인공지능을 활용한 단백질 구조 예측: 생화학적 기초부터 실질적 응용까지

단백질의 3차원 구조는 그 생물학적 기능의 기초가 되며, 구조 결정 및 예측은 구조 생물학의 중심 과제입니다. X선 결정학, 핵자기 공명(NMR), 그리고 극저온 전자현미경(cryo-EM)과 같은 실험 기법은 고해상도 구조를 얻을 수 있지만, 낮은 처리량, 높은 비용, 까다로운 시료 준비 등의 한계가 있습니다. 전통적인 계산 방법도 상동 템플릿이 없거나 복잡한 접힘 동역학 하에서는 성능이 저조한 경우가 많습니다. 최근 딥러닝과 대규모 단백질 언어모델의 발전은 단백질 구조 예측에 혁신을 가져왔습니다. AlphaFold3와 RoseTTAFold와 같은 모델은 진화 정보, 기하학적 제약, 그리고 종단간 신경망 구조를 통합하여 실험적 정확도에 가까운 성과를 이루며, ESMFold와 같은 단일 서열 접근법은 예측 속도와 확장성에서 상당한 향상을 제공합니다. 본 리뷰는 단백질 접힘의 생화학적 기초, AI 기반 최신 방법론, 그리고 약물 발견, 효소 공학, 질병 연구에서의 대표적 응용사례를 요약하며, 현재의 도전과제와 미래 방향을 논의합니다.