계산은 빨라졌는데, 구조를 보는 방식은 왜 그대로일까

구글 Antigravity의 항균 펩타이드 탐색 가속화가 던지는 질문

구글 딥마인드가 항균 펩타이드(antimicrobial peptides) 탐색을 가속하는 연구 도구, Google Antigravity for Science를 공개했습니다. 항생제 내성이 커지는 상황에서 새로운 항균 펩타이드 후보를 빠르게 찾아내는 일은 매우 중요한 문제입니다. 후보 발굴의 속도가 빨라진다는 것은 분명 반가운 소식입니다.

그런데 여기서 잠깐 멈춰 볼 지점이 있습니다. 후보를 찾는 계산은 빨라졌지만, 그 결과물인 단백질 구조를 우리가 '이해하는' 방식은 얼마나 달라졌을까요?

평면 화면이라는 병목

구조생물학과 계산생물학의 도구들은 지난 수십 년간 놀랍게 발전했습니다. 검색은 빨라졌고, 정렬 알고리즘은 정교해졌고, 예측 모델은 매년 정확도를 갱신합니다. 그런데 대부분의 사용자는 여전히 2D 모니터 앞에서 마우스로 구조를 회전시킵니다.

이건 단순한 UX 문제가 아닙니다. 결합 포켓의 깊이, 리간드가 들어앉는 방향, 잔기들이 만드는 공간적 맥락 — 이런 입체 정보는 평면에서는 늘 한 단계 번역을 거쳐야 합니다. 머릿속에서 2D 투영을 3D로 역변환하는 비용이 발생하는 겁니다. 구조를 '아는' 것과 구조를 '상상할 수 있는' 것 사이에는 간극이 있습니다.

이 번역 비용은 파이프라인 어디에서든 누적됩니다. 도킹 결과를 검토하는 연구자도, 알파폴드 예측을 눈으로 확인하는 개발자도, 서열과 접힘 구조를 연결하려는 학생도 같은 벽에 부딪힙니다. 계산 자원은 계속 늘어나는데, 그 결과를 받아들이는 사람 쪽 대역폭은 그대로인 셈입니다. 병목은 계산이 아니라, 계산 결과를 사람이 받아들이는 인터페이스에 있습니다.

사람 크기로 걸어 들어가는 접근

Seven Sportz의 NexoPeek은 이 병목을 다른 계층에서 다룹니다. Meta Quest용 VR 분자 실험실로, 단백질 구조를 사람 크기로 확대해 그 안을 걸어 다닐 수 있게 합니다. 구조를 화면에 렌더링하는 대신, 사용자를 구조 안에 배치하는 방식입니다. 인터페이스 패러다임을 바꾸는 접근인 셈입니다.

• 6개 기둥, 12개 내레이션 투어: 생명공학 기초, 생명의 토대, 경로와 상호작용, 작용하는 약, 유전 기술, 그린 바이오텍. 모든 투어는 Protein Data Bank의 실제 구조 위에서 돌아갑니다. 헤모글로빈 속에서 산소가 결합하는 순간, 해당과정에서 포도당이 분해되는 과정, 아스피린이 COX 효소를 막는 장면, CRISPR-Cas9가 DNA를 편집하는 장면을 직접 목격합니다.
• 전문가용 PDB 뷰어: 유전자 이름 하나로 RCSB PDB, UniProtKB, AlphaFold DB, SWISS-MODEL, PDBe를 넘나들며 구조를 불러옵니다. UniProt 유전자 동의어 해석과 자동 모델 검증이 붙고, 스마트 키워드 캐스케이드로 검색이 이어집니다. Mol* 프리셋으로 cartoon, ball-and-stick, spacefill CPK, molecular surface, B-factor heat, tube trace 표현을 한 번에 전환합니다.
• 로컬 데이터 수용: .pdb, .cif, .mol2, .gro, .xyz, .dx, .xtc, .py 파일을 그대로 열 수 있고, 정전기장선 지도, 사용자 정의 결합 정의, 전자밀도 볼륨을 겹쳐 올립니다.
• 분석 벤치: 맨손이나 컨트롤러로 분자를 집고 확대하고 회전시킵니다. AI 포켓 예측이 약물 가능 부위를 표시하고(PrankWeb/P2Rank 클라우드 AI 또는 내장 오프라인 엔진), Foldseek 파이프라인이 상동 구조를 겹쳐 놓고, Ligand Inspector가 hetero 화합물의 수소 결합 네트워크를 추적하며 PubChem에서 3D 리간드를 가져옵니다. 두 원자를 트리거로 집으면 옹스트롬 거리가 보고되고, 서열의 잔기 '알약'을 누르면 구조 위에 3D 후광이 투영되며, 체인 단위로 분리해 볼 수 있습니다.
• Room View: 분자를 실제 방 안에 띄우면서 벽면 메뉴는 그대로 작동합니다. Mixed Reality 패스스루 위에서 구조를 검토하는 셈입니다.

엔지니어링 관점에서 무엇이 바뀌는가

도구 체인을 펼쳐 보면 흥미로운 지점이 있습니다. NexoPeek의 설계는 '검색은 클라우드, 표현은 로컬'이라는 분업을 따릅니다. 원격 리포지토리 라우팅과 AI 포켓 예측은 클라우드에서, 렌더링과 상호작용은 헤드셋 안에서 처리됩니다. 오프라인 포켓 예측 엔진을 별도로 둔 것도 같은 맥락입니다 — 네트워크가 끊겨도 분석이 멈추지 않게 하는 폴백입니다.

표현 계층을 Mol* 프리셋으로 추상화한 것도 실용적인 선택입니다. MolViewSpec 개념에서 파생된 6개의 원탭 프리셋은, 매번 표현 파라미터를 손으로 조정하는 대신 자주 쓰는 뷰를 즉시 소환합니다. B-factor heat나 molecular surface 같은 표현이 한 번의 입력으로 전환된다는 건, 반복적인 구조 검토 작업에서 누적되는 마찰을 줄이는 일입니다.

여기서 개발자라면 한 가지 더 짚고 넘어갈 만합니다. 검색 소스가 다섯 개(RCSB PDB, UniProtKB, AlphaFold DB, SWISS-MODEL, PDBe)로 흩어져 있다는 건, 정규화 계층 없이는 감당하기 어려운 구조입니다. 유전자 이름 하나로 이들을 넘나들려면 ID 매핑, 동의어 해석, 모델 검증 같은 접착 로직이 필요합니다. "유전자 동의어 해석과 자동 모델 검증"이라는 한 줄 뒤에는 이런 데이터 정합성 작업이 깔려 있습니다.

또 하나 흥미로운 설계는 시각화 파이프라인이 로컬 파일 포맷을 폭넓게 수용한다는 점입니다. .pdb나 .cif 같은 표준 구조 파일뿐 아니라 .gro, .xyz 같은 분자동역학 계열, .dx 같은 볼륨 데이터, .xtc 같은 트래젝터리, .py 확장자까지 목록에 올라 있습니다. 시뮬레이션과 분석이 서로 다른 포맷으로 흩어져 있는 실제 연구 환경을 감안한 선택으로 읽힙니다. 결과물을 별도 변환 없이 그 자리에서 겹쳐 올릴 수 있다는 건, 파이프라인 중간에 끼어드는 마찰을 줄이는 일입니다.

무엇을 대체하고, 무엇을 대체하지 않는가

분명히 해 둘 것이 있습니다. NexoPeek은 교육 및 연구 시각화용 소프트웨어입니다. 의학적 조언, 진단, 치료가 아닙니다. 포켓 예측이나 상동 정렬 같은 분석 보조 기능은 검증된 과학 파이프라인과 전문가의 판단을 대체하지 않습니다. 보조 수단입니다. 연구 결과는 행동에 옮기기 전에 1차 문헌과 검증된 방법으로 확인해야 합니다.

후보 발굴 속도가 빨라지는 시대에, 그 후보를 사람이 이해하고 설명하는 속도도 함께 빨라질 수 있다면 — 그것이 이 도구가 던지는 질문입니다. 계산 병목이 풀린 다음의 병목은, 결국 사람과 구조 사이의 인터페이스입니다. 여러분의 파이프라인에서는 어느 쪽이 먼저 막히고 있나요?

Meta Quest에서 NexoPeek을 만나보세요: https://www.meta.com/experiences/nexopeek/1453797551140347/