세포를 활기차고 첨단 기술이 집약된 공장이라고 상상해 보세요. 그 안에서는 효소라고 불리는 아주 작은 기계들이 끊임없이 작동하고 있습니다. 이 효소들은 생명의 숙련된 화학자들로, 특정 원료(기질이라고 불림)를 붙잡아 서로 결합시키거나 분해함으로써 유기체가 생명을 유지하도록 돕습니다. 이 공장의 마법은 완벽한 '열쇠와 자물쇠' 관계에 있습니다. 효소의 활성 부위는 오직 하나의 특정한 화학적 열쇠만 맞을 수 있도록 설계된 독특한 모양의 주머니입니다. 만약 열쇠가 조금이라도 잘못되었다면, 기계는 작동하지 않을 것이고 공장은 멈춰버릴 것입니다. 수십 년 동안 과학자들은 어떤 열쇠가 어떤 자물쇠에 맞는지 지도를 그리려 노력해 왔지만, 이는 마치 어둠 속에서 거대한 퍼즐을 맞추는 것과 같았습니다. 전통적인 방식은 느렸고, 이러한 매칭을 예측하려고 시도했던 컴퓨터 프로그램들은 종종 효소를 변하지 않는 딱딱한 조각상처럼 취급했습니다. 하지만 실제로는 효소가 훨씬 더 유연한 무용수와 같습니다. 기질이 무대 위로 발을 내디디는 순간, 효소는 화학 반응을 일으키기 위해 몸을 흔들고, 비틀고, 형태를 바꿉니다.

이 논문은 이러한 분자의 춤을 드디어 학습할 수 있는 Boltz2ESI라는 새로운 초지능형 컴퓨터 프로그램을 소개합니다. 단순히 경직된 형태에 기반해 추측하거나 효소의 유전 코드를 읽는 대신, 이 새로운 도구는 '파운데이션 모델(foundation model)'을 사용합니다. 이는 단백질이 어떻게 접히고 움직이는지에 대한 심오한 규칙을 이미 학습한 유형의 AI입니다. Boltz2ESI는 효소와 기질이 동시에 접히는 과정을 시뮬레이션함으로써, 효소의 주머니가 기질을 완벽하게 껴안기 위해 어떻게 형태를 재구성하는지 관찰할 수 있습니다. 연구진은 이 접근 방식이 매우 유사해 보이지만 서로 다른 역할을 수행하는 효소들에 대해서도, 어떤 화학 물질이 실제로 작용할지를 예측하는 데 훨씬 더 뛰어나다는 것을 발견했습니다. 이것은 단순한 이론적 승리가 아닙니다. 연구팀은 이 도구가 복잡한 식물 기반 약물 경로를 위한 적절한 효소를 성공적으로 찾아낼 수 있음을 보여주었으며, 이는 분자의 '춤'을 이해하는 것이 자연의 화학적 비밀을 여는 열쇠임을 증명했습니다.

문제점: 딱딱한 조각상 vs. 춤추는 파트너

오랫동안 효소의 행동을 예측하려는 과학자들에게는 두 가지 주요 도구가 있었지만, 둘 다 치명적인 결함이 있었습니다. 첫 번째 도구는 효소의 유전 서열(DNA 지침)만을 살펴보았습니다. 이는 사람의 이름만 읽고 그 사람의 생김새를 추측하려는 것과 같아서, 대략적인 아이디어는 줄 수 있지만 중요한 세부 사항은 놓치게 됩니다. 두 번째 도구는 효소의 3D 형태를 보았지만, 효소를 돌 조각상처럼 취급했습니다. 마치 얼어붙은 주머니 속에 화학적 열쇠를 억지로 밀어 넣으려는 것과 같았습니다. 문제는 효소가 조각상이 아니라는 점입니다. 실제 기질이 도착하면, 효소는 종종 팔을 꽉 닫거나, 몸을 비틀거나, 기질을 단단히 잡기 위해 형태를 바꿉니다. 이를 "유도 적합(induced fit)"이라고 합니다. 만약 당신의 컴퓨터 모델이 효소를 딱딱한 블록으로 취급한다면, 상호작용의 가장 중요한 부분인 '움직임'을 놓치게 됩니다.

게다가, 이러한 효소 중 상당수는 "고아(orphan)" 상태입니다. 과학자들은 자연계에 이들이 존재한다는 것은 알지만, 이들이 무엇을 하는지 또는 활성 주머니의 모양이 어떤지는 전혀 모릅로 있습니다. 전통적인 방식은 작동하기 위해 주머니에 대한 미리 그려진 지도가 필요했기에, 이러한 신비로운 효소들에게는 무용지물이었습니다.

해결책: 공동 접힘의 댄스 플로어

여기에 Boltz2ESI가 등장합니다. 저자들은 **'네이티브 공동 접힘(native co-folding)'**이라는 기술을 사용하여 이 "딱딱한 조각상" 문제를 해결하기 위해 이 프레임워크를 구축했습니다.

이렇게 생각해 보세요. 문에 열쇠를 억지로 끼워 넣으려고 하는 대신, Boltz2ESI는 문과 열쇠가 함께 방 안으로 걸어 들어와 서로 어떻게 맞출지 결정하는 과정을 시뮬레이션합니다. 이 도구는 단백질과 화학 물질이 어떻게 행동하는지에 대한 물리학을 이미 학습한 강력한 AI 모델인 Boltz-2를 사용합니다.

과정은 다음과 같이 단계별로 진행됩니다:

1. 첫 번째 관찰: AI는 효소의 유전 서열과 기질의 화학식(SMILES 문자열로 작성됨)을 받아들여, 활성 부위가 어디에 있을지 예측하는 시뮬레이션을 실행합니다.
2. 춤: 그 다음, AI는 해당 지점을 확대하여 정해진 규칙 없이 효소와 기질이 함께 접히는 과정을 시뮬레이션합니다. 이를 통해 실제 생물학적 시스템이 그러하듯, 효소가 기질을 수용하기 위해 자연스럽게 형태를 변화시킬 수 있게 합니다.
3. 맥락 확인: "춤"이 끝나면, AI는 단순히 형태만 보는 것이 아닙니다. 또한 효소의 진화적 역사(ESM3 도구 사용)를 조사하여 수백만 년 동안 유사한 효소들이 어떻게 행동해 왔는지 확인합니다. 또한 기질의 화학적 세부 사항(Uni-Mol2 및 Morgan fingerprints 사용)을 분석하여 특정한 특징들을 이해합니다.
4. 판결: 마지막으로, AI는 이 모든 정보—춤의 형태, 가문의 역사, 그리고 화학적 세부 사항—를 결합하여 점수를 부여합니다. 이 점수는 해당 효소와 기질이 완벽한 짝이 될 가능성이 얼마나 높은지를 알려줍니다.

결과: 기존 방식보다 뛰어난 성능

연구팀은 323,000개 이상의 효소-기질 쌍을 포함하는 거대한 데이터셋인 ESIBank를 사용하여 기존의 최고 방법들과 Boltz2ESI를 비교 테스트했습니다.

• 경직된 모델을 압도하다: 효소를 딱딱한 조각상으로 취급하는 기존 방식(예: EZSpecificity)과 비교했을 때, Boltz2ESI는 압승을 거두었습니다. 표준 테스트에서 1.0이 완벽함을 의미하는 척도에서 0.9156을 기록한 반면, 경직된 방식들은 0.89 근처에서 고전했습니다.
• "미지의 영역" 테스트: AI가 이전에 본 적 없는 효소와 화학 물질을 대상으로 한 까다로운 시나리오에서도, Boltz2ESI는 0.7664라는 강력한 점수를 유지하며 경직된 모델들을 크게 앞질렀습니다.
• "왜"가 중요하다: 연구진은 흥고한 사실을 발견했습니다. 단순히 기본 AI 모델을 사용하여 화학 물질이 효소에 얼마나 단단히 붙는지(결합 친화도)를 예측하는 것만으로는 충분하지 않았습니다. 많은 화학 물질이 단단히 붙기는 하지만, 실제로 효소에 의해 "처리"되지는 않습니다. Bolitz2ESI가 성공한 이유는 단순히 '붙어 있는 것'과 실제로 '작동하는 것'을 구분하는 법을 배웠기 때문입니다. 즉, '포옹'과 '악수'의 차이를 배운 것입니다.

증거: 시트르산 합성효소와 식물 경로

저자들은 자신들의 주장을 입증하기 위해 **시트르산 합성효소(citrate synthase)**라는 고전적인 효소를 살펴보았습니다. 이 효소는 매우 극적인 움직임으로 유명합니다. 기질이 도착하면 효소의 한 부분이 약 19도 정도 회전하며 화학 물질 주위로 문을 닫습니다.

• 경직된 모델의 실패: 기존의 "경직된 도킹(rigid docking)" 방식을 사용했을 때, 컴퓨터는 이 회전을 포착하지 못했습니다. 기질이 엉뚱한 곳에 위치하게 되었고, 모델은 낮은 신뢰도 점수를 냈습니다.
• 공동 접힘의 성공: 반면, Boltz2ESI는 이 회전을 자연스럽게 시뮬레이션했습니다. 닫힌 형태를 완벽하게 예측했으며 0.9770이라는 높은 신뢰도 점수를 기록하여, 경직된 모델이 놓쳤던 "춤"을 포착할 수 있음을 증명했습니다.

또한 연구진은 실제 세계의 미스터리인 아슈와간다(Ashwagandha) 식물의 위타놀라이드(withanolide) 경로에 이 도구를 테스트했습니다. 이 경로는 의약 성분을 만들어내지만, 과학자들은 각 단계에 대해 어떤 특정 효소(P450들)가 관여하는지 여전히 밝혀내는 중이었습니다.

• Bolitz2ESI는 107개의 후보 효소 목록을 전달받아 적절한 효소를 찾아내라는 과제를 수행했습니다.
• 이 도구는 올바른 효소들을 이전 방식보다 훨씬 높은 순위에 배치하는 데 성공했습니다. 예를 들어, 1단계에 해당하는 효소(CYP87G1)를 기존 최고의 방식이 13위에 두었던 것과 달리, Bolitz2ESI는 8위에 올렸습니다.
• 또한, 서로 매우 유사하지만 식물의 다른 부분에서 같은 일을 수행하는 "파라로그(paralogs, 유사 유전자)"들을 정확하게 그룹화함으로써, 표면적인 데이터뿐만 아니라 근본적인 생물학을 이해하고 있음을 보여주었습니다.

이것이 변화시키는 것들

저자들은 이 접근 방식이 미지의 효소가 자연에서 무엇을 하는지 밝혀내는 "대사 경로의 탈오르판화(de-orphaning)" 과정에서 중요한 진전이라고 제안합니다. 정적이고 경직된 모델에서 벗어나 효소의 역동적이고 유연한 본성을 수용함으로써, Bolitz2ESI는 화학 세계의 더욱 정확한 지도를 제공합니다.

현재 이 도구는 계산량이 많아(복잡한 시뮬레이션을 실행하는 데 시간이 걸림) 한계가 있지만, 결과는 효소 발견의 미래가 단순히 멈춰 있는 포즈를 보는 것이 아니라 '춤을 관찰하는 모델'에 달려 있음을 시사합니다. 이는 새로운 의약품, 더 나은 산업용 효소의 발견을 가속화하고, 생명의 화학이 실제로 어떻게 작동하는지에 대한 더 깊은 이해를 제공할 것입니다.