Unavailability of experimental 3D structural data on protein folding dynamics and necessity for a new generation of structure prediction methods in this context

1. 문제 정의 (Problem Statement)

• 배경: 단백질 접힘 (Protein folding) 은 아미노산 서열이 최종적인 3 차원 (3D) 구조 (Native state) 에 도달하기 위해 거치는 일련의 동적 과정입니다. 이 과정에서 형성되는 비-천연 (Non-native) 상태의 중간체 (Intermediates) 를 이해하는 것은 접힘 역학 이해와 잘못된 접힘 (Misfolding) 으로 인한 질환 연구에 필수적입니다.
• 핵심 문제:
  • 실험 데이터의 부재: 천연 상태 (Native state) 의 3D 구조 데이터는 풍부하지만 (PDB 등), 접힘 중간체에 대한 실험적 3D 구조 데이터는 극히 희소합니다. NMR, Cryo-EM, X-ray 결정학 등의 기술이 중간체의 빠른 동적 변화나 불안정성을 포착하는 데 한계가 있기 때문입니다.
  • 전산 예측 방법의 한계: AlphaFold2 와 같은 기존 방법들은 천연 구조 예측에는 탁월한 성과를 보였으나, 접힘 중간체와 같은 비-천연 구조를 예측하는 데는 적합하지 않은 것으로 의심됩니다.
  • 데이터 격차: 특히 공번역 (Co-translational) 접힘 (리보솜에서 합성되는 동안 일어나는 접힘) 에 대한 실험적 3D 구조 데이터와 이를 예측하는 전용 전산 방법은 거의 존재하지 않습니다.

2. 방법론 (Methodology)

저자들은 단백질 접힘 역학의 3D 구조 데이터 가용성과 예측 방법의 성능을 평가하기 위해 다음과 같은 체계적인 접근을 취했습니다.

A. 문헌 조사 및 데이터 수집

• 실험적 데이터: Post-translational (전사 후) 및 Co-translational (공번역) 접힘 중간체에 대한 실험적 3D 구조 데이터를 보고한 연구들을 체계적으로 검색했습니다.
  • Post-translational: 2 개의 연구 (2 개 단백질, 각각 2 개의 중간체) 만 발견.
  • Co-translational: 4 개의 연구 (4 개 단백질, 총 11 개의 중간체, 17 개의 컨포메이션) 만 발견.
• 데이터 전처리: PDB 에 등록된 시퀀스 (Deposited sequence) 와 모델링된 시퀀스 (Modeled sequence) 간의 불일치를 분석하여, 데이터 손실이 심하거나 품질이 낮은 컨포메이션을 제외하고 최종적으로 10 개의 중간체 (15 개의 컨포메이션) 를 분석 대상으로 선정했습니다.

B. 전산 예측 성능 평가 (AlphaFold2)

• 목표: 천연 구조 예측에 특화된 AlphaFold2 가 공번역 접힘 중간체의 3D 구조를 예측할 수 있는지 검증.
• 절차:
  1. 실험적으로 결정된 15 개 컨포메이션의 아미노산 서열을 AlphaFold2 (ColabFold v1.5.2) 에 입력.
  2. 예측된 3D 구조와 실험적 구조 간의 유사성을 TM-score (Template Modeling score) 로 정량화.
  3. TM-score > 0.5 는 전체적인 접힘 (Fold) 이 동일함을 의미, < 0.5 는 다른 접힘을 의미함.

C. 대조군 비교: "Proxy" 중간체

• Proxy 중간체 정의: 동적 접힘 과정을 모사하기 위해, 단백질의 천연 구조에서 점진적으로 증가하는 서열 부분 (C-terminal fragment) 을 추출하여 만든 가상의 중간체. (Newaz et al., 2022 의 선행 연구 기반).
• 비교 분석: 실험적 중간체, AlphaFold2 예측 중간체, Proxy 중간체 간의 구조적 유사성 (TM-score) 을 비교하여 AlphaFold2 의 성능이 단순한 베이스라인 (Proxy) 보다 우수한지 확인.

D. 기존 연구 및 새로운 방법론 검토

• Post-translational 접힘에 대한 기존 예측 방법 (Outeiral et al., 2022 등) 의 한계 재확인.
• 공번역 접힘을 명시적으로 모델링하려는 최근 시도 (Wang et al., 2025; Tao and Xiao, 2025) 를 문헌 조사 및 논의.

3. 주요 기여 (Key Contributions)

1. 중앙 집중형 데이터 리소스 구축: 단백질 접힘 중간체에 대한 실험적 및 전산적 3D 구조 데이터를 체계적으로 수집하고 정리한 최초의 포괄적인 분석을 제공했습니다.
2. AlphaFold2 의 공번역 접힘 예측 한계 규명: AlphaFold2 가 천연 구조에는 정확하지만, 공번역 접힘 중간체 (비-천연 상태) 에 대해서는 성능이 현저히 떨어지며, 실험적 데이터와 구조적 불일치가 크다는 것을 최초로 정량적으로 증명했습니다.
3. Proxy vs. AlphaFold2 비교: AlphaFold2 가 비-천연 중간체 예측에서 단순한 "Proxy" 베이스라인 (천연 구조에서 추출한 부분 구조) 보다 우월하지 않음을 보였습니다. 이는 현재 구조 예측 모델이 접힘 역학 (Kinetics/Dynamics) 을 학습하지 못했음을 시사합니다.
4. 미래 방향 제시: 단백질 접힘 역학을 정확히 모델링하기 위해 리보솜 터널, 번역 속도 (Codon usage), 분자 동역학 등을 고려한 차세대 예측 방법 개발의 필요성을 강조했습니다.

4. 주요 결과 (Key Results)

• 데이터 희소성:
  • Post-translational: 2 연구 (2 단백질, 4 중간체).
  • Co-translational: 4 연구 (4 단백질, 11 중간체, 17 컨포메이션).
  • 대부분의 단백질은 길이가 짧고 (100 잔기 미만), 중간체 수가 적음.
• AlphaFold2 성능 평가:
  • 천연 상태 (Native): TM-score 0.80~0.96 으로 매우 높은 정확도.
  • 비-천연 중간체 (Non-native intermediates):
    • 분석된 15 개 컨포메이션 중 11 개가 비-천연 상태.
    • 이 중 9 개는 TM-score 가 0.14~0.47 로 매우 낮음 (무작위 수준 또는 다른 접힘).
    • 나머지 2 개는 0.50 초과였으나, 전반적으로 AlphaFold2 는 중간체 구조를 정확히 예측하지 못함.
  • 결론: AlphaFold2 는 접힘 역학 (Kinetics) 을 학습하지 못했으므로, 중간체 예측에는 적합하지 않음.
• Proxy vs. AlphaFold2 비교:
  • 실험적 중간체와 Proxy 중간체의 TM-score 와, 실험적 중간체와 AlphaFold2 예측 중간체의 TM-score 가 유사하게 낮음 (0.21~0.53 범위).
  • AlphaFold2 가 Proxy 베이스라인보다 구조적 유사성 측면에서 우월하지 않음.
• 접힘 경로에서의 구조 변화:
  • 동일한 서열이라도 시간이 지남에 따라 (아미노산 추가 시) 구조적 변화 (Conformational change) 가 큼 (TM-score < 0.5). 이는 접힘이 정적 과정이 아님을 보여줌.

5. 의의 및 결론 (Significance and Conclusion)

• 현재의 장벽: 단백질 접힘 역학 이해의 가장 큰 장벽은 실험적 3D 구조 데이터의 부재와 이를 예측할 수 있는 전용 도구의 부재입니다.
• AlphaFold2 의 한계: AlphaFold2 와 같은 현재 최첨단 모델은 안정된 천연 구조를 예측하도록 훈련되었기 때문에, 불안정한 중간체나 동적 접힘 과정을 예측하는 데는 본질적으로 적합하지 않습니다.
• 새로운 패러다임의 필요성:
  • 실험 측면: 중간체의 3D 구조를 포착할 수 있는 더 높은 시간/공간 해상도의 실험 기술 (예: 19F NMR 등) 개발 필요.
  • 전산 측면: 접힘 역학, 리보솜의 물리적 영향, 번역 속도 (Codon usage) 등을 명시적으로 고려한 새로운 세대의 구조 예측 알고리즘 개발 필요.
  • 평가 프레임워크: 예측된 중간체 경로를 실험적 데이터와 비교할 수 있는 표준화된 평가 체계 마련 필요.
• 미래 전망: 초기 PDB(단백질 데이터 뱅크) 가 13 개의 구조에서 시작하여 현재 20 만 개 이상으로 성장한 것처럼, 현재 희소한 접힘 중간체 데이터와 이를 위한 전용 예측 도구들이 체계적으로 조직화되고 개발된다면, 단백질 접힘 역학 연구에 획기적인 진전이 있을 것으로 기대됩니다.

이 논문은 단백질 접힘 연구 커뮤니티에 실험적 데이터의 현황을 명확히 제시하고, 기존 방법론의 한계를 지적함으로써 차세대 접힘 역학 예측 방법 개발의 시급성을 강조하는 중요한 이정표가 됩니다.