최근 AlphaFold 3(AF3)의 등장은 구조 생물학계에 커다란 충격을 주었습니다. 하지만 우리 모두가 알고 있듯, 예측된 ‘모양(Shape)’이 곧 ‘작동하는 실체(Functioning reality)’를 의미하지는 않습니다. AI가 제시한 고정밀 백본 구조 위에, 생체 내 환경인 수화층(Hydration Shell)과 물리적 평형을 입혀야만 비로소 계산 가능한 생물학적 데이터가 탄생합니다.
오늘은 HanjariFold Zenith 엔진을 통해 TRPC1/C4 이종 복합체 모델을 리파인먼트하며 얻은 통찰을 공유하고자 합니다.
1. ‘건식 모델’에서 ‘습식 실체’로: 수화 네트워크의 복구
AI 예측 모델은 기본적으로 진공 상태의 정적 구조를 가정합니다. 하지만 단백질의 안정성과 리간드 결합의 8할은 물 분자가 결정합니다.
이번 공정에서는 약 7,700여 개의 수화층을 물리적 평형 상태로 복구하는 데 집중했습니다. 단순히 물 분자를 채우는 것이 아니라, Backbone-Water Force Damping 전략을 통해 단백질 내부 긴장을 완화(Relaxation)하는 과정입니다.
-
물리적 가교(Water Bridge)의 정량화: 기존에 추정하기 힘들었던 ‘물 분자가 매개하는 결합 에너지’를 계산할 수 있게 되었습니다. 이는 단순히 단백질 간 접촉면(ICs)만 계산하던 방식보다 훨씬 실제에 가까운 결합력(Affinity) 해석을 가능하게 합니다.
-
엔트로피 보정: 물 분자의 배치를 통해 용매의 엔트로피 페널티를 고려한 정밀한 dG 값을 산출함으로써, 실험 데이터가 주지 못하는 에너지적 통찰력을 확보했습니다.
2. 실험 모델(Cryo-EM/X-ray)과의 시너지
이 과정은 결코 실험 구조를 대체하려는 것이 아닙니다. 오히려 실험 구조를 더 빠르고 정확하게 완성하기 위한 보조 엔진에 가깝습니다.
-
고질적인 이상치(Outliers) 해결: Cryo-EM 맵 분석 시, 국부적인 해상도 저하로 인해 발생하는 결합각 왜곡(예: 9sigma 이상의 Z-score)을 리파인먼트 단계에서 물리적으로 교정할 수 있습니다.
-
리모델링 효율성 극대화: AI가 예측한 최적의 구조에 수화층을 입혀 실험 맵에 피팅(Fitting)하면, 수동으로 잔기를 하나하나 수정하는 ‘Coot 작업’ 시간을 획기적으로 단축할 수 있습니다. 이는 실험 과학자가 더 고차원적인 생물학적 해석에 집중할 수 있게 돕습니다.
3. 계산 가능한 구조: “Sim-Ready Asset”
리파인먼트를 거친 모델의 진정한 가치는 ‘즉시 투입 가능성’에 있습니다.
잘 정제된 수화 모델은 분자 동역학(MD) 시뮬레이션이나 도킹(Docking) 연구 시, 초기의 평형화(Equilibration) 단계를 비약적으로 단축해 줍니다. 특히 수화 네트워크가 확보된 모델은 물 분자가 매개하는 약물 결합(Water-mediated interaction)을 예측할 수 있어, 신약 설계의 위양성(False Positive)을 줄이는 결정적인 역할을 합니다.
| 지표 (Metric) | AF3 원본 모델 | ZENITH 리파인먼트 | 개선 상태 |
| MolProbity Score | 2.22 | 1.37 | 획기적 개선 |
| Clashscore | 10.97 | 2.36 | 약 4.6배 감소 |
| Ramachandran Outliers | 1.16 % | 0.00 % | 결함 완전 제거 |
| Ramachandran Favored | 92.30 % | 96.18 % | 백본 안정화 |
| Rotamer Outliers | 1.76 % | 1.32 % | 측쇄 최적화 |
| RMS (Bonds) | 0.0126 | 0.0034 | 물리적 타당성 확보 |
| RMS (Angles) | 1.76 | 0.82 | 기하학적 긴장 해소 |
💡 주요 개선 의미 요약
-
물리적 충돌(Clash)의 대폭 해소: AF3 예측 시 발생했던 원자 간의 비합리적인 겹침(Clashscore 10.97)을 2.36으로 낮춤으로써, 모델의 물리적 신뢰도를 “실험 구조급”으로 끌어올렸습니다.
-
완벽한 백본(Backbone) 기하학: 1.16%에 달하던 라마찬드란 이상치(Outliers)를 0%로 완전히 제거하여, 단백질 골격이 에너지적으로 가장 안정한 상태에 도달하게 했습니다.
-
결합 길이 및 각도의 정밀화: RMS(bonds)와 RMS(angles) 수치가 절반 이하로 감소하며 물리 법칙에 어긋나던 기하학적 긴장(Strain)이 모두 해소되었습니다.
-
즉시 사용 가능한 ‘Sim-Ready’ 자산: 이러한 정밀화를 통해 단순한 ‘예측 이미지’ 수준이던 AF3 모델을 분자 동역학(MD) 시뮬레이션이나 정밀 약물 도킹에 즉시 투입할 수 있는 ‘고부가가치 연구 자산’으로 변환 완료했습니다.
ProteinMaker’s Thought
“훌륭한 실험 모델(예: 8WPL)은 변치 않는 토대입니다. 우리는 그 토대 위에 AI의 예측력과 물리 화학적 정밀화를 더해, 보이지 않던 수화 네트워크와 에너지 지도를 그려낼 뿐입니다. 구조 생물학의 미래는 ‘실험’과 ‘AI 리파인먼트’가 협력하여 모델의 완성도를 1.0 Å 미만의 정밀도로 끌어올리는 데 있다고 믿습니다.”
💡 연구 협력 및 서비스 문의
HanjariFold Zenith 엔진은 고해상도 수화층 복구 및 전수 조합 결합력 분석 서비스를 제공합니다. 여러분의 소중한 실험 데이터를 ‘Sim-Ready’ 자산으로 변환해 보세요.
[ProteinMaker – Han, B.G., Ph.D.]
