시뮬레이션이 예측을 넘어서려면, 분자 속으로 들어가야 한다

The Generalist에 실린 심일리(Simile) 박준성 CEO 인터뷰를 읽고 밤새 잠을 설쳤다. 80억 인류 행동 85% 정확도 예측이라니—숫자만 보면 압도적이다. 하지만 개발자 관점에서 보자. 행동 로그와 클릭스트림으로 학습한 트랜스포머가 아무리 커도, 단백질이 어떻게 접히고, 효소가 어떻게 기질을 인식하며, 약물이 포켓에 어떻게 들어맞는지를 '이해'하고 있지는 않다. 가중치 공간에서의 상관관계일 뿐, 원자 단위의 인과관계는 아니다.

2년 전, 내 팀은 알파폴드2(AlphaFold 2) 예측 구조로 타겟 단백질의 바인딩 포켓을 스크리닝하다가 벽에 부딪혔다. 정전기 표면도, 수소결합 네트워크, 입체 장애—이 모든 게 2D 뷰포트 위에서는 평평하게 납작해진다. PyMOL에서 돌리다가, ChimeraX에서 회전시키다가, 결국 OpenMM으로 200 ns 분자동역학을 돌려 앙상블을 뽑아내니 비로소 유연한 루프가 열리는 순간을 포착할 수 있었다. GPU 클러스터에서 8×A100으로 병렬 프리페어링을 걸고, MM‑PBSA로 자유에너지를 재계산하니 hit‑rate이 3 %에서 12 %로 뛰었다.

그 경험이 말해준다. 정적 구조만으로는 ‘결합 가능하다’는 가설만 남고, 동적 앙상블과 양자‑역학 보정이 있어야 비로소 ‘결합한다’는 확신을 얻는다. 지금도 밤마다 트레이닝 로그를 보며, 다음 스텝에서 어떤 컨포머가 등장할지 상상한다.

자세한 내용은 Simile 공식 사이트에서 확인해 보세요.