AlphaFold — 예측 구조의 confidence를 읽는 법
왜 알아야 하는가
AlphaFold는 amino-acid sequence에서 단백질의 가능한 3차원 구조를 예측해 구조생물학의 접근성을 크게 넓혔습니다. 실험 구조가 없는 단백질도 domain과 residue 배치를 살펴 mutation이나 실험 가설을 세울 수 있습니다. 그러나 예측 좌표를 실제 세포 안에서 고정된 단 하나의 구조로 읽으면 모델이 답하지 않은 질문까지 확정하게 됩니다.
AlphaFold2, AlphaFold-Multimer와 AlphaFold3는 대상과 학습·출력 계약이 다릅니다. 사용한 model과 database, template·MSA 설정과 release를 기록해야 결과를 비교할 수 있습니다.
예측이 만드는 것
모델은 sequence와 진화 정보에서 residue 사이의 공간적 제약을 학습해 좌표를 생성합니다. 출력 PDB 모양만 보는 대신 confidence metric을 함께 읽습니다. 예측은 실험에서 관찰된 electron density나 NMR restraint가 아니라 모형이 가장 그럴듯하다고 본 배치입니다.
같은 sequence도 ligand, partner, membrane, pH와 post-translational modification에 따라 다른 conformation을 가질 수 있습니다. intrinsically disordered region은 하나의 안정 구조로 표현하기 어려울 수 있습니다.
pLDDT 읽기
pLDDT는 각 residue 주변의 local geometry에 대한 model confidence를 요약합니다. 높은 값은 backbone과 side-chain 주변 배치가 상대적으로 신뢰할 만하다는 뜻이고, 낮은 값은 불확실하거나 disorder 가능성이 있는 영역을 가리킬 수 있습니다. 낮은 pLDDT를 곧 실험 실패나 무기능 영역으로 단정하지 않습니다.
높은 pLDDT도 예측이 biological function을 수행한다는 증거가 아닙니다. local fold가 맞아도 전체 domain 방향이나 complex 상태가 틀릴 수 있습니다.
PAE와 domain 배치
PAE(predicted aligned error)는 한 residue를 기준으로 정렬했을 때 다른 residue 위치의 예상 오차를 행렬로 보여줍니다. 각 domain 내부 PAE는 낮지만 domain 사이 PAE가 높다면 domain 자체 fold는 신뢰하면서 상대 방향은 유연하거나 불확실하다고 읽을 수 있습니다.
긴 linker로 연결된 단백질을 PDB snapshot 하나만 보고 고정된 domain arrangement로 해석하지 않는 데 PAE가 특히 유용합니다. multimer interface도 interface confidence와 alternative stoichiometry를 함께 검토합니다.
작은 변이 예시
환자 missense variant가 높은-confidence core의 conserved residue에 있고 주변 packing을 방해할 것처럼 보여도 pathogenicity가 확정되지는 않습니다. 단백질 발현·안정성, 효소 활성, 세포 phenotype과 임상 분리 자료를 확인해야 합니다. 반대로 낮은-confidence tail의 variant도 linear motif나 조절 modification을 바꿀 수 있어 무시할 수 없습니다.
구조는 어떤 기능시험을 설계할지 돕는 지도이지 기능시험 결과 그 자체가 아닙니다.
예측을 잘 쓰는 방법
질문을 domain 경계, candidate interface, mutagenesis 위치처럼 모델이 지원할 수 있는 범위로 좁힙니다. homolog structure와 experimental data, multiple prediction과 confidence를 비교합니다. docking score나 시각적 충돌만으로 binding affinity와 drug efficacy를 주장하지 않습니다.
혼동하기 쉬운 점
- 높은 confidence는 높은 biological importance와 같지 않습니다.
- 낮은 confidence는 반드시 잘못된 sequence나 무기능을 뜻하지 않습니다.
- 구조 유사성은 같은 기질·기능을 자동 보증하지 않습니다.
- predicted complex는 세포 안 결합, 농도와 stoichiometry를 증명하지 않습니다.
- 모델 버전 간 출력 차이는 실험적 구조 변화가 아닙니다.
해석 경계
AlphaFold 결과는 가설 생성과 실험 설계를 돕습니다. cellular environment, dynamics, alternative state, binding affinity와 임상 병원성은 biochemical·cellular·structural evidence로 교차검증해야 합니다.
연결해서 읽기
예측과 실제 기능 증거의 관계는 기능시험과 변이 해석, 변이의 임상 분류는 Genotype–phenotype evidence Concept과 연결됩니다.