Paperis 아티클
2021년 Nature 논문 한 편을 처음부터 끝까지 — 랜드마크가 된 이유부터 정직한 한계까지
이 글은 AI가 연구 논문을 바탕으로 작성한 교육·정보 제공용 콘텐츠이며, 전문가의 조언을 대체하지 않습니다. 오류를 발견하셨나요? 알려주세요
© 2026 네오쿤스(Paperis) · 링크 공유는 환영합니다. 전문 전재·재배포는 사전 허가가 필요합니다.
단백질은 아미노산이 사슬처럼 이어진 끈이다. 그런데 이 끈은 세포 안에서 저절로 접혀 하나의 정교한 3차원 형태를 갖고, 그 형태가 곧 기능이 된다. 효소가 반응을 촉매하고, 항체가 병원체를 붙잡고, 수용체가 신호를 전달하는 일은 전부 그 접힌 모양에서 나온다. 그래서 "아미노산 서열만 보고 그 단백질이 어떤 3차원 구조로 접힐지 예측할 수 있는가"라는 물음은 반세기 넘게 생물학의 가장 큰 미해결 문제 중 하나였다.
2021년 7월, 딥마인드(DeepMind)의 존 점퍼(John Jumper) 연구진은 Nature에 「Highly accurate protein structure prediction with AlphaFold」(PMID 34265844)를 발표했다. 이 글은 그 논문 한 편을 처음부터 끝까지 읽는다. 무엇이 이 논문을 랜드마크로 만들었는지, 어떤 질문을 던졌고, 어떤 방법으로 답했으며, 무엇을 남겼고, 또 무엇을 여전히 못 하는지를 차례로 따라간다.
문제의 뿌리는 오래됐다. 사슬이 어떻게 천문학적인 수의 가능한 배열 중에서 생물학적으로 합리적인 시간 안에 자기만의 고유한 형태를 찾아내는가 하는 물음 — 이른바 레빈탈의 역설(Levinthal's paradox)이다. 접힘 깔때기 이론으로 이 역설 자체는 설명이 됐다(PMID 36659994). 서열이 구조를 결정한다는 원리도 일찍부터 알려졌지만, 그 원리를 '서열을 넣으면 좌표가 나오는' 예측 알고리즘으로 옮기는 일 — 접힘 문제 가운데 구조 예측 부분(PMID 34265844) — 은 번번이 벽에 부딪혔다(PMID 10550209).
실험으로 구조를 알아내는 길은 있다. X선 결정학, 핵자기공명, 저온전자현미경(cryo-EM)이다. 그러나 단백질 하나의 구조를 규명하는 데 수개월에서 수년이 걸린다. 그 결과 실험으로 구조가 밝혀진 단백질은 약 10만 종에 그치는데, 알려진 서열은 수십억 개에 이른다(PMID 34265844). 서열은 폭발적으로 늘어나는데 구조는 병목에 걸려 있는 이 거대한 격차를 메우는 것이 계산적 예측의 목표였다.
이 논문이 랜드마크인 이유는 그 격차를 실제로 좁혔기 때문이다. 예측의 정확도를 가늠하는 가장 공정한 무대는 CASP(Critical Assessment of protein Structure Prediction)다. 격년으로 열리는 이 대회는 아직 공개되지 않은 신규 실험 구조를 대상으로 각 팀이 눈을 가린 채 예측을 제출하는 블라인드 테스트다(PMID 34265844). 2020년 CASP14에서 AlphaFold는 주 사슬(backbone) 정확도 중앙값 0.96 Å(옹스트롬)를 기록했다. 차점 방법이 2.8 Å였던 것과 나란히 놓으면 격차가 분명하다. 탄소 원자 하나의 폭이 약 1.4 Å라는 점을 떠올리면, 이는 원자 수준에 근접한 정확도다. 저자들은 이를 두고 대다수 사례에서 실험으로 결정한 구조와 경쟁할 만한 정확도라고 표현했다(PMID 34265844).
대회 독립 평가단도 이 도약을 확인했다. CASP14를 분석한 별도 논문은 AlphaFold2로 인해 '고정확도' 범주가 모든 표적으로 확장되었다고 평가했다. 다만 같은 평가는 CASP14의 2등 방법이 CASP13의 1등을 넘어섰다는 점도 함께 짚으며, 도약이 AlphaFold 한 팀만의 것이 아니라 커뮤니티 벤치마킹이 분야 전체를 끌어올린 결과이기도 하다고 덧붙였다().
이 글이 근거로 삼은 논문 중 ‘거인의 어깨’에 오른 초석 연구예요. 개념을 익혔다면 원전으로 가보세요.
인공지능을 통해 단백질 구조 예측 문제를 해결하며 생명과학 연구의 새로운 지평을 열었습니다.
이 분야의 거인의 어깨 →핵심 질문은 명료했다. 아미노산 서열만으로, 그것도 비슷한 구조가 하나도 알려져 있지 않은 경우에도, 원자 수준의 정확도로 단백질 구조를 예측할 수 있는가?
여기서 "비슷한 구조가 없는 경우"라는 단서가 결정적이다. 기존 방법들은 이미 구조가 풀린 유사 단백질(주형, template)이 있을 때는 그럭저럭 작동했지만, 그런 상동체가 없으면 실험 정확도에 한참 못 미쳤다(PMID 34265844). AlphaFold가 겨냥한 것은 바로 이 어려운 절반이다.
논문은 구조 예측의 두 전통을 배경으로 삼는다. 하나는 물리적 상호작용을 시뮬레이션하는 접근으로, 이론적으로는 매력적이지만 중간 크기 단백질에도 계산이 감당되지 않았다. 다른 하나는 진화의 역사를 이용하는 생물정보학 접근으로, 단백질 데이터뱅크(PDB)의 성장과 유전체 서열의 폭증, 딥러닝의 발전에 힘입어 부상했다(PMID 34265844). AlphaFold의 설계 철학은 이 둘을 결합하는 것이다. 단백질 구조에 관한 물리적·기하학적·진화적 제약을 신경망 구조 자체에 새겨 넣되, 손으로 만든 특징(handcrafted feature)은 최소화하고 PDB 데이터로부터 직접 학습하게 한다.
AlphaFold 신경망은 1차 아미노산 서열과 그 상동체들의 정렬(다중서열정렬, MSA)을 입력으로 받아 모든 중원자(heavy atom)의 3차원 좌표를 직접 출력한다(PMID 34265844). 네트워크는 크게 두 단계다.
첫째, 몸통(trunk)의 Evoformer. Evoformer는 이 논문이 새로 제안한 블록으로, 구조 예측을 3차원 공간의 그래프 추론 문제로 본다. 두 종류의 표현을 유지한다. MSA 표현은 어떤 잔기가 어떤 서열에서 나타나는지를, 쌍(pair) 표현은 잔기 간의 관계를 담는다(PMID 34265844). Evoformer의 핵심은 이 둘 사이에 정보를 끊임없이 오가게 하는 것이다. MSA 표현은 매 블록마다 쌍 표현을 갱신하고, 쌍 표현은 다시 MSA의 주의(attention)에 편향을 더해 정보 흐름의 고리를 닫는다. 특히 쌍 표현 안에서는 '삼각형' 갱신이 등장한다. 세 잔기를 잇는 거리들이 하나의 3차원 구조로 실현되려면 삼각부등식 같은 제약을 만족해야 한다. 이 직관을 살려, 두 변으로 세 번째 변을 갱신하는 '삼각 곱셈 갱신'과 삼각형 형태로 배열된 주의를 도입했다(PMID 34265844).
둘째, 구조 모듈(structure module). 몸통이 처리한 표현을 받아 실제 3차원 구조를 빚는다. 각 잔기를 전역 좌표계에 대한 회전과 이동으로 나타내는데(잔기 기체, residue gas), 모든 잔기가 원점에 놓인 자명한 상태에서 시작해 빠르게 정교한 구조로 발전한다(PMID 34265844). 새로 도입된 '불변점 주의(invariant point attention, IPA)'는 각 잔기의 국소 좌표계에 3차원 점들을 두어, 전체 구조가 회전·이동해도 결과가 변하지 않게 만든다. 최종 손실 함수인 FAPE(frame-aligned point error)는 예측한 원자 위치를 여러 정렬 아래에서 실제 위치와 비교해, 각 잔기의 국소 좌표계 기준으로 원자가 옳게 놓이도록 강한 편향을 준다(PMID 34265844).
한 가지 반복되는 원리는 '재활용(recycling)'이다. 네트워크의 출력을 다시 같은 모듈에 넣어 반복 정제하는데, 훈련 시간을 크게 늘리지 않으면서도 정확도를 눈에 띄게 끌어올린다(PMID 34265844).
학습. AlphaFold는 PDB의 지도학습만으로도 높은 정확도에 도달하지만, 자기증류(self-distillation)로 한 단계 더 나아간다. 훈련된 네트워크로 Uniclust30의 약 35만 개 서열 구조를 예측하고, 그중 신뢰도 높은 부분집합을 새 데이터로 삼아 처음부터 다시 학습한다. 라벨 없는 방대한 서열 데이터를 활용하는 방법이다(PMID 34265844). 또한 MSA의 일부 잔기를 가린 뒤 복원하게 하는 BERT 방식 목표를 함께 훈련해, 계통·공변이 관계를 스스로 해석하도록 유도한다.
무엇보다 AlphaFold는 자기 예측의 신뢰도를 잔기 단위로 추정한다. pLDDT라는 지표는 해당 예측이 실제로 얼마나 정확한지를 예측하는데, 이 자기 평가가 실제 정확도와 잘 들어맞는다는 점이 뒤에서 큰 의미를 갖는다(PMID 34265844).
숫자로 요약하면 이렇다. CASP14에서 주 사슬 정확도 중앙값 0.96 Å, 차점은 2.8 Å. 모든 원자 기준으로도 1.5 Å 대 3.5 Å로 앞섰다(PMID 34265844). 구조적 상동체가 전혀 없는 2,180 잔기짜리 거대 단백질도 정확한 도메인과 도메인 배치로 예측했다.
CASP14라는 특수한 무대뿐 아니라, 훈련 데이터 마감 이후 새로 공개된 PDB 구조 표본에서도 이 정확도가 유지됐다(PMID 34265844). 그리고 신뢰도 지표 pLDDT가 실제 정확도(lDDT-Cα)를 안정적으로 예측했고, 전역 지표인 TM-score도 잘 추정됐다. 예측과 함께 "이 예측을 얼마나 믿어도 되는가"를 함께 내놓는 것 — 이것이 AlphaFold를 논문 속 성적표가 아니라 실제로 쓰이는 도구로 만든 결정적 특성이다. 정확도가 낮은 부분을 미리 표시해 주니, 연구자가 어디까지 믿고 어디서부터 실험으로 확인할지 판단할 수 있기 때문이다.
논문은 네트워크가 어떻게 답에 도달하는지도 들여다본다. 48개의 Evoformer 블록 각각에 별도의 구조 모듈을 붙여 192개의 중간 구조 궤적을 뽑아 보니, 초기 몇 블록 이후로는 놀랄 만큼 매끄럽게, 더 개선할 수 없을 때까지 구조를 점진적으로 다듬어 갔다(PMID 34265844). SARS-CoV-2의 ORF8처럼 어려운 표적은 네트워크의 거의 전 깊이를 써서 이차구조를 재배열한 뒤에야 좋은 구조에 안착했다.
AlphaFold의 충격은 속도에서 왔다. 좌표를 직접 출력하기 때문에, 단백질 길이에 따라 GPU로 몇 분에서 몇 시간이면 구조가 나온다(PMID 34265844). 실험이 수개월 걸리던 일이 사실상 즉시 계산이 됐다.
이 속도는 곧 규모로 이어졌다. 같은 팀은 동반 논문에서 AlphaFold2를 인간 프로테옴 전체에 적용해, 인간 단백질의 98.5%를 예측하고 전체 잔기의 58%를 신뢰할 수 있는 수준으로(그중 36%는 매우 높은 신뢰도로) 덮었다. 실험으로 구조가 결정된 잔기가 17%였던 것과 비교된다(PMID 34293799). 다른 연구는 이 데이터베이스가 인간 단백질의 구조적 커버리지를 기존 48%에서 76%로 끌어올리고, 구조를 알 수 없던 '암흑 프로테옴'을 26%에서 10%로 줄였다고 정량화하며 인간 단백질의 서열-구조 격차가 거의 사라졌다고 평가했다. 기여는 인간보다 병원성 세균 등 비인간 생물종에서 오히려 더 컸다(PMID 35073311).
파장은 예측을 넘어 새로운 도구들로 번졌다. AlphaFold를 미세조정한 AlphaMissense는 가능한 모든 인간 단일 아미노산 치환의 병원성을 예측해, 미스센스 변이의 89%를 '양성일 가능성이 높음' 또는 '병원성일 가능성이 높음'으로 분류했다(PMID 37733863). 구조 예측 네트워크는 단백질 설계의 토대가 됐고, RoseTTAFold를 확산 모델로 미세조정한 RFdiffusion은 새로운 결합 단백질과 대칭 조립체를 실제로 설계해 실험으로 검증했다(PMID 37433327). 2024년에는 확산 기반으로 새로 설계된 AlphaFold 3이 단백질뿐 아니라 핵산·소분자·이온·변형 잔기까지 아우르는 복합체 예측으로 확장됐다(PMID 38718835).
AlphaFold가 단백질 접힘 문제를 '풀었다'는 말은 과장이다. 논문 자체가 여러 한계를 또렷이 적고 있다.
첫째, MSA 의존성이다. 정렬 깊이의 중앙값이 대략 30개 서열 미만으로 얕아지면 정확도가 크게 떨어진다(PMID 34265844). 진화적 이웃이 드문 단백질은 예측이 어렵다.
둘째, 사슬 간(cross-chain) 접촉이다. AlphaFold는 자기 사슬 내부 접촉보다 다른 사슬과의 이질적 접촉(heterotypic contact)에 크게 의존하는 단백질에서 훨씬 약하다(PMID 34265844). 큰 복합체 안에서 다른 사슬과의 상호작용으로 형태가 결정되는 단백질이 여기 해당한다. 이 한계는 이후 AlphaFold-Multimer와 AlphaFold 3(PMID 38718835) 같은 복합체 전용 시스템으로 이어졌다.
셋째, 본질적으로 무질서한 영역(intrinsically disordered region)이다. 이런 부분은 애초에 고정된 구조를 갖지 않는다. 흥미롭게도 이 약점은 오히려 신호가 됐다. AlphaFold 모델을 Rosetta의 무질서 예측기(ResidueDisorder)에 끼워 넣자 예측 성능이 AUC 0.69에서 0.78로, 이진 정확도가 62%에서 74%로 올라 기존 방법들과 같거나 더 나은 수준이 됐다(PMID 36251522) — 접히지 않는 영역이라는 약점이 그 영역을 찾아내는 단서가 된 셈이다.
넷째, 정적 구조라는 본질적 한계다. AlphaFold는 PDB에 등장할 법한 가장 그럴듯한 하나의 구조를 내놓지, 단백질이 실제로 오가는 여러 형태(conformational ensemble)나 접힘 안정성(ΔG)을 내놓지 않는다. 실제로 접힘·비접힘 상태를 함께 모델링한 방법이 de novo 설계 후보 선별에서 AlphaFold 기반 지표보다 나은 성적을 냈다(PMID 41565673).
이 한계들을 종합한 최근 리뷰는, AlphaFold가 지난 3년간 구조생물학을 변모시켰음을 인정하면서도, 무질서 영역·단백질-리간드/보조인자 상호작용·거대하거나 일시적인 복합체에서는 여전히 취약하며, 커뮤니티 벤치마크상 잔기의 약 3분의 1은 원자 수준 정밀도가 부족할 수 있다고 지적한다(PMID 41326937). 그리고 무엇보다, AlphaFold는 실험의 대체가 아니라 보조다. 논문 스스로도 분자 치환(molecular replacement)과 cryo-EM 지도 해석을 돕는 도구로서의 유용성을 강조했고(PMID 34265844), 리뷰 역시 직교적 실험 검증이 여전히 필요하다고 못 박는다(PMID 41326937).
그럼에도 이 논문이 남긴 것은 분명하다. 서열-구조의 격차라는 반세기의 병목을 실질적으로 좁혔고, 구조생물학을 계산이 앞장서는 분야로 바꿔 놓았다. AlphaFold는 종착점이 아니라, 새로운 질문들의 출발점이 됐다.
이 글은 과학 정보를 쉽게 전하기 위한 것으로, 특정 연구·진단·치료 판단의 근거가 아니다. 원 논문과 후속 연구를 직접 확인하기를 권한다.