AI가 단백질을 만들기 시작했다. 그런데 우리는 그 단백질 '속'을 본 적이 있는가

구글 딥마인드가 SynthID Bio를 공개했습니다. AI가 생성한 단백질 서열에 워터마크를 심으면서도, 단백질의 생물학적 기능은 그대로 유지하는 개념 증명입니다.

이 발표가 중요한 이유는 단순한 기술 데모가 아니기 때문입니다. 단백질 설계가 생성 모델의 영역으로 들어오면서, "이 서열은 어디서 왔는가"라는 출처 문제가 처음으로 서열 수준에서 다뤄지기 시작했습니다. 워터마킹이 기능을 훼손하지 않는다는 것을 보여줬다는 점에서, 이건 데이터 거버넌스와 생물학이 만나는 지점입니다.

그런데 출처를 표시하는 것과 이해하는 것은 다른 문제입니다. 워터마크는 "이 서열은 AI가 생성했다"고 알려주지만, 그 단백질이 실제로 어떤 형태를 띠고, 어디에 포켓이 있고, 어떤 리간드가 결합할 수 있는지는 말해주지 않습니다. 서열 데이터베이스가 폭발적으로 늘어날수록, 구조 수준의 이해와 소통은 오히려 병목이 됩니다.

구조를 '읽는' 일은 여전히 어렵다

AlphaFold DB 덕분에 우리는 수억 개의 예측 구조에 접근할 수 있습니다. 하지만 접근과 이해 사이에는 간극이 있습니다. PDB 파일을 열고, 카툰 표현에서 볼앤스틱으로 바꾸고, 표면을 렌더링하고, 결합 포켓을 찾아 리간드를 겹쳐 보는 과정은 여전히 화면 위의 2D 작업입니다.

구조생물학자들은 이 간극을 오랫동안 몸으로 메워왔습니다. 실험대 위의 물리적 모델, 손으로 만지는 도메인, 머릿속으로 회전시키는 좌표. 3차원 데이터를 3차원으로 다루는 직관이 판단의 상당 부분을 차지합니다. 그런데 우리가 실제로 쓰는 도구는 대부분 평면입니다. 이 불일치는 사소해 보이지만, 하루 여덟 시간을 화면 앞에서 보내는 사람에게는 누적되는 비용입니다.

화면 밖으로 나온 분자

NexoPeek는 이 지점에서 다른 접근을 시도합니다. Meta Quest용 VR 분자 실험실로, 단백질 구조를 인간 크기로 확장해 사용자가 그 안에 서도록 합니다.

투어는 6개 기둥에 걸쳐 12개로 구성됩니다. 생명공학 기초, 생명의 토대, 경로와 상호작용, 작동하는 의약, 유전자 기술, 그린 바이오텍. 헤모글로빈 내부로 들어가 산소가 결합하는 순간을 보고, 해당과정에서 포도당이 분해되는 모습을 따라가며, 아스피린이 COX 효소를 막는 장면과 CRISPR-Cas9가 DNA를 편집하는 장면을 마주합니다. 모든 투어는 실제 PDB 구조 위에서 돌아갑니다. 렌더링용 목업이 아니라, 다운로드 가능한 실제 좌표라는 뜻입니다.

전문가용 PDB 뷰어는 별도로 존재합니다. 유전자 이름 하나로 RCSB PDB, UniProtKB, AlphaFold DB, SWISS-MODEL, PDBe를 검색하고, UniProt 유전자 동의어 해석과 모델 검증을 거쳐 구조가 인간 크기로 로드됩니다. Mol* 프리셋으로 카툰, 볼앤스틱, 스페이스필 CPK, 분자 표면, B-factor 히트맵, 튜브 트레이스를 원터치로 전환합니다. 로컬 .pdb, .cif, .mol2, .gro, .xyz, .dx, .xtc, .py 파일은 정전기장선 지도와 전자밀도 볼륨, 사용자 정의 결합 정의와 함께 열립니다.

시스템 설계 관점에서 본 분석 벤치

엔지니어의 시선으로 보면, 이 도구의 흥미로운 지점은 계산을 어디에 두느냐입니다. AI 포켓 예측은 두 갈래로 나뉩니다. 클라우드 기반 PrankWeb / P2Rank 경로와, 내장된 오프라인 엔진. 네트워크가 없는 강의실이나 보안 환경에서는 오프라인 경로가, 최신 모델이 필요할 때는 클라우드 경로가 선택됩니다. 이건 지연 시간과 최신성 사이의 전형적인 트레이드오프입니다.

구조 정렬은 통합된 Foldseek 파이프라인을 씁니다. 상동 구조를 겹쳐 도메인 기능 보존 여부와 약물 교체 가설을 평가하는 용도입니다. 리간드 인스펙터는 헤테로 화합물을 스캔하고 수소 결합 네트워크를 평가하며, PubChem에서 3D 리간드를 직접 가져옵니다. 두 원자를 트리거로 집으면 옹스트롬 단위 거리가 계산됩니다.

상호작용 레이어도 눈여겨볼 만합니다. 분자를 맨손 제스처나 컨트롤러로 집고, 회전하고, 크기를 조절합니다. 시퀀스 뷰에서 아미노산 잔기 "필"을 누르면 해당 잔기가 3D 구조 위에 할로로 투영됩니다. 체인 단위로 시퀀스를 스크롤하고, 특정 체인을 격리하고, 원자를 고정할 수 있습니다. 이건 2D 위젯과 3D 공간 사이를 오가는 상태 동기화 문제이고, VR 입력에서는 정확도와 피로도가 곧 사용성입니다.

Room View 토글은 3D 분자를 사용자의 실제 방 안에 띄우면서 벽면 메뉴는 그대로 작동시킵니다. 이른바 패스스루(passthrough) 혼합현실 모드로, 공간 인식과 UI 레이어를 분리하는 접근입니다.

여기서 엔지니어링 관점의 질문 하나가 남습니다. 이런 시스템에서 병목은 렌더링일까, 데이터 로딩일까, 아니면 입력일까. 경험적으로 답은 마지막입니다. 수십만 원자를 90fps로 그리는 일은 이제 어렵지 않습니다. 어려운 것은 사용자가 특정 잔기 하나를 정확히 집어내고, 그것을 원자 단위로 회전시키는 일입니다. 그래서 시퀀스 뷰와 3D 뷰 사이의 상태 동기화가 이 도구의 실질적인 핵심입니다. 2D 리스트에서 행 하나를 선택하면, 3D 공간의 대응 객체가 즉시 강조되어야 하고, 그 역방향도 성립해야 합니다. 이 왕복이 느리면 사용자는 도구를 신뢰하지 않게 됩니다.

교실과 연구실 사이

ATP를 탐구하는 학생, CRISPR를 가르치는 교육자, 결합 포켓을 살피는 구조생물학자가 같은 도구를 씁니다. 한쪽에는 서열을 읽는 학습 곡선이, 다른 한쪽에는 리간드 결합 네트워크를 검증하는 연구 워크플로가 있습니다. 같은 구조를 서로 다른 목적과 다른 깊이로 파고드는 셈입니다.

SynthID Bio가 서열의 출처를 다루는 동안, 구조의 이해는 여전히 사람의 작업입니다. AI 생성 단백질이 늘어날수록 이 작업의 병목은 더 선명해질 것입니다. 그리고 그 병목을 줄이는 방법 중 하나는, 데이터를 3차원으로 되돌려 놓는 것입니다.

Meta Quest에서 NexoPeek를 확인해 보세요: https://www.meta.com/experiences/nexopeek/1453797551140347/

NexoPeek는 교육 및 연구 시각화 소프트웨어이며, 의학적 조언·진단·치료가 아닙니다. 포켓 예측과 구조 정렬 같은 분석 보조 기능은 검증된 과학 파이프라인과 전문가의 판단을 대체하지 않습니다. 연구 결과는 실행 전에 1차 문헌과 검증된 방법으로 확인하세요.