VR로 단백질 속에 들어가 본다는 것: NexoPeek이 AI 이해 격차 논쟁에 던지는 질문

안녕하세요, 이번 주는 조금 다른 이야기로 시작해 보려 합니다.

파이낸셜타임스의 질리언 텟이 최근 쓴 칼럼을 보셨는지 모르겠습니다. 요지는 이렇습니다. 서구가 아시아와 신흥 경제권보다 AI에 더 비관적인 이유는 단일 원인으로 설명되지 않는다. 경제 구조, 공공정책, 문화 패턴이 겹쳐 만든 결과라는 것입니다. 미국 중간선거에서 빅테크에 대한 유권자 반감이 하나의 변수로 작용했고, 비슷한 두려움이 서구 전반으로 번지고 있다는 관찰도 함께 나옵니다.

이 칼럼에서 제가 오래 머문 문장은 따로 있습니다. 'AI'라는 단어가 실제로 무엇을 가리키는지에 대한 부분입니다. 논쟁의 대부분은 헤드라인, 규제 담론, 노동시장 전망의 언어로 진행됩니다. 정작 그 기술이 분자 수준에서 무엇을 예측하는지 직접 본 사람은 소수입니다. 두려움도 낙관도, 상당 부분 '보지 못한 것'에 대한 태도일 수 있습니다.

접근과 이해는 다르다

단백질 구조 분야는 지난 몇 년 사이 크게 달라졌습니다. AlphaFold DB는 예측 구조를 누구나 내려받을 수 있게 했고, RCSB PDB, UniProtKB, PDBe, SWISS-MODEL은 수십 년간 축적된 실험 구조와 서열 정보를 제공합니다. 파이프라인 관점에서 보면 이건 놀라운 일입니다. API 하나로 수십만 개 구조에 접근하고, UniProt 유전자 동의어 해석을 자동화하고, 모델 검증까지 붙일 수 있으니까요.

그런데 파일을 내려받는 것과, 결합 포켓이 왜 약물 표적이 되는지 납득하는 것은 다른 경험입니다. 2D 뷰어에서 cartoon 표현을 돌리는 것과, 헤모글로빈 내부에 서서 산소가 결합하는 순간을 사람 크기로 지켜보는 것도 다릅니다. 후자는 좌표계와 렌더링 파이프라인이 만드는 '공간 감각'의 문제입니다. 데이터가 있다는 것과 그 데이터를 머릿속 모델로 통합한다는 것 사이의 간극 — 저는 이걸 '이해 격차'라고 부릅니다.

이번 주 소개할 도구

그래서 이번 주는 NexoPeek을 소개합니다. Seven Sportz가 만든 Meta Quest용 VR 분자 실험실입니다. 두 개의 트랙으로 구성되어 있는데, 하나는 교육용 투어, 다른 하나는 전문가용 분석 벤치입니다.

트랙 1 — 6개 기둥, 12개 내레이션 투어. 생명공학 기초, 생명의 기초, 경로와 상호작용, 작용하는 의약, 유전 기술, 그린 바이오텍. 모든 투어는 PDB(Protein Data Bank)의 실제 구조 위에서 돌아갑니다. 헤모글로빈의 산소 결합, 해당과정의 포도당 분해, 트립신의 단백질 소화, 아스피린의 COX 효소 차단, CRISPR-Cas9의 DNA 편집, 야마나카 인자, 플라스틱 분해 효소까지. 안내 동선을 따라가며 구조를 사람 크기로 마주합니다. 투어가 끝나면 같은 구조를 트랙 2에서 직접 열어볼 수 있다는 점이, 두 트랙을 하나의 학습 루프로 묶습니다.

트랙 2 — 전문가용 PDB 뷰어와 분석 스위트. 이쪽이 기술적으로 더 흥미로운 부분입니다.

• 스마트 검색과 데이터베이스 라우팅 — 키워드 캐스케이드와 UniProt 유전자 동의어 해석으로 RCSB PDB, UniProtKB, AlphaFold DB, SWISS-MODEL, PDBe 전반을 실시간 검색하고, 모델 검증을 자동으로 붙입니다. 검색 계층을 하나의 인터페이스로 추상화한 셈입니다.
• 로컬 데이터 수집 — .pdb, .cif, .mol2, .gro, .xyz, .dx, .xtc, .py 파일을 열고, 정전기장 선 지도, 사용자 정의 결합, 전자 밀도 볼륨을 오버레이합니다. .xtc 트라젝터리 지원은 구조 생물학 워크플로우를 고려한 흔적입니다. 정적 구조가 아니라 시간 축을 가진 데이터를 VR에서 다룰 수 있다는 뜻이니까요.
• Mol* 프리셋 6종 — cartoon, ball-and-stick, spacefill CPK, molecular surface, B-factor heat, tube trace를 원탭 전환합니다. MolViewSpec 개념에서 파생된 프리셋이라 표현 간 이동이 렌더링 부담 없이 이뤄집니다.
• 서열·체인 제어 — 체인별 아미노산 서열을 스크롤하고, 잔기 'pill'을 탭하면 3D 할로가 투영됩니다. 원자를 핀 고정하거나 특정 체인만 분리할 수 있습니다.
• 온보드 분석 — AI 포켓 예측(PrankWeb / P2Rank, 또는 내장 오프라인 엔진), Foldseek 기반 상동 구조 정렬, Ligand Inspector의 수소 결합망 추적, PubChem 3D 리간드 페치, 트리거로 두 원자를 찍어 옹스트롬 단위 거리를 재는 계산기까지.
• Room View — 패스스루로 분자를 실제 방 안에 띄우고, 벽면 메뉴는 계속 작동합니다. 강의실이나 실험대 옆에서 구조를 띄워두고 이야기하는 워크플로우를 상상해볼 수 있습니다.

아키텍처 관점에서 눈에 띄는 지점

흥미로운 건 이 도구가 클라우드와 로컬을 나눠 쓴다는 점입니다. AI 포켓 예측은 클라우드(PrankWeb / P2Rank)와 오프라인 엔진 중 선택할 수 있습니다. 네트워크가 없는 강의실이나 현장에서도 분석이 멈추지 않게 하려는 설계로 읽힙니다. Foldseek 정렬 파이프라인을 통합한 것도, 도메인 기능 보존과 약물 스왑 가설을 VR 세션 안에서 검증하려는 의도입니다.

여기서 한 가지 짚고 넘어갈 게 있습니다. 클라우드와 오프라인 엔진의 트레이드오프는 결국 정확도와 지연, 그리고 재현성의 문제로 수렴합니다. 같은 입력에 대해 두 경로가 같은 답을 내는지, 오프라인 엔진의 결과를 어떻게 로깅하고 비교할지 — 이런 건 결국 엔지니어링 결정입니다. 흥미로운 지점이면서, 동시에 아직 공개된 벤치마크가 부족한 지점이기도 합니다.

반대로 한계도 분명합니다. NexoPeek은 교육 및 연구 시각화 소프트웨어입니다. 포켓 예측이나 정렬 같은 분석 보조는 검증된 과학 파이프라인과 전문가 판단을 대체하지 않습니다. 결과는 1차 문헌과 검증된 방법으로 다시 확인해야 합니다. VR이라는 매체가 몰입감을 주는 것과, 학습 효과가 통계적으로 유의한지는 별개의 질문입니다. 몰입감은 측정하기 쉽지만, 이해는 그렇지 않습니다.

생각해 볼 질문

AI 낙관/비관 격차를 '이해 격차'로 보는 관점이 어느 정도 타당할까요? 규제 환경과 노동시장 구조가 훨씬 결정적이라고 보시는 분들도 많을 겁니다. 저는 교육 접근성이 최소한 논쟁의 질을 바꾸는 데는 기여할 수 있다고 봅니다. 다만 VR이 실제 학습 효과를 내는지에 대해서는 더 많은 증거가 필요합니다.

기술자 관점에서 궁금한 건 이겁니다. .xtc 같은 트라젝터리 포맷을 헤드스셋에서 실시간 렌더링할 때 프레임 예산을 어떻게 잡을지, Mol* 프리셋 전환의 지연을 어디까지 허용할지, 오프라인 포켓 예측 엔진의 정확도와 클라우드 버전의 격차는 어느 정도일지. 논문이 나오면 좋겠습니다.

의견 있으시면 답장으로 알려주세요. 이번 호가 유용했다면 구독자분께 전달해 주셔도 좋습니다.

Meta Quest에서 NexoPeek 다운로드: https://www.meta.com/experiences/nexopeek/1453797551140347/

NexoPeek은 교육 및 연구 시각화 소프트웨어입니다. 의학적 조언, 진단, 치료를 제공하지 않습니다. 포켓 예측, 정렬 등 분석 보조 기능은 검증된 과학 파이프라인과 전문가 판단을 대체하지 않고 보조합니다. VR 세션은 20~30분 단위로 휴식을 권장하며, 연령 제한 및 Meta Quest 이용 약관을 확인하세요.