알파폴드의 등장 이전 단백질 구조 예측의 역사적 여정과 한계

알파폴드와 같은 최신 AI 모델이 등장하기 이전, 단백질의 3차원 구조를 예측하는 것은 실험적 난관과 계산적 도전 과제로 남아있었습니다. 초기에는 주로 X선 결정학이나 NMR 분광법과 같은 고가의 실험적 방법을 통해 구조를 밝혀냈습니다.

초기 구조 예측의 방법론

• 단순 모델링 및 비교 구조 분석: 아미노산 서열 정보를 바탕으로 알려진 구조와의 유사성을 이용하는 방식이 주를 이루었으며, 이는 서열 유사도가 높을 때만 성공적이었습니다.
• 물리 기반 시뮬레이션: 분자동역학(Molecular Dynamics)을 이용하여 단백질의 자유 에너지를 최소화하는 구조를 찾는 시도가 있었으나, 엄청난 컴퓨팅 자원을 요구했습니다.

이러한 선행 연구들은 대부분 단백질 접힘 문제의 NP-난해성을 명확히 보여주었고, 구조적 정보의 부족함이 예측 정확도를 저해하는 근본적인 병목 현상이었습니다. 이러한 역사적 배경 위에서 딥러닝 기반의 혁신이 가능해졌습니다. 단백질 접힘 분자 도킹