빨라졌는데, 왜 아직도 분자 밖에서 보고 있는가
Google Antigravity가 항균 펩타이드 탐색을 가속화한다는 DeepMind 발표는 반가운 소식이다. 내성 균주 증가로 새로운 항생제 파이프라인이 절실한 시점에서, AI가 후보 펩타이드 시퀀스와 구조를 빠르게 제안하는 기술은 분명한 진전이다.
하지만 구조생물학자와 신약개발 연구자에게 익숙한 다음 단계는 여전히 평면 모니터 위다. 예측된 3D 구조를 불러오고, 회전시키고, 결합 포켓을 클릭해 보고, 동족 단백질과 중첩해 보고, 전하 분포를 색으로 확인하는 일련의 과정이 화면이라는 창을 사이에 두고 이뤄진다. 분자 크기는 나노미터 단위, 사람은 미터 단위. 이 스케일 간극을 메우는 일이 NexoPeek이 출발한 지점이다.
나도 오랫동안 그 창 앞에 앉아 있었다. 새벽 두 시, 랩의 모니터 불빛만 남은 시간에 나는 어떤 효소의 결합 포켓을 마우스로 계속 돌리고 있었다. 수십 번을 돌려도 손끝에 잡히지 않는 감각이 있었다. 논문 속 그림은 너무 평평했고, 내 머릿속 입체는 화면의 단면과 계속 어긋났다. 그날 나는 저장을 누르지 못한 채 노트북을 덮었다. 뭔가를 놓치고 있다는 느낌만 남았다.
사람 크기의 분자, 그 안에서 걷기
Meta Quest 헤드셋을 쓰면 단백질이 사람 크기로 눈앞에 선다. 헤모글로빈의 헴 그룹 사이로 산소 분자가 들어오는 장면을 어깨너머가 아니라 내부에서 지켜볼 수 있다. 해당과정에서 포도당이 분해되는 각 단계를 효소 활성 부위 안에서 따라가 볼 수 있다. 아스피린이 COX 효소의 활성 부위를 차단하는 모양을 손으로 잡아 돌려가며 확인할 수 있다. CRISPR-Cas9이 DNA를 인식하고 절단하는 순간을 가이드 RNA와 함께 분자 수준에서 목격할 수 있다. 트립신이 단백질을 소화하는 과정, 야마나카 인자가 노화 연구에서 다뤄지는 맥락, 환경 정화용 플라스틱 분해 효소까지 같은 방식으로 걸어 들어가 본다.
그 새벽의 효소를 나는 처음으로 안쪽에서 걸어 보았다. 헤드셋을 쓰고 손을 뻗어 포켓을 잡는 순간, 화면에서는 결코 잡히지 않던 깊이가 손바닥에 와 닿았다. 그제야 몇 달 전 내가 무엇을 놓쳤는지 알 것 같았다. 답이 아니라 감각이었다.
이 모든 장면이 12개 내레이션 투어(바이오테크 기초, 생명의 기초, 경로와 상호작용, 의약품의 작동, 유전자 기술, 그린 바이오)로 구성돼 있다. 모든 투어는 Protein Data Bank의 실제 구조 위에서 돌아간다.
전문가용 PDB 뷰어: 검색에서 분석까지 한 공간에서
전문가용 PDB 뷰어도 같은 공간에 있다. 유전자 이름·PDB ID·유니프롯(UniProt) 액세션만 입력하면 RCSB PDB, UniProtKB, AlphaFold DB, SWISS-MODEL, PDBe를 한 번에 검색해 구조를 불러온다. 이때 UniProt 유전자 동의어 해석과 자동 모델 검증이 함께 돌아간다.
불러온 구조는 Mol* 프리셋으로 카툰·볼-스틱·스페이스필 CPK·분자 표면·B-factor 히트맵·튜브 트레이스를 원탭 전환한다. 로컬 .pdb, .cif, .mol2, .gro, .xyz, .dx, .xtc, .py 파일을 올리고, 정전기장 선도와 전자밀도 볼륨을 겹쳐 볼 수 있다. 맨손(또는 컨트롤러)으로 분자를 잡고, 키우고, 돌린다.
분석 계층은 세 갈래로 나뉜다. 첫째, AI 포켓 예측이 PrankWeb/P2Rank 클라우드 AI 또는 내장 오프라인 엔진으로 약물 가능 부위를 짚어 준다. 둘째, Foldseek 파이프라인이 상동 구조를 중첩해 도메인 기능 보존과 약물 스와핑 가설을 검토하게 해 준다. 셋째, 리간드 인스펙터가 헤테로 화합물을 스캔해 수소 결합 네트워크를 추적하고 PubChem에서 3D 리간드를 바로 가져온다. 여기에 트리거로 두 원자를 집어 옹스트롬 단위 거리를 재는 거리 계산기, 시퀀스의 레지듀 '필'을 탭하면 구조 위에 3D 헤일로가 투영되는 기능이 붙는다.
데이터 파이프라인 관점에서
엔지니어 관점에서 흥미로운 부분은 이 도구가 '뷰어'가 아니라 얇은 오케스트레이션 계층이라는 점이다. 원격 리포지토리 검색은 유전자 이름 하나를 여러 데이터베이스의 식별자로 확장하는 라우팅 문제이고, 로컬 파일 로더는 포맷별 파서를 하나의 렌더링 파이프라인으로 정규화하는 문제다. Mol* 프리셋은 MolViewSpec 개념을 딛고 표현 상태를 직렬화 가능한 단위로 묶은 것이고, 포켓 예측은 클라우드와 오프라인 엔진을 같은 결과 인터페이스 뒤에 숨긴 이중 경로 설계다. 네트워크가 끊긴 강의실에서도 포켓 예측이 돌아간다는 뜻이다.
여기서 배운 것은 정직한 트레이드오프였다. 클라우드 경로는 더 많은 모델과 최신 가중치에 접근할 수 있지만 네트워크에 의존한다. 오프라인 경로는 강의실·현장·폐쇄망에서도 멈추지 않지만 모델 선택지가 좁다. 같은 결과 인터페이스 뒤에 두 경로를 숨기면, 사용자는 환경에 따라 무엇이 돌아가는지 신경 쓰지 않고 분석에 집중할 수 있다. 기능을 늘리는 대신 경계를 명확히 긋는 설계. 지금 돌아보면 그 선택이 옳았다.
교실에서 신약개발까지
Room View 토글을 켜면 3D 분자가 실제 책상 위에 떠오르고, 벽 메뉴는 그대로 조작된다. 한 학생은 ATP가 어떻게 만들어지는지 걸어 보고, 한 교육자는 CRISPR 수업을 열고, 한 구조생물학자는 결합 포켓을 들여다본다. 호기심과 후보 치료제 탐색이 같은 헤드셋에서 이어진다.
몇 주 뒤, 나는 그 새벽의 가설을 다시 꺼냈다. 이번에는 포켓 안을 걸으며 수소 결합 하나하나를 눈으로 따라갔다. 확신은 아니었지만, 적어도 놓치고 있다는 느낌은 사라졌다. 그 작은 차이가 연구자의 하루를 바꾼다.
NexoPeek은 교육·연구 시각화 소프트웨어이며 의학적 조언·진단·치료가 아니다. 포켓 예측과 구조 정렬 같은 분석 보조는 검증된 과학 파이프라인과 전문적 판단을 대체하지 않는다. 연구 결과는 1차 문헌과 검증된 방법으로 확인한 뒤 행동으로 옮겨야 한다.
예측 모델이 후보를 던져 주는 시대에, 그 후보를 눈높이에서 마주하는 일은 여전히 사람의 몫이다. 그 마주함을 조금 더 물리적으로 만들고 싶다면, Meta Quest에서 NexoPeek을 시작해 보자.
Top comments (0)