pLDDT, PAE, pTM, ipTM으로 신뢰도 판단하기

예측 구조에서 가장 먼저 버려야 할 것은 '확신'이다

AlphaFold를 처음 쓰면 가장 먼저 눈에 들어오는 것은 멋진 3차원 구조다. 리본이 감기고, 베타 가닥이 나란히 놓이고, 포켓처럼 보이는 홈이 생긴다. 마치 현미경으로 직접 본 것처럼 그럴듯하다. 그래서 가장 위험한 실수가 시작된다. "모델이 이렇게 나왔으니 실제 단백질도 이렇게 생겼겠지"라고 생각하는 것이다.

AlphaFold 사용의 핵심은 구조를 만드는 데 있지 않다. 구조는 버튼을 누르면 나온다. 진짜 실력은 그다음에 필요하다. 어느 부분을 믿고, 어느 부분은 조심하고, 어느 부분은 과감히 해석에서 제외할지 판단해야 한다.

이 장에서 다룰 네 가지 지표는 그 판단을 위한 기본 언어다. pLDDT는 잔기 하나하나의 국소 구조가 얼마나 믿을 만한지 알려 준다. PAE는 두 위치, 특히 두 도메인 사이의 상대적 배치가 얼마나 믿을 만한지 보여 준다. pTM은 단백질 전체 접힘이 얼마나 그럴듯한지 평가하는 전역 지표이고, ipTM은 복합체에서 사슬 사이 결합면이 얼마나 신뢰할 만한지 판단하는 데 쓰인다.

이 네 가지를 따로따로 외우는 것보다 중요한 것은 함께 읽는 습관이다. pLDDT만 보고 "좋은 구조"라고 말하면 안 된다. PAE만 보고 "틀린 구조"라고 단정해도 안 된다. AlphaFold 결과는 시험 성적표라기보다 기상도에 가깝다. 맑은 곳, 흐린 곳, 안개 낀 곳을 구분해서 길을 찾아야 한다.

pLDDT: 잔기별로 보는 국소 신뢰도

pLDDT는 각 아미노산 잔기 주변의 구조가 얼마나 정확할 것으로 예상되는지를 나타내는 점수다. 값은 보통 0에서 100 사이로 표시된다. 높을수록 해당 잔기 근처의 3차원 배치, 즉 주변 원자들과의 국소적인 모양이 안정적으로 예측되었다는 뜻이다.

많은 시각화 도구에서는 pLDDT를 색으로 표시한다. 높은 영역은 파란색 계열, 낮은 영역은 노란색이나 주황색 계열로 보이는 경우가 많다. 단, 도구마다 색상표는 달라질 수 있으므로 색 자체보다 범례와 수치를 확인하는 습관이 더 중요하다.

pLDDT는 다음처럼 해석하면 실무에서 큰 도움이 된다.

여기서 중요한 표현은 "가능성"이다. pLDDT 95라고 해서 원자 하나하나가 실험 구조와 완벽히 일치한다는 뜻은 아니다. 반대로 pLDDT 40이라고 해서 AlphaFold가 완전히 실패했다는 뜻도 아니다. pLDDT는 해당 부위가 안정된 접힘 구조로 모델링될 수 있는지를 알려 주는 신호에 가깝다.

예를 들어 효소의 중심 도메인이 pLDDT 92로 잘 접혀 있고, 단백질 양끝 30개 잔기가 pLDDT 35로 길게 늘어져 있다고 하자. 이 결과를 보고 "말단 예측이 실패했으니 전체 모델이 나쁘다"고 판단하면 곤란하다. 실제 단백질에서도 말단은 자유롭게 흔들리는 경우가 많다. AlphaFold가 낮은 pLDDT로 표시한 것은 실패가 아니라 "이 부분은 하나의 고정된 형태로 말하기 어렵다"는 신호일 수 있다.

낮은 pLDDT는 실패가 아니라 유연성의 흔적일 수 있다

단백질은 철제 부품처럼 딱딱한 물체가 아니다. 물속에서 끊임없이 흔들리고, 특정 파트너를 만났을 때만 접히고, 상황에 따라 여러 형태를 오간다. 그래서 낮은 pLDDT 영역을 볼 때는 먼저 위치와 생물학적 맥락을 확인해야 한다.

낮은 pLDDT가 자주 나타나는 곳은 말단, 긴 루프, 도메인 사이 링커, 그리고 본질적으로 무질서한 영역이다. 본질적으로 무질서한 영역은 영어로 intrinsically disordered region, 줄여서 IDR이라고 부른다. IDR은 안정적인 하나의 3차원 구조를 갖지 않고 여러 형태를 오가는 단백질 구간이다. 세포 안에서는 이런 유연성이 신호 전달, 조절, 결합 파트너 선택에 오히려 중요하게 쓰인다.

따라서 낮은 pLDDT 영역을 해석할 때는 "왜 못 맞혔을까?"보다 "혹시 실제로 고정된 구조가 아닐까?"를 먼저 물어야 한다. 특히 다음과 같은 상황에서는 유연성 신호로 보는 것이 자연스럽다.

• 단백질의 N말단이나 C말단에 낮은 pLDDT가 길게 이어지는 경우

• 두 개의 잘 접힌 도메인 사이를 연결하는 긴 링커만 낮은 pLDDT를 보이는 경우

• 전하가 많은 반복 서열, 저복잡도 서열, 프롤린·글라이신이 많은 구간이 낮게 나오는 경우

• 알려진 결합 파트너나 막, DNA, RNA를 만났을 때 접히는 조절 구간으로 의심되는 경우

반대로 단백질의 핵심 촉매 도메인 전체가 pLDDT 50 미만이라면 단순한 유연성으로 보기 어렵다. 입력 서열이 잘못되었거나, MSA가 부족하거나, 여러 상태가 섞여 있거나, 해당 단백질이 단독으로는 안정적으로 접히지 않을 수 있다. 이럴 때는 서열 범위, isoform, 도메인 경계, 복합체 필요성, 템플릿 사용 여부를 다시 점검해야 한다.

낮은 pLDDT를 가진 구간을 구조 그림에서 그대로 보고 "이 나선이 이렇게 움직여 결합한다"고 설명하는 것은 위험하다. 낮은 pLDDT 구간은 한 장의 사진이 아니라 흐릿한 그림자에 가깝다. 그림자의 방향은 힌트가 될 수 있지만, 그림자를 보고 얼굴 생김새를 단정할 수는 없다.

PAE: 두 부분의 상대적 위치를 읽는 지도

pLDDT가 잔기별 신뢰도라면, PAE는 잔기와 잔기 사이의 상대적 위치 신뢰도다. PAE는 predicted aligned error의 약자로, 보통 잔기 번호가 가로축과 세로축에 놓인 사각형 heatmap으로 표시된다. 값의 단위는 Å, 즉 옹스트롬이다. 1 Å은 0.1 나노미터에 해당하는 매우 작은 길이다.

PAE plot은 처음 보면 복잡해 보이지만, 핵심은 단순하다. 색이 낮은 오차를 뜻하는 영역은 두 부분의 상대적 배치가 믿을 만하다는 뜻이고, 높은 오차를 뜻하는 영역은 두 부분이 서로 어떻게 놓이는지 확실하지 않다는 뜻이다. 도구마다 색상은 다를 수 있지만, 보통 낮은 PAE는 어두운 파란색 계열, 높은 PAE는 밝거나 붉은 계열로 표시된다.

PAE에서 가장 먼저 볼 것은 대각선 주변이다. 같은 도메인 안의 잔기들은 서로 가까이 있고 함께 접히므로, 신뢰할 만한 도메인이라면 대각선 근처에 낮은 PAE 블록이 나타난다. 이 블록은 "이 도메인 내부 구조는 서로 잘 맞물려 있다"는 뜻이다.

그다음에는 대각선 바깥의 블록을 본다. 이곳이 더 중요할 때가 많다. 대각선 밖의 블록은 서로 떨어진 두 구간, 예를 들어 도메인 A와 도메인 B의 상대적 배치를 보여 준다. 도메인 A 내부도 pLDDT가 높고 도메인 B 내부도 pLDDT가 높은데, A와 B 사이의 PAE가 높다면 어떻게 해석해야 할까? 답은 명확하다. 각 도메인의 모양은 믿을 수 있지만, 두 도메인이 그림처럼 서로 붙어 있는 방향과 각도는 믿기 어렵다.

이 지점에서 많은 사용자가 실수한다. 3D 뷰어에서는 도메인 A와 B가 멋지게 나란히 배치되어 보인다. 그래서 마치 두 도메인 사이의 홈이 실제 결합 포켓인 것처럼 느껴진다. 하지만 PAE가 높다면 그 홈은 예측 모델의 한 가지 배치에서 우연히 생긴 틈일 수 있다. 실제 단백질에서는 두 도메인이 링커를 중심으로 흔들리며 다른 각도를 취할 수 있다.

도메인 내부 신뢰도와 도메인 간 배치 신뢰도는 다르다

다중 도메인 단백질을 하나 떠올려 보자. 앞쪽 1~150번 잔기는 kinase-like 도메인처럼 단단히 접혀 있고, 뒤쪽 220~380번 잔기는 별도의 결합 도메인처럼 잘 접혀 있다. 두 도메인 사이에는 151~219번의 긴 링커가 있다. AlphaFold 결과에서 두 도메인은 각각 pLDDT 90 이상이다. 구조 그림만 보면 두 도메인이 V자 모양으로 맞물려 있어 멋진 조절 포켓이 생긴 것처럼 보인다.

그러나 PAE plot을 열어 보니 이야기가 달라진다. 1~150번 내부 블록은 낮은 PAE다. 220~380번 내부 블록도 낮은 PAE다. 그런데 1~150번과 220~380번 사이의 바깥 블록은 높은 PAE로 가득하다. 이 경우 올바른 결론은 "두 도메인은 각각 잘 예측되었지만, 두 도메인의 상대적 위치는 불확실하다"이다.

이 구조를 연구에 활용한다면 도메인별 해석은 가능하다. 각 도메인의 보존된 잔기, 표면 전하 분포, 알려진 fold와의 유사성, 도메인 내부 돌연변이 위치는 살펴볼 수 있다. 하지만 도메인 사이에 생긴 포켓, 도메인 간 수소결합, 특정 잔기끼리의 접촉, 전체 단백질의 닫힌 형태와 열린 형태를 단정해서는 안 된다.

PAE가 높은 도메인 간 배치는 "틀렸다"기보다는 "여러 가능성 중 하나일 뿐"이라고 보는 편이 정확하다. 실제 단백질은 용액 안에서 열린 형태와 닫힌 형태를 오갈 수 있다. 어떤 파트너가 결합해야 특정 배치가 안정화될 수도 있다. 또는 결정 구조에서는 결정 포장 때문에 한 가지 배치가 보이고, 용액에서는 다른 배치가 우세할 수도 있다. AlphaFold의 높은 PAE는 이 복잡성을 정직하게 알려 주는 신호다.

pLDDT는 높은데 PAE가 높은 구조를 어떻게 다룰까

AlphaFold 결과 해석에서 가장 흔하고도 중요한 장면이 있다. 구조는 전체적으로 파랗다. pLDDT가 높다. 그런데 PAE plot에는 도메인 사이가 온통 높은 오차로 표시되어 있다. 초보자는 혼란스럽다. "좋다는 거야, 나쁘다는 거야?"

정답은 "부분적으로 좋다"이다. 이 구조는 접힌 부품들은 잘 만들어졌지만, 부품들이 조립된 최종 자세는 확실하지 않은 상태다. 장난감 블록으로 비유하면 쉽다. 자동차의 바퀴, 차체, 문짝은 각각 잘 만들어졌지만, 문이 열린 상태인지 닫힌 상태인지, 바퀴가 어느 각도로 꺾였는지는 확실하지 않은 것이다.

이런 경우 해석 기준을 분명히 나누어야 한다.

따라서 논문이나 보고서에서는 "AlphaFold 모델은 두 도메인의 개별 fold를 높은 신뢰도로 제시하지만, PAE가 높아 도메인 간 상대 배치는 불확실하다"처럼 표현하는 것이 좋다. 이 문장은 과하게 방어적인 말이 아니다. 오히려 구조 예측 결과를 정확히 이해하고 있다는 표시다.

pTM: 전체 접힘을 보는 전역 점수

pTM은 predicted TM-score의 줄임말이다. TM-score는 두 단백질 구조의 전체적인 유사성을 평가하는 점수인데, AlphaFold의 pTM은 예측 구조가 실제 구조와 전역적으로 얼마나 비슷할지를 추정한 값이라고 이해하면 된다. 값은 대체로 0에서 1 사이이며, 높을수록 전체 fold가 믿을 만하다는 뜻이다.

pLDDT가 잔기별 점수라면 pTM은 전체적인 건축 점수에 가깝다. 벽돌 하나하나가 잘 놓였는지 보는 것이 pLDDT라면, 건물 전체 배치가 설계와 맞는지 보는 것이 pTM이다. 특히 단백질이 여러 도메인으로 이루어져 있거나 전체적인 위상, 즉 어느 도메인이 어느 쪽에 놓이는지가 중요할 때 pTM을 함께 봐야 한다.

pTM은 대략 다음처럼 해석할 수 있다.

이 구간은 절대 법칙이 아니다. 단백질 길이, 도메인 수, 유연성, MSA 품질에 따라 체감 신뢰도는 달라진다. 하지만 pTM이 낮은데 전체 구조를 확정적인 3D 모델처럼 사용하는 것은 위험하다.

특히 pTM이 애매하게 낮고 pLDDT가 도메인별로 높다면, 전체 단백질이 잘못 접힌 것이 아니라 도메인 간 배치가 불확실해서 전역 점수가 낮아졌을 가능성이 있다. 이때는 PAE plot이 판단의 열쇠다. 도메인 내부 PAE가 낮고 도메인 간 PAE가 높다면, 단백질을 하나의 단단한 덩어리로 보지 말고 여러 개의 잘 접힌 모듈이 유연하게 연결된 형태로 다루는 것이 좋다.

ipTM: 복합체에서 interface를 보는 점수

단백질 복합체를 예측할 때는 질문이 달라진다. 단일 단백질에서는 "이 단백질이 어떻게 접히는가?"가 중심이었다. 복합체에서는 "두 사슬이 정말 서로 붙는가?", "붙는다면 어느 면으로 붙는가?", "그 interface를 믿을 수 있는가?"가 핵심이다.

ipTM은 interface predicted TM-score의 줄임말로, 복합체에서 사슬 사이 상대 배치와 결합면의 신뢰도를 평가하는 데 쓰인다. 여기서 interface는 두 분자가 실제로 맞닿는 경계면을 뜻한다. 단백질 A의 표면 잔기와 단백질 B의 표면 잔기가 가까이 놓여 상호작용하는 부분이 interface다.

복합체 예측에서는 pLDDT가 높아도 안심할 수 없다. 각 단백질 사슬이 따로 잘 접히는 것은 pLDDT로 확인할 수 있지만, 두 사슬이 실제로 그 자세로 결합하는지는 별개의 문제다. A도 잘 접히고 B도 잘 접혔는데, A와 B의 상대적 위치는 틀릴 수 있다. 그래서 복합체에서는 ipTM과 사슬 간 PAE를 반드시 함께 봐야 한다.

ipTM은 대략 다음과 같이 해석할 수 있다.

복합체 모델의 순위를 매길 때는 pTM보다 ipTM이 더 중요하게 반영되는 경우가 많다. 이유는 간단하다. 복합체에서 가장 알고 싶은 것은 각 단백질이 혼자 어떻게 접히는지가 아니라, 서로 어떻게 만나는지이기 때문이다.

예를 들어 단백질 A와 B를 함께 예측했는데 pLDDT는 둘 다 90 이상이고 pTM도 나쁘지 않다고 하자. 그러나 ipTM이 0.45이고 사슬 간 PAE가 높다면, 그 복합체 자세는 믿기 어렵다. 두 단백질의 개별 구조는 유용할 수 있지만, "A와 B가 이 면으로 결합한다"는 결론은 내릴 수 없다.

반대로 ipTM이 높고 사슬 간 PAE가 낮으며, 여러 seed에서 비슷한 interface가 반복해서 나온다면 훨씬 강한 신호가 된다. 이때도 실험적으로 알려진 결합 부위, 돌연변이 결과, 보존성, 세포 내 위치, 화학적으로 말이 되는 접촉인지 등을 함께 확인해야 한다. AlphaFold는 강력한 가설 생성 도구이지, 결합 실험을 자동으로 대체하는 판사가 아니다.

네 지표를 함께 읽는 순서

실전에서는 결과 파일을 열고 무작정 3D 구조를 돌려 보기보다, 일정한 순서로 확인하는 편이 좋다. 좋은 습관은 해석의 속도를 높이고, 그럴듯한 그림에 속을 가능성을 줄여 준다.

먼저 pLDDT로 접힌 영역과 유연한 영역을 나눈다. 구조 전체가 파란지 노란지 보는 데서 멈추지 말고, 낮은 구간이 말단인지, 링커인지, 핵심 도메인인지 확인한다. 낮은 pLDDT 영역이 기능적으로 중요한 조절 구간일 수도 있으므로 무조건 삭제하거나 실패로 처리하지 않는다.

그다음 PAE plot을 열어 도메인 내부와 도메인 사이를 구분한다. 대각선 근처의 낮은 PAE 블록은 잘 접힌 도메인을 알려 준다. 대각선 바깥의 낮은 PAE 블록은 서로 다른 도메인이나 사슬 사이의 상대적 배치가 안정적일 수 있음을 뜻한다. 반대로 도메인 간 PAE가 높다면 전체 3D 배치는 조심해야 한다.

단일 단백질이라면 pTM으로 전체 fold의 신뢰도를 확인한다. pTM이 높고 PAE도 전반적으로 낮다면 전체 모델을 비교적 적극적으로 해석할 수 있다. pTM이 낮거나 애매하다면 도메인별 해석으로 범위를 줄이는 것이 안전하다.

복합체라면 ipTM과 사슬 간 PAE를 우선한다. 각 사슬의 pLDDT가 높더라도 interface가 불확실하면 복합체 결론은 약하다. ipTM이 높고 사슬 간 PAE가 낮으며 반복 실행에서 같은 결합 자세가 나온다면, 그때 비로소 interface 잔기와 결합 가설을 조심스럽게 검토할 수 있다.

이 흐름을 간단히 정리하면 다음과 같다.

사례 1: 높은 pLDDT, 낮은 PAE, 높은 pTM

가장 기분 좋은 결과부터 보자. 단일 도메인 단백질을 예측했는데 대부분의 잔기가 pLDDT 90 이상이다. PAE plot은 전체적으로 낮은 값으로 채워져 있고, pTM도 0.85다. 이런 경우에는 전체 fold를 상당히 신뢰할 수 있다.

이 모델은 기능 가설을 세우는 데 좋은 출발점이 된다. 보존된 잔기가 한쪽 표면에 모이는지, 알려진 도메인과 비슷한 접힘인지, 돌연변이가 구조 중심부를 무너뜨릴 가능성이 있는지 살펴볼 수 있다. 다만 여전히 주의할 점은 있다. 낮은 pLDDT 루프가 활성 부위 주변에 있다면 그 루프의 정확한 자세는 조심해야 한다. 금속 이온, 보조인자, 리간드, 막 환경이 없는 상태에서 예측된 구조라면 실제 결합 상태와 차이가 날 수 있다.

즉 이 경우의 결론은 "구조 전체가 유용하다"이지 "모든 원자 위치가 실험 없이 확정되었다"가 아니다.

사례 2: 높은 pLDDT, 높은 도메인 간 PAE

이번에는 두 도메인 단백질이다. 각 도메인은 pLDDT 90 이상이고 내부 PAE도 낮다. 그런데 도메인 사이 PAE가 높고, 두 도메인을 연결하는 링커의 pLDDT는 45다. 3D 구조에서는 두 도메인이 가까이 붙어 있어 넓은 홈이 보인다.

이때 가장 유혹적인 해석은 "이 홈이 리간드 결합 부위일 것이다"라고 말하는 것이다. 하지만 이것이 바로 과해석이다. 도메인 사이 PAE가 높다는 것은 두 도메인의 상대적 배치가 확실하지 않다는 뜻이다. 지금 보이는 홈은 실제로 존재하는 안정한 포켓이 아닐 수 있다.

올바른 해석은 도메인별로 제한해야 한다. 도메인 A의 fold와 도메인 B의 fold는 각각 분석할 수 있다. 각 도메인 안의 보존 잔기와 표면 성질도 볼 수 있다. 그러나 도메인 A와 B가 만드는 접촉면, 도메인 사이 홈, 전체 단백질의 굽은 각도는 신뢰하지 않는다. 필요하다면 도메인을 따로 잘라 예측하거나, 다른 seed로 반복 실행하거나, 알려진 결합 파트너를 포함해 복합체로 다시 예측해 볼 수 있다.

이 사례는 AlphaFold 해석에서 매우 중요하다. "부분적으로 매우 좋은 모델"과 "전체적으로 확정된 모델"은 다르다.

사례 3: 낮은 pLDDT 말단과 잘 접힌 중심 도메인

어떤 단백질의 중심부 80~310번 잔기는 pLDDT 90 이상으로 잘 접혔다. 하지만 1~79번 N말단과 311~360번 C말단은 pLDDT가 30~50 사이이고, 구조 그림에서는 길게 뻗은 실처럼 보인다.

이 결과를 실패로 볼 필요는 없다. 말단은 실제로 유연할 수 있다. 특히 낮은 pLDDT 말단에 반복 서열, 전하가 많은 구간, 저복잡도 구간이 있다면 IDR일 가능성이 있다. 이런 영역은 특정 파트너를 만나거나 인산화 같은 변형을 받을 때 기능을 수행할 수 있다.

이 모델을 사용할 때는 중심 도메인을 중심으로 해석한다. 말단의 정확한 방향, 중심 도메인 표면에 일시적으로 닿아 있는 자세, 말단 잔기 사이의 거리는 믿지 않는다. 대신 "이 말단은 고정된 구조로 예측되지 않았으며 유연하거나 조건 의존적으로 접힐 가능성이 있다"는 식으로 기술한다.

실험 설계를 한다면 이 낮은 pLDDT 구간은 오히려 흥미로운 후보가 된다. 절단 construct를 만들 때 제거할지, 조절 기능을 보기 위해 남길지, 결합 파트너와 함께 예측해 볼지 결정해야 하기 때문이다.

사례 4: 복합체에서 pLDDT는 높은데 ipTM이 낮다

단백질 A와 B의 복합체를 예측했다. 두 사슬 모두 pLDDT가 높고 각자 예쁜 구조를 가진다. 그러나 ipTM은 0.42이고 사슬 간 PAE는 높다. 3D 뷰어에서는 A와 B가 서로 맞닿아 있지만, interface의 접촉 잔기는 seed를 바꿀 때마다 달라진다.

이 경우 결론은 분명하다. A와 B의 개별 구조는 참고할 수 있지만, 복합체 결합 자세는 신뢰하기 어렵다. "A의 45번 잔기와 B의 102번 잔기가 핵심 결합을 형성한다"고 쓰면 안 된다. 그것은 구조가 말해 주지 않은 내용을 사용자가 덧붙인 것이다.

복합체에서는 특히 반복성이 중요하다. seed를 바꾸어도 비슷한 interface가 나오고, ipTM이 높고, 사슬 간 PAE가 낮고, 알려진 생물학적 정보와 맞아야 한다. 하나의 모델에서 단백질들이 우연히 붙어 보인다는 이유만으로 상호작용을 주장해서는 안 된다.

숫자는 기준이고, 결론은 맥락에서 나온다

pLDDT 90, pTM 0.7, ipTM 0.8 같은 숫자는 유용한 기준이다. 하지만 구조 생물학에서 숫자는 항상 맥락과 함께 읽어야 한다. 같은 pLDDT 75라도 안정한 효소 도메인의 핵심부라면 아쉬운 결과일 수 있고, 유연한 조절 루프라면 충분히 그럴듯한 결과일 수 있다. 같은 ipTM 0.65라도 알려진 결합 실험이 있고 interface가 반복적으로 재현된다면 검토할 가치가 있지만, 생물학적 근거가 전혀 없다면 약한 신호일 수 있다.

AlphaFold의 confidence metric은 결론을 자동으로 내려 주지 않는다. 대신 질문의 방향을 잡아 준다. "이 부분을 믿어도 되는가?", "도메인을 따로 보아야 하는가?", "복합체 interface를 주장할 수 있는가?", "추가 예측이나 실험이 필요한가?" 같은 질문에 답할 근거를 제공한다.

좋은 사용자는 높은 점수를 보고 흥분하기 전에 낮은 점수를 찾는다. 낮은 점수를 보고 실망하기 전에 그 위치를 본다. 구조 그림을 보기 전에 PAE를 열고, 복합체를 주장하기 전에 ipTM을 확인한다. 이 습관만 있어도 AlphaFold 결과를 훨씬 더 안전하고 강력하게 사용할 수 있다.

과해석을 막는 문장들

실제 보고서나 논문 초안에서 가장 어려운 것은 조심스러운 해석을 문장으로 쓰는 일이다. 너무 약하게 쓰면 아무것도 말하지 않는 것 같고, 너무 강하게 쓰면 모델이 감당하지 못하는 주장이 된다. 다음과 같은 표현은 구조 예측 결과를 균형 있게 전달하는 데 도움이 된다.

이런 문장은 단순한 안전장치가 아니다. 독자에게 "어디까지가 모델이 말한 것이고, 어디서부터가 가설인지"를 분명히 알려 준다. 구조 예측을 연구에 쓰려면 이 경계선을 그을 줄 알아야 한다.

좋은 AlphaFold 해석은 회의적이지만 생산적이다

AlphaFold 결과를 회의적으로 본다는 것은 불신한다는 뜻이 아니다. 오히려 잘 믿기 위해 의심하는 것이다. pLDDT가 높은 곳은 과감히 활용하고, 낮은 곳은 유연성이나 조건 의존성을 의심한다. PAE가 낮은 도메인 내부는 분석하되, PAE가 높은 도메인 간 배치는 고정하지 않는다. pTM으로 전체 fold를 점검하고, 복합체에서는 ipTM으로 interface 신뢰도를 확인한다.

결국 네 지표가 말하는 바는 하나로 모인다. 단백질 구조는 한 덩어리의 정답이 아니라, 신뢰도가 서로 다른 조각들의 지도다. 어떤 조각은 거의 선명하고, 어떤 조각은 흐릿하며, 어떤 조각은 여러 위치로 움직일 수 있다. AlphaFold를 잘 쓰는 사람은 이 지도를 보고 길을 잃지 않는다. 선명한 길로는 걸어가고, 안개 낀 지역에는 깃발을 꽂아 둔다.

다음 단계에서는 이 판단을 복합체 예측으로 확장해야 한다. 단백질이 혼자 있을 때와 파트너를 만났을 때는 전혀 다른 문제가 된다. 이제부터는 단백질 사슬들이 서로 어떻게 만나고, 어떤 interface를 믿을 수 있으며, 어떤 예측은 과감히 버려야 하는지를 살펴볼 차례다.