Regional sequence and embedding divergence among five grass OsNAC25-like proteins

당신이 거대한 가족 모임에서 잃어버린 먼 친척을 찾으려는 탐정이라고 상상해 보세요. 당신에게는 친척의 사진이 있지만, 가계부가 너무 방대하고 사촌들이 너무 많아서 그 사람을 찾아낼 기발한 방법이 필요합니다. 생물학의 세계에서 이 "가족 모임"은 생명체를 구성하는 단백질의 방대한 집합체이며, "사촌들"은 공통의 조상을 공유하는 단질들입니다. 과학자들은 식물이 유전적 지침을 읽는 것을 돕기 위해 **NAC 전사 인자(transcription factors)**라는 특별한 도구를 사용합니다. 이는 마치 매니저가 세포가 무엇을 해야 할지 알려주는 할 일 목록을 읽는 것과 같습니다. 이 매니저들은 매우 구체적인 유니폼을 가지고 있습니다: 팀의 일원임을 식별해 주는 튼튼하고 변하지 않는 가슴의 배지(N-말단 도메인)와, 수행하는 특정 작업에 따라 변할 수 있는 더 혼란스럽고 가변적인 등의 자켓(C-말단 영역)입니다.

최근에 새로운 종류의 탐정 도구인 **단백질 언어 모델(protein language models)**이 등장했습니다. 이것은 생명의 도서관에 있는 모든 책을 읽은 초지능 AI라고 생각하면 됩니다. 이 AI는 단백질의 이름에 담긴 글자만 보는 대신, 단백질의 "분위기(vibe)"나 "스타일"을 이해하여 이를 **임베딩(embedding)**이라는 수학적 지문으로 변환합니다. 만약 두 단백질의 지문이 비슷하다면, 그들은 서로 연관되어 있을 수 있습니다. 또 다른 도구인 **구조 예측(structure prediction)**은 단백질이 3D로 어떤 모양일지 추측하며, 배지와 자켓의 형태에 대해 얼마나 확신하는지를 나타내는 "신뢰도 점수(confidence score)"를 제공합니다. 큰 질문은 이것입니다: 이 첨단 AI 지문과 형태 추측이 우리가 이미 알고 있는 것과 일치하는가? 즉, 이 튼튼한 배지가 다양한 벼과 식물들 사이에서 가변적인 자켓보다 더 유사하다는 것을 명확히 보여주는가?

---

풀의 가족 모임: 배지, 자켓, 그리고 아웃라이어의 이야기

이 연구에서 닐 수만스(Neil Sumanth)라는 연구자는 이 첨단 도구들을 다섯 가지 풀 단백질 그룹에 테스트하기로 했습니다. 그는 OsNAC25라는 잘 알려진 벼 단백질로 시작하여, 네 가지 다른 풀(조, 수수, 손가락조, 테프)에서 그 "닮은꼴"들을 찾아냈습니다. 그는 단순히 전체 단백질을 본 것이 아니라, 잔기(residue) 180에서 각 단백질을 절반으로 나누었습니다. 첫 번째 절반(잔기 1–180)은 유명하고 튼튼한 배지를 포함하고 있었습니다. 두 번째 절반(잔기 180 이후)은 가변적인 자켓이었습니다.

배지 vs 자켓: 숫자가 말해주는 것
닐이 실제 글자 단위의 서열(단백질의 "철자")을 비교했을 때, 결과는 예상했던 그대로였습니다. 배지(잔기 1–180)는 다섯 가지 풀 사이에서 매우 유사했으며, 평균 일치도는 0.480이었습니다. 자켓(잔기 180 이후)은 훨씬 더 달랐으며, 평균 일치도는 0.346에 불과했습니다. 이는 다섯 명의 사촌가 모두 똑같은 가족 문장을 가슴에 달고 있지만, 자켓의 색상과 패턴은 모두 제각각인 것과 같습니다.

구조 예측 도구인 ESMFold2도 이에 동의했습니다. 이 도구는 자켓보다 배지에 더 높은 "신뢰도 점수"(형태에 대한 확신의 척도)를 부여했습니다. 배지의 평균 점수는 0.865였던 반면, 자켓의 점수는 0.811이었습니다. 대부분의 풀에 대해 이 도구는 배지의 형태에 대해 훨씬 더 높은 확신을 보였습니다. 그러나 수수와 테프의 경우, 그 차이가 매우 미미했습니다(각각 0.004와 0.002). 이는 그들에게 있어 자켓이 반드시 엉망이라는 뜻이 아니라, 배지만큼이나 예측 가능하다는 것을 시사했습니다.

AI의 "분위기 체크": 놀라운 반전
이야기가 흥미로워지는 지점은 바로 여기입니다. 닐이 ESM C 언어 모델을 사용하여 단백질의 "분위기(vibes, 임베딩)"를 비교했을 때, 결과는 단순한 "배지 대 자켓" 규칙을 따르지 않았습니다.

만약 AI가 완벽하게 작동했다면, 자켓이 배지보다 서로 더 다르다는 것을 보여주었어야 합니다. 열 번의 비교 중 여섯 번은 자켓이 더 달랐습니다. 하지만 패턴은 깔끔하지 않았습니다. 가장 큰 놀라움은 손가락조(finger millet) 후보로부터 나왔습니다.

AI의 "분위기 공간(v-space)"에서, 손가락조 단백질은 완전한 아웃라이어(outlier)였습니다. 그것은 다른 것들과 너무 달라서 수학적 지도에서 멀리 떨어져 있었습니다.

• 전체 단백질을 비교했을 때, 손가락조는 다른 것들로부터 0.163에서 0.240만큼 떨어져 있었습니다.
• 오직 **배지(잔기 1–180)**만을 비교했을 때도, 여전히 0.157에서 0.248만큼 떨어져 있었습니다.
• 반면, 나머지 네 가지 풀(벼, 조, 수수, 테프)은 거의 서로를 껴안고 있는 듯했으며, 거리는 0.0096에서 0.0296 정도로 매우 가까웠습니다.

이는 마치 네 명의 사촌은 거의 똑같이 생겼는데, 다섯 번째 사촌(손가락조)은 완전히 다른 옷을 입고, 다른 억양을 쓰며, 모두가 같은 가족 배지를 달고 있어야 함에도 불구하고 방 반대편에 서 있는 것과 같습니다.

이것이 의미하는 바 (그리고 의미하지 않는 바)
이 논문은 이 아웃라이어를 과도하게 설명하지 않도록 매우 주의를 기울였습니다. 연구자는 몇 가지 가능성을 제시했습니다. 아마도 손가락조 단백질이 NAC 가계도의 완전히 다른 분기에 속하거나, 혹은 데이터를 수집하는 방식(찾기 과정)에서 실수로 다른 사촌을 선택했을 수도 있다는 것입니다. 이 연구는 손가락조 단백질이 다른 기능이나 역할을 가진다는 것을 증명하지 않습니다. 단지 그것을 "우선 조사 대상"으로 표시했을 뿐입니다.

이 연구의 핵심은, 기존의 서열 비교와 3D 형태 신뢰도 점수는 모두 "배지"가 "자켓"보다 더 보존되어 있다는 점에 동의했지만, 새로운 AI "분위기 체크"는 혼란스러웠다는 것입니다. AI는 단순히 배지 대 자켓의 차이를 본 것이 아니라, 손가락조가 이상한 존재라는 것을 포착해 냈습니다.

결론
이 연구는 손가락조 단백질의 미스터리를 해결하지는 못했지만, 그것을 향해 손전등을 비추는 데는 성공했습니다. 결과는 만약 당신이 이 풀 단백질들이 진정한 생물학적 사촌(orthologs)인지 아니면 그저 닮은꼴인지 알고 싶다면, 단순히 빠른 유사성 검색에만 의존해서는 안 된다는 것을 시사합니다. 당신은 더 깊은 양방향 검사를 수행하고 제대로 된 가계도를 구축해야 합니다. 현재로서는 손가락조 서열이 재검토가 필요한 대상이며, 나머지 네 가지 풀은 같은 생각을 공유하고 있는 것으로 보입니다. 도구들은 강력하지만, 여려 여전히 아웃라이어를 해석하기 위해서는 인간 탐정이 필요합니다.