왜 50년이나 걸렸나 — 단백질 구조 예측, 실패의 궤적

1990년에 나온 한 리뷰가 그 시절의 성적표를 숫자로 남겼습니다. 단백질은 작은 부품이 한 줄로 길게 이어진 사슬이고, 이 사슬은 군데군데 용수철처럼 나선으로 감기거나 병풍처럼 펴진 가닥이 됩니다. 부품 하나가 놓인 칸, 곧 사슬의 각 자리가 나선인지, 가닥인지, 둘 다 아닌지 셋 중 하나로 맞히는 문제에서 당시 가장 좋은 방법들은 63~65%를 맞혔습니다. 그런데 데이터베이스에 닮은 단백질이 이미 들어 있으면 정확도가 약 90%까지 올랐습니다. 리뷰의 결론은 이랬습니다. 단백질 전체의 3차원 모양을 예측하는 일은 닮은 단백질의 구조가 이미 알려져 있을 때에만 실용적이다 (PMID 2126456).

이 리뷰의 저자는 리뷰가 비교한 두 대표 방법 가운데 하나를 만든 사람이고, 90%도 그가 함께 만든 방법의 성적입니다. 자기 성적표를 자기가 적었습니다.

단백질을 이루는 부품은 스무 종류쯤 되는 아미노산입니다. 사슬에서 아미노산이 놓인 순서를 아미노산 서열(amino acid sequence)이라고 부릅니다. 사슬은 세포 안에서 저절로 뭉쳐 고유한 3차원 덩어리가 됩니다. 한 줄짜리 사슬이 이렇게 정해진 입체 모양으로 뭉치는 일이 접힘(protein folding)이고, 접혀서 나온 모양을 그 단백질의 구조라고 부릅니다. 구조 예측은 서열만 보고 이 모양을 맞히는 일입니다.

접혀서 나온 모양은 그 단백질이 하는 일을 정합니다. 소화 효소가 특정 분자만 붙잡는 것은 그 모양이 그 분자에 딱 맞기 때문이고, 모양이 어그러지면 붙잡지 못합니다. 모양이 하는 일을 정한다는 이 원리를 「형태가 곧 기능」이라고 부릅니다.

모양이 어디서 오는지에는 크리스천 안핀센의 열역학 가설이 답합니다. 이 가설은 반세기 동안 단백질 과학의 중심 기둥으로 여겨져 왔습니다. 안핀센의 말을 그대로 옮기면, 정상적인 생리 환경에 놓인 천연 단백질의 3차원 구조는 계 전체의 깁스 자유에너지가 가장 낮은 구조입니다. 따라서 천연 구조는 원자 간 상호작용의 총체에 의해, 결국 아미노산 서열에 의해 결정됩니다 (PMID 40750093).

천연 단백질은 세포 안에서 제 일을 하는 본래 모양의 단백질입니다. 자유에너지는 어떤 상태가 얼마나 「편안한가」를 재는 물리학의 눈금으로, 낮을수록 편안합니다. 사슬은 갈 수 있는 모든 모양 가운데 가장 편안한 모양으로 굴러떨어지고, 어느 모양이 가장 편안한지는 서열이 정한다는 뜻입니다.

그렇다면 서열만 보고 모양을 계산할 수 있어야 합니다. 앞의 리뷰가 내린 결론이 이상한 까닭이 여기에 있습니다. 답은 서열 안에 들어 있는데, 그 답을 꺼내는 계산이 반세기 가까이 되지 않았습니다.

2020년에 큰 도약이 일어났고, 그 이야기는 「서열에서 형태로: AlphaFold는 어떻게 50년 난제를 풀었나」가 다룹니다. 이 글은 그 앞을 따라갑니다. 시도들은 어디서 막혔고, 그 실패가 무엇을 남겼기에 마지막 도약이 가능했는지를 봅니다.

---

답은 서열 안에 있다는 말

원리를 알아도 계산은 되지 않았습니다. 가장 단순한 방법은 단백질이 취할 수 있는 모양을 하나씩 다 훑어 가장 편안한 것을 고르는 것입니다. 그런데 모양의 가짓수가 어마어마해서 이렇게 하면 수십억 년이 걸립니다. 실제 단백질은 생물학적으로 합리적인 시간 안에 자기 모양을 찾아냅니다 (PMID 36659994). 자연은 어떤 지름길을 쓰는 것일까요.

물리학은 이 질문에 비교적 일찍 답했습니다. 모양마다 에너지를 매겨 땅의 높낮이처럼 펼쳐 보면, 단백질은 그 지형 위를 굴러가는 공과 같습니다. 바닥이 평평하면 공은 정처 없이 헤매지만, 바닥이 한쪽으로 기울어 있으면 갈 수 있는 곳이 아무리 많아도 금방 낮은 쪽에 닿습니다. 1997년의 한 리뷰가 이 생각의 전환을 정리합니다. 단백질이 되는대로 모양을 뒤진다는 낡은 그림은 폐기됐습니다. 그 자리를 대신한 관점은, 에너지 지형의 상당 부분이 천연 상태 쪽으로 기울어 있고 이 기울기가 접힘을 지배할 수 있다는 것입니다. 그렇다면 천연 상태에 이르는 길은 여럿이라 특정한 경로 하나를 상정할 필요가 없습니다 (PMID 9269572). 오늘날 이 이론은 사슬 길이별 접힘 시간의 범위를 설명하고, 접힐 수 있는 단백질의 최대 크기까지 예측합니다 (PMID 36659994).

그러나 이 답은 예측 알고리즘을 주지 않았습니다. 자연이 지름길로 접는다는 것을 아는 일과 그 지름길을 컴퓨터로 재현하는 일은 전혀 다릅니다. 1997년의 같은 리뷰도 이 점을 적었습니다. 새 낙관은 그 기울기를 만들어 내는 구조적·에너지적 요인을 밝히는 더 자세한 연구로 보완되어야 한다는 것입니다 (PMID 9269572).

안핀센의 원리는 질문 두 개를 남겼습니다. 단백질은 왜 접히는가, 그리고 서열은 어떻게 자기 접힘을 정해 두는가. 앞의 질문에는 열역학 가설이라는 그럴듯한 답이 있었지만, 뒤의 질문은 지금도 미해결 과제입니다 (PMID 37165178).

이 벽을 돌아가려는 시도는 세 갈래로 나왔습니다. 이미 풀린 구조를 본뜨는 길, 물리 법칙으로 밑바닥부터 계산하는 길, 진화가 남긴 흔적을 읽는 길입니다. 세 갈래는 깔끔하게 순서대로 오지 않았고, 시기가 겹치며 서로 부품을 빌렸습니다.

첫 번째 길 — 이미 풀린 것을 본떠 맞추기

첫 시대는 앞의 1990년 리뷰가 내린 결론, 곧 닮은 답안지가 있으면 풀 수 있다는 말로 요약됩니다. 같은 조상에서 갈라져 나온 친척 단백질은 서열도 닮고 모양도 닮습니다. 이런 친척 관계를 상동성(homology)이라고 부릅니다. 구조가 이미 풀린 친척 단백질을 본보기로 삼아 그 위에 새 서열을 얹고 어긋나는 데를 손보는 방법이 동형 모델링(homology modeling)입니다. 남의 답안지를 베껴 이름만 바꿔 쓰는 일에 가깝고, 상동성에 기대므로 상동성 기반 모델링이라고도 부릅니다.

베끼기는 강력했습니다. 20년 뒤인 2011년에도 동형 모델링은 여전히 「가장 정확한 계산적 구조 예측 방법」이었습니다. 실험으로 풀린 구조를 모아 둔 공용 창고에는 약 6만 5천 개가 쌓여 있었고, 자동 예측 프로그램들은 구조를 모르는 서열에 대해 약 190만 개의 모델을 찍어냈습니다. 구조를 모르는 단백질을 겨냥한 약물 설계도 이 방법 덕에 열렸습니다 (PMID 21521153).

그런데 천장이 두 개 있었습니다.

첫째 천장은 정확도입니다. 새 서열과 본보기를 나란히 놓았을 때 같은 아미노산이 놓인 자리의 비율을 서열 동일성이라고 합니다. 2006년 기준으로, 서열 동일성이 30%를 넘는 동형 모델링은 본보기에서 얻을 수 있는 자연적 한계에 이미 가까웠습니다. 그 너머로 가려면 모델을 천연 구조 쪽으로 더 끌고 가 다듬는 기법(모델 다듬기)이 필요했습니다. 예측하려는 단백질을 표적이라고 부르는데, 최근 몇 년간 가장 큰 진전이 관찰된 곳은 오히려 어려운 표적 쪽이었습니다. 거기서는 알맞은 본보기를 고르는 일과 서열을 정확히 맞대는 일이 여전히 주된 문제였습니다 (PMID 16510277).

둘째 천장은 더 근본적입니다. 닮은 답안지가 없으면 쓸 만한 모델을 내기 어렵습니다. 안핀센의 원리는 「서열만 있으면 된다」였는데, 실제로 작동하는 방법은 「닮은 답안지가 있어야 한다」였습니다. 이 격차가 남은 숙제였습니다.

알고리즘이 아닌 발명 — 눈을 가리기로 한 결정

다음 전환점은 계산 방법 바깥, 시험 제도에서 왔습니다.

정답을 본 뒤에 방법을 손보고 「우리 방법이 잘 맞는다」고 말하면 아무것도 증명하지 못합니다. 그런데 논문은 대체로 정답이 공개된 뒤에 쓰입니다.

1994년에 첫 CASP가 열렸습니다. CASP는 2년에 한 번 열리는, 눈을 가린 채 치르는 구조 예측 시험입니다. 이름은 「구조 예측 방법의 비판적 평가」를 뜻하는 영어 약자입니다. 주최 측은 구조가 이미 풀렸지만 아직 공개되지 않은 단백질의 서열만 내주고, 참가자는 답을 모르는 채로 예측을 제출합니다 (PMID 31116374). 그 뒤 구조가 공개되면 독립적인 평가자들이 채점합니다. 눈가림 시험과 독립 평가, 이 둘이 CASP의 핵심 구성 요소입니다 (PMID 34533838). 회차에는 차례대로 번호가 붙습니다. CASP는 스스로 예측하지 않고 채점만 합니다. 그 채점이 그 뒤로 무엇이 진보이고 무엇이 착시인지를 가르는 기준선이 되었습니다.

제도가 생기자 그 사각을 겨냥한 시험도 따라 나왔습니다. CASP 참가자 가운데에는 프로그램의 결과에 사람이 손을 보태 제출하는 팀이 있었고, 이렇게 사람이 붙은 예측이 자동 서버보다 나았습니다. 자동 서버는 서열을 넣으면 사람 손을 거치지 않고 예측을 돌려주는 인터넷 프로그램입니다. 1999년에 발표된 첫 CAFASP는 CASP3의 표적을 빌려 완전 자동 서버만 따로 평가했습니다. 사람이 붙은 성적 대신 프로그램 자체의 성적을 알려 주려는 것이었습니다. 자동 서버들은 서열끼리 한 쌍씩 비교하는 방법이 놓치는 먼 유사성을 곧잘 찾아냈습니다. 다만 이 시험은 CASP 운영진이 아닌 별개 그룹이 열었고, 구조가 공개된 뒤에 치러 눈가림도 아니었습니다. 저자들 스스로 규칙과 절차가 달라 CASP3와는 비교할 수 없다고 적었습니다. 그리고 이 평가는 「우리 방법의 사용자」를 위한 것이었고, 평가한 사람들 가운데 평가 대상 프로그램을 만든 사람들이 있었습니다 (PMID 10526371).

이 연표의 뼈대가 되는 자료는 CASP 각 회차의 요약문입니다. 그 요약문들은 CASP를 운영하는 사람들이 직접 씁니다. 존 모울트를 비롯한 같은 이름들이 1999년 그가 혼자 쓴 종합 평가부터 CASP14 요약까지 저자로 이어집니다. 그래서 이 글은 요약문이 잘됐다고 적은 자리와 안 됐다고 적은 자리를 함께 옮기고, 2020년의 도약은 운영진이 아닌 독립 평가단의 논문으로 따로 확인합니다.

CASP의 기록에는 성공과 정체가 함께 적혀 있습니다.

시험대가 기록한 것 — 열 번의 라운드

1999년에 그때까지의 CASP 결과를 종합한 평가가 나왔습니다. 동형 모델링 쪽에서는 여러 개선이 있었습니다. 친척 서열 여럿을 한꺼번에 참고하는 비교 방법(서열 프로파일 방법)이 좋아지면서, 새 서열이 이미 알려진 어느 접힘 모양에 속하는지 알아보는 일에도 큰 영향을 미쳤습니다. 모델 다듬기는 여전히 심각한 과제였습니다. 본보기 없이 밑바닥부터 짓는 쪽은 40~60개 자리 길이의 단편을 대략 맞게 만드는 수준이었고, 일반적인 문제가 풀리려면 「아직 갈 길이 멀다」고 했습니다. 그래도 마지막 문장은 이 분야가 많은 서열에 대해 쓸모 있는 모델을 내놓는 실용 기술로 성숙해 가고 있다는 낙관입니다 (PMID 10600698).

2007년 CASP7 요약은 진전 넷을 보고합니다. 가장 잘 맞는 본보기 하나만 쓸 때보다 나은 정확도, 자동 서버의 추격, 모델이 얼마나 맞았을지 가늠하는 방법의 등장, 그리고 실제 응용의 빠른 증가입니다 (PMID 17918729). 2009년 CASP8 요약도 성과를 먼저 적습니다. 모델 다듬기를 처음 눈가림으로 평가해 보니 조건에 따라 상당한 개선이 가능했고, 정확도를 판정하는 방법과 주된 본보기에 없는 영역에서도 진전이 있었습니다. 그러고 나서 못을 박습니다. 이 진전들에 맞세워야 할 사실이 있다는 것입니다. 기존 CASP 척도로 보면 본보기 기반이든 본보기 없는 예측이든 CASP7 대비 모델 품질의 진보가 검출되지 않습니다 (PMID 19774620).

2011년 CASP9 요약은 진전 속도가 「초기 CASP들에 비해 더 완만하다」고 적으면서도 진전 넷을 듭니다. 일부 표적 부류의 정확도, 여러 모델 가운데 가장 정확한 것을 고르는 능력, 알려진 어느 구조와도 닮지 않은 짧은 「새 접힘」 모델, 그리고 가장 뻔한 본보기에서 유도되지 않는 영역에서 새 분석이 드러낸 기대 이상의 성적입니다 (PMID 21997831).

2014년에 나온 CASP10 요약은 열 번의 CASP가 거의 20년을 덮었고, 그 기간에 방법과 모델 정확도에서 막대한 진전이 있었다고 회고합니다. 이 회차에서 눈에 띈 일은 원자들이 시간에 따라 어떻게 움직이는지 계산하는 방식(분자동역학)으로 다듬은 모델이 처음으로 꾸준히 나아졌다는 것입니다.

단백질이 접히면 사슬에서 멀리 떨어진 두 자리가 공간에서는 바로 곁에 붙기도 합니다. 이렇게 두 자리가 접힌 단백질 안에서 가까이 붙어 있는 것을 맞닿음(contact)이라고 부릅니다. 실험으로 몇 군데만 얻은 성긴 맞닿음 정보를 모델링에 쓰는 능력이 이 회차에 처음 시험됐고, 결과는 고무적이었습니다. 그리고 결정적인 한 문장이 있습니다. 서열에서 맞닿음을 예측하는 새 방법들은 상당한 가능성을 품고 있지만 아직 CASP 시험에서 영향을 미치지 못했다는 것입니다.

요약문은 표적의 성격도 변하고 있다고 적습니다. 모양이 불규칙한 구조가 늘었고, 도메인(단백질 안에서 독립적으로 접히는 단위)이나 소단위(여러 사슬로 된 단백질의 사슬 하나)가 여럿 모인 구조도 늘었습니다. 이미 알려진 접힘의 전형적 사례는 줄었습니다. 이를 감안하면 모델의 전체 정확도는 꾸준히 나아지고 있으며, 특히 본보기가 없는 영역의 개선이 그것을 이끈다고 저자들은 적었습니다 (PMID 24344053).

시험이 어려워지는 동안 주변 기술도 계속 나아졌지만, 속도는 느려졌고 본보기가 아예 없는 표적에서는 여전히 상동성 기반 모델을 따라잡지 못했습니다. 그 벽을 열 열쇠인 맞닿음 예측은 이미 나와 있었지만, 아직 시험대에서 아무 표시도 내지 못했습니다.

두 번째 길 — 물리로 밑바닥부터

베끼기가 막힌 자리에서 두 번째 시도가 나왔습니다. 답안지를 아예 쓰지 않는 것입니다. 원자들 사이에 작용하는 힘을 식으로 적어 놓고, 그 식이 매기는 점수가 가장 낮은 모양을 컴퓨터로 찾는 방법이 물리 기반 계산(physics-based modeling)입니다. 모양마다 점수를 매기는 이 식을 에너지 함수(energy function)라고 부르고, 점수가 낮을수록 편안한 모양입니다. 안핀센의 가설을 글자 그대로 알고리즘으로 옮긴 접근입니다.

대표 주자는 로제타라는 프로그램이었습니다. 다만 로제타는 순수한 물리 시뮬레이션이 아니었고, 2000년에 발표된 한 방법이 그 타협을 보여 줍니다. 먼저 구조가 이미 알려진 단백질에서 짧은 조각들을 골라 옵니다. 고르는 기준은 서열이 닮았는지와 함께, 실험에서 얻은 신호와 맞는지입니다. 다음으로 조각들을 조립해 에너지 함수가 가장 낮은 모양을 찾습니다. 이 에너지 함수는 물에 닿기 싫어하는 부분을 안쪽에 묻은 모양, 사슬 가닥끼리 짝을 지은 모양, 실험 제약을 잘 만족하는 모양에 좋은 점수를 줍니다. 실험 제약은 「이 두 원자는 가까이 있다」처럼 실험이 알려 주는 단서입니다.

성적은 좋았습니다. NMR은 용액 속 단백질을 자기장으로 재는 실험 방법이고, X선 결정 구조는 단백질을 결정으로 굳혀 X선을 쬐어 얻는 구조입니다. 자리 하나당 실험 제약 하나 정도로 실험 단서를 조금 넣은 계산 모델이, 일부 경우에는 같은 단백질의 발표된 NMR 실험 구조보다 X선 결정 구조에 더 가까웠습니다 (PMID 11200525). 그런 사례가 2000년에 이미 있었습니다. 다만 실험 데이터를 함께 넣었을 때의 이야기입니다.

서열만 주었을 때의 성적은 2006년의 한 벤치마크가 숫자로 남겼습니다. 벤치마크는 여러 방법을 같은 문제로 겨루게 하는 비교 시험입니다. 38개 시험 단백질에서 SimFold라는 에너지 함수는 12개를 6.5 옹스트롬 이내로 맞혔습니다. 셋에 하나꼴입니다. 옹스트롬(Å)은 원자 하나 크기쯤 되는 길이 단위입니다. 이 성적은 당시 공개돼 있던 로제타의 밑바닥부터 짓는 버전을 기본 설정으로 돌린 성적과 같았습니다. 두 방법이 만든 후보를 합쳐 함께 판정하자 16개로 늘어, 어느 한쪽만 쓸 때보다 네 개가 더 맞았습니다 (PMID 16294329). 그리고 6.5 옹스트롬이라는 기준 자체가 원자 하나하나를 맞히는 정확도와는 거리가 멉니다.

왜 막혔을까요. 모양을 전부 훑는 길은 여전히 닫혀 있었고 (PMID 36659994), 힘의 식에 기반한 접근이 왜 정확한 예측에 실패했는지는 그 자체로 하나의 검토 주제가 됐습니다 (PMID 37165178). 자연은 기울어진 바닥을 따라 굴러가지만, 컴퓨터에는 그 바닥의 정확한 모양이 주어져 있지 않았습니다.

세 번째 길 — 진화가 남긴 흔적

세 번째 길은 물리도 베끼기도 아닌 전혀 다른 곳, 진화의 기록에서 왔습니다.

단백질 안에서 서로 맞닿은 두 자리를 생각해 봅니다. 한쪽 아미노산이 돌연변이로 더 큰 것으로 바뀌면 맞닿음이 어그러져 단백질이 망가집니다. 그런데 반대쪽이 그만큼 작은 것으로 바뀌는 변화가 함께 일어나면 모양은 유지됩니다. 그래서 오랜 진화의 시간 동안 3차원에서 닿아 있는 자리 쌍은 같이 변한 흔적을 남깁니다. 이렇게 맞닿은 자리 쌍이 진화하며 함께 변해 온 현상이 공진화(coevolution)입니다.

같은 조상에서 갈라져 나온 친척 단백질 무리를 계열이라고 부릅니다. 한 계열의 서열을 잔뜩 모아 자리끼리 맞춰 위아래로 나란히 세운 표가 다중서열정렬(multiple sequence alignment, MSA)입니다. 이 표에서 어느 자리들이 함께 변했는지 세면, 3차원 모양을 보지 않고도 어디와 어디가 맞닿는지 복원할 수 있습니다. 자리 쌍마다 맞닿는지 아닌지를 표시한 이 결과를 맞닿음 지도(contact map)라고 부릅니다.

아이디어 자체는 오래됐습니다. 오래 작동하지 않은 이유는 간접 상관이었습니다. A가 B와 닿고 B가 C와 닿으면, 닿아 있지 않은 A와 C도 함께 변하는 것처럼 보입니다. 직접 결합 분석은 진짜로 닿아서 함께 변한 쌍과, 중간 다리를 거쳐 함께 변한 것처럼 보이는 쌍을 갈라내는 방법입니다. 2011년에는 이 방법을 효율적으로 구현해 많은 단백질 도메인에 적용했고, 서열 정보만으로 상당수의 맞닿음을 옳게 예측했습니다. 조사한 도메인 대부분에서는 맞닿음 지도의 전체 윤곽도 재현했습니다. 같은 논문은 이 방법이 충분히 많은 상동 서열(같은 계열의 친척 서열)을 전제로 하며, 유전체 해독의 발전 덕에 그런 데이터가 빠르게 확보되고 있다고 명시했습니다 (PMID 22106262).

이 마지막 조건에 시대의 핵심이 있습니다. 공진화 신호를 읽으려면 통계가 필요하고, 통계에는 서열이 많이 필요합니다. 간접 상관을 갈라내는 방법이 나온 뒤에도, 이 방법이 제대로 작동하려면 데이터가 따라와야 했습니다.

조건은 곧 숫자로 정해졌습니다. 2013년에는 공진화 정보에 구조적 맥락 정보를 함께 써서, 더 적은 상동 서열로 더 정확하게 맞닿음을 예측하는 방법이 나왔습니다. 이 연구가 제시한 조건은 둘입니다. 첫째, 서로 90% 넘게 같은 서열은 하나로 친 뒤에도 정렬된 서열 수가 단백질 길이(자리 수)의 다섯 배를 넘으면 예측이 정확할 가능성이 높습니다. 둘째, 그 예측이 구조 계산에 쓸모 있으려면 정렬된 서열들이 구조가 알려진 가장 가까운 친척보다 표적에 더 가까워야 합니다. 당시 한 단백질 계열 데이터베이스에서 이 조건을 만족하는 계열은 422개였습니다. 같은 논문은 얄궂은 성질도 적습니다. 계열이 클수록 신호는 튼튼해지지만, 그만큼 친척의 구조만으로 그럴듯한 모델을 만들 수 있어 맞닿음 정보가 필요 없어질 가능성도 커집니다 (PMID 24009338). 공진화가 잘 작동하는 곳과 꼭 필요한 곳이 어긋나 있었습니다.

그럼에도 눈 가린 시험대에서 증명이 나오기 시작했습니다. CASP11에서 로제타가 모양을 찾고 다듬는 동안 공진화로 예측한 맞닿음을 지켜야 할 조건으로 걸어 두자, 모델 정확도가 전반적으로 나아졌습니다. 계열의 서열 수가 단백질 길이의 세 배를 넘을 때 효과가 특히 뚜렷했습니다. 하이라이트는 T0806이라는 크고 복잡한 표적이었습니다. 구조가 알려진 친척이 전혀 없는 단백질이었는데, 223개 자리에 걸쳐 실험으로 풀린 구조와의 평균 어긋남이 3.0 옹스트롬 미만이라는 전례 없는 정확도가 나왔습니다. 다만 이 예측은 사람이 손을 보탰고, 탐색량을 늘린 절차를 썼습니다. 저자들은 이 결과가 눈 가린 예측 상황에서 공진화로 얻은 맞닿음이 본보기 없는 모델링의 정확도를 상당히 높인다는 것을 분명히 보여 준다고 적었습니다 (PMID 26677056). 같은 회차의 CASP 공식 요약도 새 방법 덕에 몇몇 눈부신 본보기 없는 모델이 나왔다고 인정했습니다. 그러면서 바로 그 문장 안에서, 여전히 실험 구조에 대한 서열 상동성에 기반한 모델이 가장 정확하다고 함께 적었습니다 (PMID 27171127).

한계도 있었습니다. 함께 변하는 자리 쌍이 반드시 가까이 있는 것은 아닙니다. 4,000개 계열을 분석하니, 직접 공진화하는 쌍의 25%는 5 옹스트롬보다, 3%는 15 옹스트롬보다 멀리 떨어져 있었습니다. 다만 같은 논문은 이 예외를 대체로 설명해 냅니다. 5~15 옹스트롬 구간 예외의 91%는 같은 계열의 다른 구조에서는 실제로 맞닿아 있었습니다. 저자들의 총평은, 반복 구조 단백질을 빼면 직접 공진화하는 자리 쌍이 계열 안의 생물학적으로 의미 있는 어느 한 형태에서는 공간적으로 가깝다는 것입니다 (PMID 28784799).

더 아픈 지적은 2018년에 나왔습니다. 두 자리가 아주 가까이 붙어야만 맞닿음으로 쳐 주는 엄격한 기준에서 예측의 한계가 가장 두드러졌는데, 이렇게 기하학적으로 빡빡한 맞닿음이 구조를 정하는 데 정보량이 가장 큰 맞닿음입니다. 다만 이 논문은 처방도 냈습니다. 그 자리 쌍이 실제로 닿을 만한지를 재는 지표를 공진화 점수와 함께 쓰면 성능이 상당히 좋아졌고, 그 개선은 엄격한 기준에서 특히 컸습니다 (PMID 29953468).

증폭기 — 흐릿한 신호를 키우는 기계

2010년대 중반, 두 흐름이 만납니다. 공진화가 만들어 낸 잡음 섞인 맞닿음 신호와, 잡음 속 패턴을 뽑아내는 데 능한 학습 기계입니다. 여기서 학습 기계는 딥러닝, 곧 많은 예시에서 패턴을 스스로 익히는 여러 층의 계산망을 말합니다. 그 계보는 「역전파에서 알파폴드까지 — 딥러닝은 무엇을 딛고 올라섰나」가 따라갑니다.

딥러닝은 그보다 몇 년 앞서 CASP에 들어와 있었습니다. CASP13에 참가했던 한 팀의 보고에 따르면 딥러닝은 2012년 CASP10에서 데뷔했습니다. 그리고 2014년 CASP11 이후로는 자리 사이의 거리 관계를 예측하는 것, 처음에는 두 자리가 맞닿았는지를 맞히는 것이 이 분야를 밀고 나간 핵심 방향이 되었습니다 (PMID 30985027). 닿았는지 대신 얼마나 떨어져 있는지까지 예측해 판을 바꾼 것은 2018년 CASP13입니다 (PMID 31589781). 자기 팀 성적을 스스로 정리한 논문이지만, 이 연표는 CASP 요약문들과 어긋나지 않습니다.

재료마다 얼마나 기여했는지는 CASP12에 참가한 한 팀의 분석이 숫자로 분해해 줍니다. 채점은 사슬에서 멀리 떨어진 자리 쌍에 대한 예측 가운데 가장 자신 있는 것을 단백질 길이의 5분의 1만큼 골라, 그중 실제로 맞닿은 것의 비율(정밀도)을 보는 방식입니다. 이렇게 CASP12 전체 표적에서 쟀을 때, 예전부터 쓰던 단서만 쓴 기준선은 평균 정밀도가 28.4%였습니다. 공진화로 얻은 단서를 넣자 41.6%로, 기계학습으로 모든 단서를 통합하자 56.3%로 올랐습니다. 그리고 맞닿음 예측의 정밀도는 정렬에 들어간 유효 서열 수의 로그값과 0.66의 상관을 보였습니다. 정렬에 서열이 많이 모일수록 성적도 함께 올랐다는 뜻입니다 (PMID 29047157). 데이터의 양이 성적과 함께 움직인다는 것이 숫자로 확인된 것입니다.

CASP 요약문도 이 변화를 확인했습니다. 2016년 CASP12에서는 새 맞닿음 예측 방법으로 맞닿음 정확도가 두 배가 됐고, 본보기가 없는 단백질의 모델 정확도가 극적으로 나아졌습니다 (PMID 29082672). 2년 뒤 CASP13에서는 거리를 예측하는 딥러닝이 3차원 구조의 정확도를 다시 극적으로 끌어올렸습니다. 요약문은 사슬 하나로 된 단백질(단량체 단백질)이 전체적으로 어떤 모양으로 감기는지(접힘 위상)를 맞히는 문제를 두고 이렇게 적습니다. 단백질 계열에 알려진 서열이 충분하다는 단서를 달면, 새 방법들은 단량체 단백질의 접힘 위상을 예측하는 오랜 문제를 사실상 해결한다. 정렬에 필요한 서열 수 자체도 상당히 줄었습니다 (PMID 31589781).

2018년에는 이미 답의 재료가 모여 있었습니다.

그리고 2020 — 여기서부터는 다른 글

CASP13에는 새 참가자가 있었습니다. 산업계 연구소인 딥마인드가 처음으로 참가했고, 그들이 낸 알파폴드가 새로운 접힘을 예측하는 부문에서 1위를 했습니다(같은 회차 본보기 기반 부문 1위는 장(Zhang) 그룹). 당시를 정리한 짧은 논평이 이 성취의 계보를 밝힙니다. 딥마인드의 접근은 지난 10년간 학계가 발전시킨 두 아이디어 위에 세워졌습니다. 하나는 서열에서 함께 변한 흔적을 구조상의 물리적 맞닿음으로 옮기는 공진화 분석이고, 다른 하나는 그 패턴을 딥러닝 신경망으로 읽어 맞닿음 지도로 바꾸는 것입니다 (PMID 31116374). 이 논평은 CASP13이 끝난 직후 한 사람이 쓴 짧은 글입니다.

그리고 2020년 CASP14에서 도약이 일어났습니다 (PMID 37920879). CASP14 요약은 한 연구 그룹의 딥러닝 방법이 실험 구조에 필적하는 정확도를 일관되게 내놓았다고 적고, 그런 의미에서 이 결과가 적어도 단일 단백질에 관해서는 고전적 접힘 문제의 해결을 뜻한다고 적었습니다. 그리고 곧바로, 다른 연구 그룹들도 성능을 상당히 개선했다고 덧붙였습니다 (PMID 34533838).

그 방법이 어떤 구조로 이 일을 해냈는지는 「서열에서 형태로: AlphaFold는 어떻게 50년 난제를 풀었나」가 다룹니다. 예측이 풀린 뒤 원하는 단백질을 그려서 만드는 쪽으로 간 이야기는 「예측에서 설계로 — AlphaFold 이후, 단백질을 그려서 만드는 과학」의 몫입니다. 여기서는 하나만 덧붙입니다.

CASP14를 채점한 독립 평가단은 이렇게 적었습니다. 딥러닝을 적용하면서 「고정확도」 범주가 모든 표적으로 넓어졌고, 그 큰 도약과 나란히 CASP14의 2등 방법이 CASP13의 1등 방법을 능가했습니다. 평가단은 이것이 여러 팀이 같은 시험으로 겨루는 커뮤니티 기반 벤치마킹의 역할을 보여 준다고 적었습니다 (PMID 34218458). 도약은 한 팀의 것이었지만 상승은 커뮤니티 전체의 것이었습니다.

반세기가 남긴 것

「단백질 접힘 문제가 풀렸다」는 말은 편리하지만 정확하지 않습니다. 그 해결 선언에는 「적어도 단일 단백질에 관해서는」이라는 단서가 붙어 있었습니다 (PMID 34533838).

2022년 CASP15의 가장 큰 진전은 복합체의 계산 정확도가 크게 오른 것이었습니다. 복합체는 여러 단백질이 서로 들러붙어 이루는 덩어리입니다. 그러나 그 정확도도 단일 단백질 수준에는 미치지 못했습니다 (PMID 37920879). 단일 단백질에서도 AlphaFold2 표준 프로토콜을 기본값 그대로 돌리면 약 3분의 2의 표적에서만 최고 품질 결과가 나왔고, 나머지는 훨씬 많은 후보를 만들어 봐야 했습니다 (PMID 37920879). 가장 최근 라운드인 CASP16의 복합체 평가는 더 냉정합니다. 복합체 구조 예측은 여전히 미해결 과제이고, 선두 그룹조차 표적의 절반을 조금 넘는 수준만 고정확도로 예측했습니다. 다만 같은 평가는 직전 회차보다 전반적으로 나아졌고 복합체 예측이 꾸준히 진전하고 있다는 점도 함께 적습니다 (PMID 41170922).

안핀센의 두 질문 가운데 하나에도 아직 답이 없습니다. 서열이 어떻게 자기 접힘을 정해 두는가는 여전히 미해결 과제입니다 (PMID 37165178). 우리는 답을 매우 잘 맞히는 기계를 갖게 됐지만, 그 답이 왜 그 답인지를 원리로 설명하는 일은 다른 문제입니다.

답의 재료는 오랫동안 흩어져 있었습니다. 안핀센의 원리, 자연이 지름길로 접는다는 물리학의 답, 베끼기의 천장, 물리로 밑바닥부터 가려다 막힌 자리, 진화가 남긴 통계적 흔적, 유전체 해독으로 폭증한 서열, 그리고 다른 분야에서 자란 학습 기계입니다. 2020년의 도약은 이것들이 한자리에 모였을 때 일어났습니다. 그 재료들의 계보는 2년 전 CASP13을 정리한 논평이 이미 짚어 두었습니다 (PMID 31116374).

재료가 모였다는 것을 판정한 것은 시험이었습니다. 자기 방법이 좋아졌다는 말은 누구나 할 수 있습니다. 이 분야는 1994년에 그 판정을 자기 손에서 떼어 놓기로 했습니다. 그 결정이 없었다면 CASP8의 「진보가 검출되지 않는다」도 (PMID 19774620), CASP12의 두 배 개선도 (PMID 29082672), 2020년의 도약도 (PMID 34533838) 그저 각자의 주장으로 남았을 것입니다. 이 반세기에서 가장 오래 남을 것은 아마 어느 알고리즘보다 이 판정 방식일 것입니다. 반세기 문제의 첫 장이 닫혔을 뿐이고, 시험은 여전히 2년마다 열립니다.

---

근거 논문

논문 성격을 함께 적었다. 본문에 그대로 있는 수치는 되풀이하지 않는다. 초록 대조·등급 표는 review-notes.md.

출발점 — 원리와 첫 번째 벽

• PMID 40750093 (2025) — 리뷰. 아밀로이드 섬유를 검토한 끝에도 생체 내 구조가 서열과 생리적 환경에 의해 결정된다고 결론짓는다.
• PMID 36659994 (2022) — 리뷰. 전수 탐색의 불가능성, 접힘 시간 범위와 접힐 수 있는 최대 크기의 예측.
• PMID 9269572 (1997) — 리뷰(마틴 카플러스). 무작위 탐색 그림의 폐기, 천연 상태 쪽 편향, 낙관을 보완해야 한다는 단서.
• PMID 37165178 (2023) — 단독 저자 관점 논문. 안핀센의 두 질문과 힘의 식 기반 접근의 실패 검토, 그 접근을 어떻게 재정의할지에 대한 제안, 최신 수치 방법이 성공한 원인에 대한 추정.

첫 번째 길 — 본떠 맞추기

• PMID 2126456 (1990) — 리뷰(J. Garnier). 나선·가닥·코일 3분류 예측이며 단백질당 표준편차는 6~8%. ⚠️ 저자가 비교 대상 알고리즘 중 하나의 저자 본인이고, 90%는 그가 함께 만든 방법의 성적이다.
• PMID 21521153 (2011) — 리뷰. 비교 모델링의 위상과 규모, 구조 미상 표적의 약물 설계.
• PMID 16510277 (2006) — 리뷰. 동일성 30% 이상은 자연적 한계에 근접. 가장 큰 진전이 관찰된 곳은 오히려 어려운 표적 쪽이며, 거기서는 본보기 선택·정렬 정확도가 주된 문제.

발명 — 눈가림 시험

• PMID 31116374 (2019) — 편지 형식 논평(단독 저자, CASP13 직후에 쓴 글). 2년 주기 눈가림, 딥마인드의 첫 참가, 학계의 두 아이디어 위에 세워졌다는 계보 지적.
• PMID 34533838 (2021) — CASP 운영진 요약문. 눈가림과 독립 평가라는 핵심 구성, "적어도 단일 단백질에 관해서는" 해결, 다른 그룹도 상당히 개선.
• PMID 10526371 (1999) — CASP 운영진이 아닌 별개 그룹의 평가 논문. "사람+기계"가 자동보다 우월, 자동 서버는 짝지어 비교가 놓치는 먼 유사성을 곧잘 찾아냄. ⚠️ 첫 회는 눈가림이 아니었고, 목표·규칙·절차가 달라 저자들 스스로 CASP3와 비교 불가라고 적었으며, 평가자 중에 평가 대상 서버의 개발자가 있다.

시험대의 기록 (전부 CASP 운영진이 쓴 요약문)

• PMID 10600698 (1999) — CASP 창립자(J. Moult) 단독 저자 리뷰. 서열 프로파일이 접힘 인식에 큰 영향, 정렬 품질이 모델의 쓸모를 제한. 마지막 문장은 실용 기술로의 성숙.
• PMID 17918729 (2007, CASP7) — 진전 넷: 단일 최적 본보기를 넘는 정확도, 자동 서버의 추격, 모델 품질 예측, 실제 응용의 빠른 증가.
• PMID 19774620 (2009, CASP8) — 다듬기의 첫 눈가림 평가에서 조건부 개선, 그러나 기존 척도로는 진보 미검출.
• PMID 21997831 (2011, CASP9) — 완만해진 속도, 그럼에도 일부 표적 부류·모델 선택·짧은 새 접힘, 그리고 새 분석이 드러낸 기대 이상의 성적.
• PMID 24344053 (2014, CASP10) — 막대한 진전, 분자동역학 다듬기의 첫 지속적 개선, 성긴 실험 맞닿음 활용의 첫 시험이 고무적, 예측된 맞닿음은 아직 영향 없음, 표적 변화를 감안하면 꾸준한 진보.
• PMID 27171127 (2016, CASP11) — 상동성 기반이 여전히 최고. 다듬기가 거의 모든 모델을 조금씩이나마 개선, 정확도 추정은 실용 수준. 성긴 NMR 제약을 쓰면 정확도가 극적으로 개선되고, 모델이 실험을 부른 생물학적 질문에 답할 수 있다는 첫 평가도 담겼다.
• PMID 29082672 (2018, CASP12) — 맞닿음 정확도 2배와 본보기 없는 표적의 극적 향상, 본보기 기반·정확도 추정도 개선.
• PMID 31589781 (2019, CASP13) — 거리 예측 딥러닝의 극적 개선, 서열이 충분하다는 단서 아래 접힘 위상 문제의 사실상 해결, 필요 서열 수 감소.
• PMID 37920879 (2023, CASP15) — 2020년 실험(CASP14)의 큰 진전, 복합체 정확도는 올랐으나 단일 단백질에 못 미침, 기본 파라미터의 한계.

두 번째 길 — 물리로 밑바닥부터

• PMID 11200525 (2000) — 원저(베이커 연구실). 조각 선택 기준과 에너지 함수 양쪽에 실험 제약이 들어간다. 자리당 실험 제약 약 1개면 어떤 경우 발표된 NMR 용액 구조보다 X선 구조에 더 가까운 모델.
• PMID 16294329 (2006) — 원저 벤치마크. 로제타 ab initio 기본 설정과 동률. 소수성 상호작용이 가장 결정적이고, 서열 특이적 항들도 약하지만 긍정적.

세 번째 길 — 공진화

• PMID 22106262 (2011) — 원저. 직접·간접 상관의 분리, 다수 상동 서열 전제. 도메인 내부를 넘어 대안 형태·리간드 매개 결합·사슬 간 상호작용의 신호까지 잡혔다.
• PMID 24009338 (2013) — 원저(베이커 연구실). 구조적 맥락 통합으로 더 적은 서열로 더 정확한 예측. 두 조건과 당시 계열 수, 계열이 클수록 맞닿음 정보가 불필요해질 가능성.
• PMID 26677056 (2016) — 참가팀 자체 보고(베이커 연구실). 공진화 맞닿음을 구속조건으로 넣었을 때의 효과와 그 조건. 사람이 개입하고 탐색량을 늘린 절차를 썼다.
• PMID 28784799 (2017) — 원저(베이커 연구실). 먼 예외의 비율과 그 해소. 15 Å 초과 예외는 올리고머 접촉면(35%)·구조 변이(19%)·반복 단백질 정렬 오류(27%)로 대부분 설명된다.
• PMID 29953468 (2018) — 원저. 맞닿음 정의가 너그러우면 적중률은 오르고 정보량은 준다. 접촉 퍼텐셜 지표를 함께 쓰면 성능이 상당히 개선되며 엄격한 정의에서 특히 그렇다.

증폭기 — 학습 기계 (둘 다 참가팀의 자체 보고)

• PMID 30985027 (2019) — 딥러닝의 데뷔와 거리 예측으로의 전환. 상동 서열이 적을 때의 난점은 여전한 과제라고 적었다.
• PMID 29047157 (2018) — CASP12 전체 표적, 상위 L/5 장거리 기준의 3단 분해.

도착과 그 뒤

• PMID 34218458 (2021) — 독립 평가단의 평가 논문. 고정확도 범주가 모든 표적으로 확장, 2등이 직전 1등을 능가 — 커뮤니티 벤치마킹의 역할.
• PMID 41170922 (2026) — 평가 논문. 복합체 예측은 여전히 미해결. 다만 CASP15 대비 전반적 개선과 다량체 예측의 꾸준한 진전도 함께 적는다. 모델 순위·선택이 주요 병목.