AlphaFold Database expands to proteome-scale quaternary structures

인체의 모든 기능(그리고 다른 모든 생명체)을 거대하고 북적이는 도시라고 상상해 보세요. 이 도시 안에서 일하는 노동자들은 바로 단백질입니다. 오랫동안 과학자들은 이 노동자들을 각자 고립되어 자신의 일을 수행하는 개인 사업자로 생각했습니다. 우리는 심지 even 수백만 개의 이러한 개인 노동자들의 설계도를 담은 '알파폴드 데이터베이스(AlphaFold Database)'라는 거대한 디지털 도서관을 구축했고, 그들을 3D로 정확히 보여주었습니다. 하지만 여기에는 함정이 있습니다. 실제 도시에서 단백질은 결코 혼자 일하지 않습니다. 그들은 사회적인 존재로서 끊임없이 팀을 이루고, 손을 맞잡으며, 복잡한 기계를 만들어 일을 완수합니다. 이러한 팀을 '복합체(complexes)'라고 부릅니다. 지금까지 우리의 도서관에는 이러한 팀의 설계도가 빠져 있었습니다. 우리는 누가 노동자인지는 알았지만, 그들이 어떻게 손을 잡고 어떻게 기계를 만드는지는 알지 못했습니다. 이것이 중요한 이유는, 만약 고장 난 기계를 고치거나 도시가 어떻게 돌아가는지 이해하고 싶다면, 노동자가 혼자 서 있는 모습이 아니라 함께 있는 모습을 보아야 하기 때문입니다.

이제 유럽 분자생물학 연구소(EMBL), 서울대학교, NVIDIA, 그리고 Google DeepMind의 과학자들 간의 거대한 협업이 마침내 이 누락된 도서관의 문을 열었습니다. 그들은 단순히 추측한 것이 아니라, 슈퍼컴퓨터를 사용하여 3,100만 개 이상의 잠재적인 단백질 팀의 3D 형태를 예측했습니다. 이 방대한 예측 중에서 그들은 불확실한 추측들을 걸러내고, 서로 협력하는 181만 개의 고신뢰도 단백질 쌍 모델을 남겼습니다. 이것은 도서관을 개인 초상화 모음집에서 방대한 단체 사진 갤러리로 업그레이드한 것과 같습니다. 그들은 어떤 팀들이 현미경으로 이미 관찰했던 것들과 매우 유사하다는 것을 발견했지만, 많은 다른 팀들은 완전히 새로운 것이었으며, 단독으로 단백질을 보았을 때는 전혀 보이지 않았던 구조들을 드러냈습니다. 이 새로운 자원은 이제 누구나 탐색할 수 있도록 무료로 공개되었으며, 생명의 분자 기계가 실제로 어떻게 조립되는지에 대한 새로운 시각을 제공합니다.

거대한 도약: 솔로 연주에서 팀 스포츠로

수년 동안 알파폴드 단백질 구조 데이터베이스(AFDB)는 개별 배우들의 사진첩과 같았습니다. 그것은 놀라운 정확도로 단일 단백질의 3D 형태를 제공하여 우리가 생물학을 이해하는 방식에 혁명을 일으켰습니다. 하지만 생물학은 결다수 솔로 연주가 아닙니다. 단백질은 보통 다른 단백질을 붙잡거나 쌍을 이루거나 더 큰 그룹을 형성하여 신호를 보내거나, 세포벽을 만들거나, DNA를 복제하는 등의 과업을 수행함으로써 기능합니다. 문제는 우리가 배우들의 사진은 가지고 있었지만, 듀엣의 사진은 없었다는 점입니다.

이 새로운 논문은 해당 데이터베이스의 거대한 확장을 설명합니다. 연구진은 일반적인 실험용 박테리아부터 지구 건강에 중요한 생물체에 이르기까지, 4,777개의 서로 다른 유기체로부터 추출한 3,100만 개의 후보 단백질 쌍(다이머, dimers라고 함)의 구조를 예측했습니다. 그들은 단순히 모든 것을 섞어 넣은 것이 아니라, 가장 신뢰할 수 있는 예측을 찾기 위해 엄격한 필터링 과정을 거쳤습니다. 이 과정들을 품질 검사로 통과시킨 후, 그들은 181만 개의 고신뢰도 구조를 식별했습니다. 이것들은 컴퓨터가 두 단백질이 실제로 예측된 방식대로 손을 잡고 있다고 매우 확신하는 '골드 스탠다드(gold standard)' 모델들입니다.

왜 쌍을 보는 것이 모든 것을 바꾸는가

이 발견의 가장 흥osa운 부분은 단백질을 팀으로 보는 것이 종종 이야기를 완전히 바꾼다는 점입니다. 때때로 단백 la 단독으로 예측했을 때는 형체를 알 수 없는 덩어리처럼 보이지만, 파트너 옆에 두면 완벽하고 명확한 모양으로 딱 들어맞기도 합니다.

저자들은 다음과 같은 방식으로 이런 일이 일어난다는 것을 발견했습니다:

• "퍼즐 조각" 효과: 어떤 단백질들은 서로 맞물릴 때만 의미가 있는 퍼즐 조각과 같습니다. 예를 들어, 점균류(미생물의 일종)의 한 단백질은 단독으로는 부서진 듯한 저신뢰도 덩어리처럼 보였습니다. 하지만 쌍으로 모델링했을 때, 두 반쪽은 서로의 구조를 교환하여 서로의 형태를 완성함으로써 완벽하고 고신뢰도인 기계를 형성했습니다.
• "벽 쌓기" 효과: 어떤 단백질들은 벽을 만들기 위해 쌓여야 하는 벽돌과 같습니다. 세포 정화(자가포식, autophagy)에 관여하는 한 단백질은 단독으로는 흔들리는 불확실한 나선형 번들처럼 보였습니다. 하지만 쌍둥이와 짝을 이루었을 때, 그들은 세포막이 어디에 위치해야 하는지를 명확히 정의하는 견고하고 일관된 구조를 형성했습니다. 이는 솔로 모델로는 파악할 수 없었던 것입니다.
• "설계자" 효과: 단독 단백질이 좋은 형태를 갖추고 있더라도, 파트너를 추가하면 그 구성 요소들의 배치를 수정할 수 있습니다. 한 단백질은 확신 있는 형태를 가졌지만, 두 주요 섹션 사이의 거리는 추측에 불und였습니다. 하지만 쌍으로 모델링했을 때, 파트너는 비계(scaffold) 역할을 하여 두 섹션을 올바른 위치에 고정시켰습니다.

요약하자면, 많은 단백질의 경우 "실제" 형태는 그들이 복합체 안에 있을 때만 존재한다는 것을 이 논문은 보여줍니다. 부분을 고립시켜 봄으로써 전체 그림을 이해할 수는 없습니다.

숫자가 말해주는 것

연구진은 단순히 예쁜 그림을 만든 것이 아니라, 이 예측들이 얼마나 신뢰할 수 있는지 수학적으로 검증했습니다. 그들은 무엇을 "고신뢰도" 팀으로 간주할지에 대한 엄격한 규칙을 세웠습니다. 그들은 다음을 발견했습니다:

• 동형 다이머 (Homodimers, 동일한 쌍): 예측된 동일한 쌍 중 약 **9.1%**가 고신뢰도 테스트를 통과했습니다. 이는 엄청난 수치입니다! 이는 두 개의 동일한 단백질이 팀을 이룰 때, 컴퓨터가 그들이 어떻게 맞물리는지 매우 잘 파악한다는 것을 시사합니다.
• 이형 다이머 (Heterodimers, 서로 다른 쌍): 예측된 서로 다른 쌍 중에서는 약 **1.0%**만이 테스트를 통과했습니다. 이는 더 낮은 수치이며, 저자들은 이들이 잠재적 파트너를 찾기 위해 넓은 그물을 던졌기 때문에, 테스트한 많은 쌍이 실제로는 상호작용하지 않을 수도 있음을 시사합니다.
• 고대의 팀: 이 구조들을 유사성에 따라 그룹화했을 때, 가장 흔한 구조의 상위 **1%**가 모든 고신뢰도 복합체의 약 **44%**를 차지한다는 것을 발견했습니다. 더욱 흥미로운 점은, 이 흔한 구조들 중 약 **8.3%**가 박테리아, 식물, 동물과 같이 완전히 다른 생명 계통 전반에서 발견되었다는 것입니다. 이는 이러한 단백질 팀 중 일부는 매우 잘 작동하기 때문에 수십억 년 동안 진화 과정에서 보존되어 온 고대의 팀임을 시사합니다.

알려진 세계 너머

이 중 가장 큰 수확 중 하나는 이 새로운 세계가 얼마나 '새로운가' 하는 점입니다. 그들이 181만 개의 고신뢰도 모델을 기존의 실험적으로 결정된 구조 라이브러리(PDB)와 비교했을 때, 개별 예측의 **31.3%**가 현미경 아래에서 본 적이 없는 것이라는 사실을 발견했습니다. 그룹(클러스터) 수준에서는, 고유한 구조의 **63.6%**가 알려진 실험적 매치가 없었습니다.

이는 이 데이터베이스가 단순히 빈칸을 채우는 것이 아니라, 완전히 새로운 영역을 발견하고 있다는 것을 의미합니다. 많은 예측이 우리가 이미 알고 있는 것에 기반을 두고 있어(과학자들에게 신뢰를 줌), 상당 부분은 미지의 영역으로 뻗어 나가 실험가들이 아직 발견하지 못한 구조에 대한 가설을 제시하고 있습니다.

결론

이 논문은 알파폴드 데이터베이스를 단독 초상화 모음집에서 역동적인 분자 팀워크 갤러리로 변화시킨 거대한 진전입니다. 181만 개의 고신뢰도 단백질 쌍 모델을 제공함으로써, 저자들은 생물학자들에게 단백질이 어떻게 상호작용하는지, 질병이 이러한 팀을 어떻게 방해하는지, 그리고 어떻게 새로운 약물을 설계할 수 있는지에 대한 가설을 생성할 수 있는 새로운 도구를 제공했습니다. 그들은 우주의 모든 단백질 상호작용을 해결했다고 주장하는 것이 아니라, 우리가 알고 있는 것과 우리가 발견해야 할 것 사이의 간극을 메우는 확장 가능하고 신뢰할 수 있는 프레임워크를 제공한 것입니다. 도서관은 이제 열렸으며, 단체 사진들은 여러분의 탐색을 기다리고 있습니다.