AI가 항생 펩타이드 후보를 좁힌 다음, VR에서 구조를 검증하는 워크플로우

구글 딥마인드가 '안티그래비티(Antigravity)' 플랫폼으로 항생 펩타이드 발견을 획기적으로 가속화했다는 발표는 계산 생물학계에 큰 반향을 일으켰습니다. AI가 방대한 서열 공간을 탐색해 유망한 후보를 좁혀주는 시대, 이제 남은 과제는 '발견한 구조를 어떻게 직관적으로 이해하고 검증할 것인가'입니다. 평면 모니터 위 2D 다이어그램으로는 입체적 결합 포켓, 알로스테릭 부위, 전자 밀도 맵을 온전히 파악하기 어렵습니다.

파이프라인에서 빠진 마지막 단계

항생 펩타이드 발견 파이프라인을 그려보면 대략 이렇게 됩니다. 서열 생성 → 구조 예측(AlphaFold 계열) → 결합 친화도 스크리닝 → 후보 선별. 여기까지는 대부분 배치 잡(batch job)이고, 결과는 좌표 파일과 스코어 테이블로 떨어집니다. 문제는 그다음입니다. 선별된 후보를 사람이 읽어야 하는 순간, 파이프라인은 갑자기 "당신이 직접 보세요"라고 말합니다. 이 지점에서 대부분 연구자는 PyMOL 창을 열고, 회전시키고, 다시 닫습니다. 결합 포켓이 진짜로 성립하는지, 알로스테릭 사이트가 입체적으로 말이 되는지는 정적 스크린샷으로 판단이 안 되기 때문입니다.

이 간극은 도구의 문제라기보다 인터페이스의 문제입니다. 단백질은 나노미터 스케일의 입체 구조인데, 우리는 2D 평면에 투영된 그림자를 보고 판단합니다. 인지 부하가 구조 이해의 병목이 되는 셈입니다.

넥소피크(NexoPeek): 발견 이후의 검증을 공간으로 옮기기

넥소피크는 이 간극을 메웁니다. 메타 퀘스트 헤드셋을 쓰고 단백질 내부를 인간 스케일로 걸어 들어가며, 6대 핵심 영역(생명공학 기초, 생명의 기초, 경로와 상호작용, 의약품의 작용, 유전 기술, 그린 바이오테크) 12개 내레이션 투어를 체험합니다. 헤모글로빈의 협동적 산소 결합, 해당과정의 각 단계 효소 활성 부위, 아스피린의 COX 활성 부위 공유 결합, CRISPR-Cas9의 가이드 RNA-타겟 DNA 인식을 공간에서 직접 마주합니다. 텍스트로 읽던 메커니즘이 몸의 스케일로 들어오는 순간, "이 잔기가 왜 여기 있는가"라는 질문이 훨씬 구체적으로 바뀝니다.

실무 워크플로우: 로드에서 검증까지

기술적으로 흥미로운 건 이게 데모용 뷰어가 아니라 실제 구조 분석 도구라는 점입니다. 워크플로우를 단계별로 정리하면 이렇습니다.

1) 데이터 로드. 전문가용 PDB 뷰어는 RCSB PDB, UniProtKB, AlphaFold DB, SWISS-MODEL, PDBe 스마트 검색을 지원합니다. 즉 AI가 예측한 구조(AlphaFold DB)와 실험적으로 풀린 구조(RCSB PDB)를 같은 공간에서 나란히 놓고 비교할 수 있습니다. 로컬 파일(.pdb, .cif, .mol2) 로드도 가능하니, 사내 파이프라인이 뱉은 좌표 파일을 그대로 밀어 넣으면 됩니다.

2) 표현 방식 선택. Mol* 프리셋으로 카툰, 볼-스틱, 스페이스필, 분자 표면, B-팩터 히트맵, 튜브 트레이스를 전환합니다. B-팩터 히트맵은 결정 구조에서 유연한 루프를 찾을 때, 분자 표면은 포켓의 입체적 형상을 볼 때 씁니다. 정전기장 라인과 전자 밀도 볼륨 레이어도 지원하므로, 도킹 결과의 물리적 타당성을 시각적으로 크로스체크할 수 있습니다.

3) 인터랙션. 분석 벤치에서는 맨손/컨트롤러로 분자 회전·확대가 됩니다. 여기서 체감 차이가 큽니다. 마우스 드래그로 회전시키는 것과, 손으로 분자를 잡고 돌리는 것은 공간 인지에서 다릅니다. 특히 리간드가 포켓에 들어맞는지 볼 때 시점을 자유롭게 옮길 수 있다는 건 판단 속도에 직접 영향을 줍니다.

4) 분석 보조. AI 포켓 예측(PrankWeb/P2Rank 클라우드 또는 오프라인), Foldseek 상동 구조 중첩, 리간드 인스펙터(수소 결합·PubChem 3D 리간드), 원자 간 옹스트롬 거리 측정, 시퀀스 잔기 '필' 탭으로 3D 헤일로 투영까지 가능합니다. 옹스트롬 거리 측정은 특히 유용합니다. 수소 결합 거리가 문헌 기준에 맞는지, 스크린샷 없이 그 자리에서 재면 됩니다.

5) 공유. 룸 뷰 토글로 실제 공간에 분자를 띄워 강의·협업도 자연스럽습니다. 랩 미팅에서 "이 포켓 봐"라고 하면서 같은 공간에 서서 구조를 보는 건, 화면 공유와는 다른 커뮤니케이션입니다.

왜 이게 병목을 줄이는가

여기서 정직하게 짚을 부분이 있습니다. 이 도구는 계산을 대신하지 않습니다. AI 포켓 예측·정렬 같은 분석 보조 도구는 검증된 파이프라인과 전문가 판단을 대체하지 않습니다. 대신 병목의 위치를 옮깁니다. 기존 워크플로우에서 시간을 잡아먹는 건 "계산"이 아니라 "계산 결과를 사람이 이해하고 다음 결정을 내리는" 구간입니다. 3D 공간에서 직접 보고, 거리를 재고, 중첩하고, 동료와 공유하는 건 이 인지 구간을 압축합니다.

교육자·학생·구조 생물학자·신약 연구자 모두에게 '호기심에서 후보 물질까지' 하나의 헤드셋으로 이어지는 워크플로를 제공합니다. 학생에게는 추상적 다이어그램 대신 몸으로 기억되는 구조가 남고, 연구자에게는 스크린샷 왕복 없이 판단할 수 있는 검증 루프가 생깁니다.

시작하기

메타 퀘스트 스토어에서 다운로드: https://www.meta.com/experiences/nexopeek/1453797551140347/

(교육·연구 시각화 소프트웨어이며 의료 자문·진단·치료 용도가 아닙니다. AI 포켓 예측·정렬 등 분석 보조 도구는 검증된 파이프라인·전문가 판단을 대체하지 않습니다.)