책에 포함된 노트AlphaFold 실전 사용법: 서열 준비부터 구조 해석, AlphaFold 3와 재현 가능한 보고까지

단백질 복합체와 멀티머 예측하기

2026-05-12Views 74약 11분생성형 AI 활용

Summary

단백질 하나에서 '함께 접힌다'는 세계로

지금까지 우리는 주로 단백질 한 사슬을 예측하고, 그 결과를 pLDDT와 PAE로 해석하는 법을 익혔다. 단일 단백질 예측에서는 "이 도메인은 잘 접혔는가?", "이 말단은 무질서한가?", "두 도메인의 상대 배치는 믿을 만한가?"가 핵심 질문이었다. 복합체 예측으로 넘어가면 질문이 한 단계 더 날카로워진다.

"이 두 단백질은 정말 서로 붙는가?"

"붙는다면 어느 면으로 붙는가?"

"예측된 결합 방향이 생물학적으로 가능한가?"

AlphaFold-Multimer와 ColabFold는 이 질문에 강력한 실마리를 준다. 단백질-단백질 복합체의 구조, 즉 여러 사슬이 모여 만든 4차 구조를 서열만으로 추정할 수 있기 때문이다. 하지만 이 장에서 가장 먼저 기억해야 할 문장은 따로 있다. 복합체 예측은 단일 단백질 예측보다 더 흥미롭지만, 더 위험하다.

단일 단백질에서는 잘못된 부분이 비교적 눈에 잘 띈다. pLDDT가 낮은 말단, PAE가 높은 도메인 배치처럼 경고등이 분명한 편이다. 반면 복합체에서는 각 사슬이 매우 그럴듯하게 접혀 있어도, 사슬끼리 붙는 방식이 틀릴 수 있다. 멀쩡한 배우들이 엉뚱한 무대에서 엉뚱한 방향을 보고 서 있는 셈이다.

AlphaFold-Multimer는 원래 알려진 stoichiometry, 즉 각 단백질 사슬이 몇 개씩 들어가는지 알고 있다는 전제에서 다중 사슬 복합체를 예측하도록 개발되었다.¹ 따라서 입력 단계에서 "A 단백질 1개와 B 단백질 1개인지", "A 단백질 2개가 대칭적으로 붙는지", "A₂B₂인지 A₁B₂인지"를 잘못 지정하면, 결과는 처음부터 다른 문제를 푼 답안이 된다.

이 장에서는 ColabFold와 AlphaFold-Multimer를 이용해 단백질 복합체를 예측하는 실제 흐름을 다룬다. 입력은 어떻게 쓰는지, paired MSA는 왜 중요한지, ipTM과 interface PAE를 어떻게 읽는지, 여러 seed 결과가 서로 다를 때 무엇을 믿어야 하는지까지 차근차근 살펴보자.

단백질 복합체와 멀티머 예측하기

복합체 입력의 기본 문법: 콜론으로 사슬을 나눈다

ColabFold에서 복합체를 입력하는 문법은 단순하다. 각 사슬의 아미노산 서열을 콜론(:)으로 구분하면 된다. ColabFold 노트북도 복합체 모델링을 위해 단백질 사슬 사이에 :를 넣으라고 안내한다.²

예를 들어 A 단백질과 B 단백질이 1개씩 결합하는 heterodimer를 예측한다면 다음처럼 입력한다.

AAAAAA...AAAA:BBBBBB...BBBB

여기서 왼쪽은 chain A, 오른쪽은 chain B로 처리된다. 실제 출력 파일에서는 사슬 이름이 A, B, C처럼 자동 배정될 수 있다. 중요한 것은 입력 순서가 곧 사슬 구성이라는 점이다.

동일한 단백질 두 개가 붙는 homodimer라면 같은 서열을 두 번 쓴다.

AAAAAA...AAAA:AAAAAA...AAAA

동일한 단백질 세 개가 모이는 homotrimer라면 세 번 쓴다.

AAAAAA...AAAA:AAAAAA...AAAA:AAAAAA...AAAA

서로 다른 단백질이 정해진 비율로 모이는 hetero-oligomer도 같은 방식이다. 예를 들어 A₂B₁ 복합체라면 A 서열을 두 번, B 서열을 한 번 넣는다.

AAAAAA...AAAA:AAAAAA...AAAA:BBBBBB...BBBB

A₂B₂라면 다음과 같다.

AAAAAA...AAAA:AAAAAA...AAAA:BBBBBB...BBBB:BBBBBB...BBBB

여기서 stoichiometry라는 단어가 중요하다. Stoichiometry는 원래 화학량론이라는 뜻이지만, 복합체 예측에서는 "각 구성 단위가 몇 개씩 들어가는가"라는 의미로 받아들이면 된다. A₂B₂는 A가 2개, B가 2개인 조립체다. A₁B₁과 A₂B₂는 같은 단백질 A와 B를 포함하더라도 전혀 다른 구조 문제다.

복합체 예측에서 초보자가 가장 자주 하는 실수는 "일단 관련 있어 보이는 단백질을 모두 넣어 보는 것"이다. 그렇게 하면 AlphaFold-Multimer는 주어진 사슬들이 모두 한 구조 안에 있어야 한다고 가정하고 답을 만든다. 실제 세포 안에서 일시적으로 스치듯 만나는 단백질, 서로 다른 조건에서만 결합하는 단백질, 같은 경로에 있지만 직접 접촉하지 않는 단백질까지 한꺼번에 넣으면 그럴듯한 가짜 접촉면이 생길 수 있다.

입력하기 전에는 다음 세 가지를 먼저 자문해야 한다.

이 사슬들이 실제로 같은 복합체 안에 동시에 존재하는가?
각 사슬의 copy 수를 뒷받침하는 실험적 또는 문헌 근거가 있는가?
전체 길이가 ColabFold나 사용 중인 GPU 메모리에서 감당 가능한가?

복합체 예측은 "가능한 모든 조합을 던져 넣는 도구"가 아니라 "가설로 세운 조립 상태를 구조적으로 시험하는 도구"에 가깝다.

Homo-oligomer와 hetero-oligomer는 다르게 생각한다

복합체는 크게 두 종류로 나눌 수 있다. 같은 단백질끼리 모인 경우를 homo-oligomer, 서로 다른 단백질들이 모인 경우를 hetero-oligomer라고 한다.

Homo-oligomer는 입력은 간단하지만 해석은 만만치 않다. 같은 서열을 copy 수만큼 반복하면 되지만, 실제 생물학적 조립 상태가 dimer인지 trimer인지 tetramer인지 모르면 문제가 복잡해진다. 예를 들어 어떤 효소가 결정 구조에서는 dimer처럼 보이지만 용액에서는 monomer로 작동할 수도 있고, 세포 안에서는 더 큰 assembly의 일부일 수도 있다. 이때 AlphaFold-Multimer에 homodimer로 입력하면 모델은 "두 사슬을 어떻게든 배치"하려고 한다. 결과적으로 높은 pLDDT를 가진 dimer가 나오더라도, 그것이 실제 기능 단위라는 뜻은 아니다.

Hetero-oligomer는 한층 더 조심해야 한다. 서로 다른 단백질의 사슬 수를 잘못 넣으면 quaternary structure, 즉 전체 조립 구조가 달라진다. A와 B가 실제로는 A₂B₂ 고리 형태로 작동하는데 A₁B₁만 넣으면, 모델은 작은 부분 복합체만 예측한다. 반대로 실제로는 A₁B₁인데 A₂B₂로 넣으면, 모델이 가짜 대칭 접촉면을 만들어 낼 수 있다.

AlphaFold-Multimer가 강력한 이유는 사슬 내부 구조와 사슬 사이 접촉을 동시에 예측한다는 점이다. 그러나 바로 그 점 때문에 입력 가설이 틀리면 결과도 설득력 있게 틀린다. 잘 접힌 각 단백질이 말끔한 표면을 맞대고 있으면, 우리는 쉽게 "진짜 같다"고 느낀다. 하지만 구조 예측에서 가장 위험한 순간은 결과가 어설플 때가 아니라 너무 그럴듯할 때다.

따라서 복합체 예측을 시작하기 전에는 가능한 한 다음 정보를 모아야 한다. UniProt의 subunit annotation, 논문에 보고된 co-immunoprecipitation이나 pull-down 결과, SEC-MALS나 native gel에서 추정된 분자량, cryo-EM이나 X-ray 구조의 부분 정보, AlphaFold DB나 PDB에 이미 등록된 관련 복합체 모델이 모두 도움이 된다. 2026년 기준 AlphaFold DB는 단일 단백질 예측뿐 아니라 대규모 단백질 복합체 예측 데이터도 공개하기 시작했으므로, 새로 계산하기 전에 이미 예측된 복합체가 있는지 확인하는 습관도 유용하다.³

ColabFold에서 복합체 예측 실행하기

ColabFold는 AlphaFold2와 AlphaFold-Multimer를 비교적 쉽게 실행할 수 있게 만든 환경이다. MMseqs2를 이용해 빠르게 MSA를 만들고, 노트북 또는 명령행 도구로 예측을 수행할 수 있다.⁴ 이전 장에서 단일 단백질 예측을 실행해 보았다면, 복합체 예측도 화면 자체는 낯설지 않을 것이다. 달라지는 핵심은 입력 서열, model_type, MSA pairing 옵션이다.

가장 간단한 ColabFold 노트북 흐름은 이렇다. query_sequence에 콜론으로 구분한 복합체 서열을 넣고, model_type은 auto 또는 alphafold2_multimer_v3로 둔다. auto를 선택하면 ColabFold는 입력이 복합체일 때 multimer 모델을 사용하도록 설정된다. num_recycles는 기본값으로 시작해도 되지만, 어려운 복합체에서는 6, 12처럼 늘려 비교할 수 있다. Recycle은 모델이 자기 예측을 다시 입력으로 받아 구조를 다듬는 반복 과정이다.

처음 실행에서는 과감하게 단순하게 시작하는 것이 좋다.

model_type: auto 또는 alphafold2_multimer_v3
msa_mode: mmseqs2_uniref_env 또는 기본 MMseqs2 옵션
pair_mode: unpaired_paired
num_recycles: 기본값 또는 3
num_seeds: 1 또는 2

처음부터 seed 16개, recycle 24, dropout까지 켜면 계산 시간이 크게 늘고 결과 해석도 복잡해진다. 첫 실행의 목적은 "이 복합체가 명확한 하나의 결합 모드를 보이는가?"를 빠르게 보는 것이다.

결과가 애매하다면 그때 설정을 늘린다. 예를 들어 top-ranked 모델은 A와 B가 한쪽 면으로 붙지만, 다른 모델들은 완전히 다른 면을 제시한다면 seed 수를 늘려야 한다. num_seeds를 4나 8로 늘리고, 필요하면 num_recycles를 6 또는 12로 올린다. ColabFold는 seed 반복, dropout 활성화, MSA 깊이 조절 같은 방식으로 모델의 불확실성에서 다양한 구조를 샘플링할 수 있다고 설명한다.⁵

복합체 예측에서 한 가지 현실적인 제한도 기억해야 한다. 총 잔기 수가 커질수록 GPU 메모리 사용량은 빠르게 증가한다. 단백질 네 개를 넣는다고 계산량이 단순히 네 배가 되는 것이 아니다. 잔기-잔기 쌍 정보를 다루기 때문에 길이가 길수록 메모리 부담이 급격히 커진다. EMBL-EBI 교육 자료도 Colab 기반 예측에는 단백질 크기와 계산 자원 제한이 있으며, multimer 예측에서는 특히 길이 제한을 고려해야 한다고 안내한다.⁶

paired MSA: 사슬 사이의 진화적 힌트

복합체 예측에서 가장 중요한 개념 중 하나가 paired MSA다. MSA는 multiple sequence alignment의 줄임말로, 비슷한 단백질 서열들을 줄 맞춰 놓은 표라고 생각하면 된다. 단일 단백질 예측에서는 MSA가 "이 단백질 안에서 어떤 잔기들이 함께 변해 왔는가"를 알려 준다. 복합체 예측에서는 여기에 더해 "서로 다른 두 단백질이 함께 진화했는가"를 볼 수 있다.

예를 들어 박테리아의 단백질 A와 단백질 B가 항상 같은 유전체 안에서 함께 발견되고, A의 특정 위치가 바뀔 때 B의 특정 위치도 함께 바뀐다면, 두 위치가 물리적으로 맞닿아 있을 가능성이 있다. 한쪽이 돌출부를 바꾸면 상대편 홈도 같이 바뀌어야 결합을 유지할 수 있기 때문이다. 이것이 공진화 신호다.

Paired MSA는 같은 종 또는 같은 유전체에서 나온 A homolog와 B homolog를 짝지어 정렬한다. 이렇게 하면 모델은 "이 A 변이체는 이 B 변이체와 함께 존재했다"는 정보를 얻는다. Heteromer 예측에서는 이 정보가 interface, 즉 결합면을 찾는 데 큰 도움을 줄 수 있다.

ColabFold에는 pair_mode 옵션이 있다. 대표적으로 unpaired_paired, paired, unpaired가 쓰인다. unpaired_paired는 같은 종에서 짝지을 수 있는 서열쌍과 각 사슬별 unpaired MSA를 함께 사용한다. paired는 짝지어진 정보에 더 의존하고, unpaired는 사슬별 MSA는 쓰지만 사슬 사이 짝짓기 정보는 쓰지 않는다. ColabFold 노트북은 multimer 예측에서 같은 종의 서열을 pair로 묶는 방식과 unpaired MSA를 함께 쓰는 방식을 옵션으로 제공한다.²

그러나 paired MSA는 마법의 열쇠가 아니다. 짝짓기가 정확할 때는 강력하지만, 부정확할 때는 오히려 잘못된 접촉을 강화할 수 있다. 특히 paralog가 많은 단백질군에서는 문제가 생긴다. Paralog는 같은 생물 안에 존재하는 비슷한 유전자 가족 구성원이다. A1은 B1과 결합하고 A2는 B2와 결합하는데, MSA pairing 과정에서 A1과 B2가 잘못 짝지어지면 모델은 엉뚱한 interface를 배울 수 있다.

이럴 때 좋은 전략은 paired MSA 결과와 unpaired MSA 결과를 비교하는 것이다. 둘이 비슷한 결합면을 제시한다면 신뢰가 올라간다. paired에서만 특정 접촉이 강하게 나타나고 unpaired에서는 사라진다면, 그 접촉은 공진화 짝짓기에 의존적인 결과일 수 있다. 그것이 진짜 신호일 수도 있지만, pairing 오류일 수도 있다.

복합체 예측을 할 때는 다음처럼 여러 조건을 비교해 보자.

pair_mode=unpaired_paired로 기본 예측
pair_mode=paired로 공진화 신호를 강하게 반영한 예측
pair_mode=unpaired로 사슬별 MSA만 사용한 예측
필요하면 single_sequence로 MSA 없이 모델의 구조적 prior가 만드는 접촉 확인

이 비교는 특히 박테리아 two-component system, 효소-조절 단백질, 수송체-보조 단백질처럼 homolog가 많고 공진화 신호가 있을 법한 복합체에서 유용하다. 반대로 포유류 단백질처럼 homolog 수가 적거나, 결합이 짧은 motif와 큰 표면 사이에서 일어나는 경우에는 paired MSA가 충분한 정보를 주지 못할 수 있다.

결과를 볼 때는 ipTM부터 보되, ipTM만 믿지 않는다

복합체 결과를 받으면 먼저 ranking을 보게 된다. AlphaFold-Multimer는 복합체 모델의 순위를 매길 때 ipTM을 중심으로 한 confidence score를 사용한다. ipTM은 inter-chain predicted TM-score의 줄임말로, 사슬 사이 배치가 얼마나 신뢰할 만한지 추정하는 지표다. 단일 단백질의 pTM이 전체 fold나 도메인 배치의 신뢰도를 보는 데 쓰였다면, ipTM은 복합체에서 사슬 간 상대 배치를 보는 데 더 직접적이다.

하지만 ipTM 하나로 결론을 내리면 안 된다. 복합체 예측은 "높은 점수 하나"보다 "여러 증거의 일관성"이 중요하다. AlphaFold-Multimer 기반 평가에서도 confidence score, interface 품질, 구조 유사성 등 여러 기준을 함께 활용해 모델을 평가하고 ranking을 개선하려는 시도가 이어져 왔다.⁷

복합체 모델을 평가할 때는 최소한 다음 네 가지를 함께 본다.

ipTM 또는 multimer ranking confidence
사슬 간 PAE, 특히 interface 주변 PAE
interface 부위의 pLDDT
실제 접촉 잔기 수와 접촉면의 화학적 타당성

여기서 interface PAE가 특히 중요하다. PAE는 "잔기 i를 기준으로 정렬했을 때 잔기 j의 위치 오차가 어느 정도일 것으로 예상되는가"를 뜻한다. 단일 단백질에서는 도메인 간 배치 판단에 썼고, 복합체에서는 사슬 간 배치 판단에 쓴다. PAE 행렬에서 chain A와 chain B 사이 블록을 보면, 모델이 A와 B의 상대 위치를 얼마나 확신하는지 알 수 있다.

A-B interface 부근의 PAE가 낮다면, 모델은 두 사슬의 상대 배치를 비교적 자신 있게 예측한 것이다. 반대로 각 사슬 내부 pLDDT는 높지만 A-B 사이 PAE가 높다면, 각 단백질은 잘 접혔으나 서로 어떻게 붙는지는 불확실하다는 뜻이다. 이 경우 예쁜 복합체 그림이 나와도 조심해야 한다.

Interface pLDDT도 함께 본다. 결합면을 이루는 loop나 helix의 pLDDT가 낮다면, 접촉 자체가 불안정할 수 있다. 특히 짧은 peptide나 유연한 말단이 큰 단백질 표면에 붙는 모델에서는 peptide 쪽 pLDDT가 낮게 나오는 일이 많다. 이것이 반드시 "결합하지 않는다"는 뜻은 아니다. 실제로 결합 전에는 무질서하다가 상대 단백질을 만나 접히는 motif도 많다. 다만 이런 경우 AlphaFold-Multimer 모델만으로 원자 수준의 결합 자세를 확정해서는 안 된다.

Interface를 눈으로 검사하는 법

점수를 본 뒤에는 반드시 구조를 열어 보아야 한다. PyMOL, ChimeraX, Mol*, iCn3D 중 익숙한 도구를 사용하면 된다. 복합체에서는 사슬별로 색을 다르게 지정하고, interface 주변 잔기를 확대해 보는 것이 좋다.

처음 볼 것은 접촉면의 크기다. 두 큰 단백질이 단지 긴 loop 끝 한두 잔기로만 닿아 있다면 의심해야 한다. 물론 아주 작은 접촉으로도 조절이 일어나는 예외는 있지만, 안정적인 복합체라면 대개 어느 정도 넓은 표면이 맞물린다. 소수성 잔기들이 내부로 묻히고, 극성 잔기나 전하 잔기가 수소결합 또는 염다리를 만들며, 표면 모양이 어느 정도 보완적으로 맞아야 한다.

다음으로 충돌을 본다. 원자들이 비정상적으로 겹치거나, 사슬이 서로를 관통하는 듯 보인다면 모델을 그대로 믿을 수 없다. AlphaFold 결과는 일반적으로 심한 충돌이 적지만, 낮은 confidence 영역이나 큰 복합체에서는 이상한 배치가 나타날 수 있다.

그다음은 생물학적 방향성이다. 막단백질이라면 막 관통 helix가 막 평면에 맞게 배치되는지, 세포질 도메인과 세포외 도메인의 방향이 뒤집히지 않았는지 확인해야 한다. 핵산 결합 단백질이라면 양전하 표면이 실제 DNA/RNA 결합면과 맞는지 볼 수 있다. 효소-기질 복합체라면 활성 부위가 막혀 버리거나 엉뚱한 면으로 멀어지는지 확인해야 한다.

Interface를 볼 때 특히 유용한 질문은 다음과 같다.

접촉면이 충분히 넓고 특정한가?
소수성 잔기는 묻히고 극성 잔기는 납득 가능한 상호작용을 만드는가?
알려진 활성 부위, 결합 motif, 돌연변이 잔기와 모순되지 않는가?
두 사슬이 세포 내 위치, 막 방향성, 도메인 연결성 측면에서 가능한 방향으로 놓였는가?
낮은 pLDDT 영역이 interface 전체를 지배하지는 않는가?

이 검사는 숫자로 대체할 수 없다. ipTM이 높아도 화학적으로 말이 안 되는 접촉면이면 보류해야 한다. 반대로 ipTM이 아주 높지는 않아도 알려진 돌연변이 데이터와 정확히 맞는 interface라면 추가 검증 대상으로 삼을 가치가 있다.

여러 모델이 서로 다른 결합 모드를 제시할 때

복합체 예측에서 자주 만나는 장면이 있다. rank 1 모델에서는 A가 B의 왼쪽 면에 붙고, rank 2 모델에서는 오른쪽 면에 붙는다. seed를 바꾸면 또 다른 면에 붙는다. 이때 초보자는 가장 높은 ipTM 모델을 고르고 끝내고 싶어진다. 하지만 여기서 멈추면 안 된다.

서로 다른 결합 모드가 나온다는 것은 모델이 하나의 해답으로 강하게 수렴하지 못했다는 신호다. 그 이유는 다양하다. 실제로 여러 결합 모드가 존재할 수도 있고, MSA 신호가 약할 수도 있으며, 입력 stoichiometry가 틀렸을 수도 있다. 또는 두 단백질이 직접 결합하지 않는데 모델이 억지로 붙이고 있을 수도 있다.

이럴 때는 "최고 점수"보다 "반복 재현성"을 본다. 여러 seed와 recycle 조건에서 독립적으로 실행했을 때 같은 interface가 반복해서 나오면 신뢰가 올라간다. 반대로 한 모델만 높은 ipTM을 보이고 나머지는 모두 다른 배치를 보인다면, 그 모델은 우연히 선택된 가능성이 있다.

실전에서는 다음 순서로 판단하면 좋다. 먼저 ipTM이 높은 모델들을 모은다. 그중 interface PAE가 낮은 모델을 추린다. 그다음 같은 결합면이 여러 seed에서 반복되는지 확인한다. 마지막으로 알려진 생물학적 정보와 충돌하는 모델을 제외한다. Known domain orientation, 돌연변이 실험, 교차결합 질량분석, cryo-EM density, 저해제 결합 위치, 보존된 motif 정보가 있다면 모두 활용한다.

예를 들어 특정 잔기 R145A 변이가 결합을 크게 약화시킨다는 논문이 있다고 하자. 예측 모델에서 R145가 interface 한가운데서 상대 단백질의 산성 잔기와 염다리를 만든다면 그 모델은 설득력이 있다. 반대로 R145가 용매로 노출된 먼 표면에 있고 interface와 아무 관련이 없다면, 아무리 ipTM이 높아도 조심해야 한다.

교차결합 데이터도 강력하다. 두 잔기가 화학적으로 교차결합되었다면, 실제 구조에서 두 잔기는 일정 거리 안에 있어야 한다. 예측 모델이 그 거리를 크게 벗어나면 해당 결합 모드는 보류한다. 다만 교차결합 실험도 유연한 linker와 동적 구조를 반영하므로, 하나의 거리 기준으로 기계적으로 판단하지는 말아야 한다.

paired와 unpaired 결과를 나란히 놓고 보기

복합체 예측의 품질은 MSA 구성에 크게 의존한다. ColabFold는 빠른 MMseqs2 기반 MSA 생성으로 접근성을 크게 높였지만,⁴ 복합체에서는 MSA의 "양"만큼이나 "짝짓기의 질"이 중요하다. 최근 연구들은 AlphaFold-Multimer 기반 복합체 예측 성능이 MSA 품질, 잡음 제거, 샘플링 전략에 따라 크게 달라질 수 있음을 보여 주었다. 예를 들어 MSA profile의 잡음을 줄여 AlphaFold-Multimer가 더 유용한 진화 정보를 쓰게 만들면, 어려운 복합체에서 성능이 개선될 수 있다는 보고도 있다.⁸

따라서 한 번의 ColabFold 실행 결과를 확정 구조로 취급해서는 안 된다. 특히 논문 그림, 가설 모델, 돌연변이 설계, docking 후속 분석에 사용할 구조라면 최소한 두세 가지 MSA 조건을 비교하는 것이 좋다.

가상의 예를 들어 보자. 단백질 A와 B의 heterodimer를 예측했더니 unpaired_paired에서는 A의 helix 3이 B의 groove에 들어간다. paired에서도 같은 groove가 나온다. unpaired에서는 A가 약간 돌아가 있지만 여전히 helix 3 주변이 B 표면에 닿는다. 여러 seed에서도 같은 면이 반복된다. 이 경우 interface 가설은 꽤 견고하다.

반대로 paired에서는 helix 3이 붙고, unpaired에서는 완전히 다른 loop가 붙으며, single_sequence에서는 두 사슬이 매번 다른 위치에 떠 있다면 어떨까. 이 경우 모델은 안정된 결합 해답을 갖고 있지 않을 가능성이 높다. 특히 paired MSA의 taxonomic pairing이 부정확할 가능성을 확인해야 한다.

ColabFold의 newer pairing strategy에는 여러 사슬 복합체에서 taxonomic match를 어떻게 묶을지에 대한 옵션도 있다. 한때는 모든 사슬이 한 줄에서 완전히 맞아야 pairing하는 방식이 중심이었지만, 이후에는 일부 사슬끼리라도 taxonomic subset이 맞으면 greedy하게 묶는 전략이 도입되었다.² 큰 heteromer에서는 이 차이가 결과에 영향을 줄 수 있다.

복합체가 클수록 "한 번에 전체를 넣고 끝내는" 방식도 어려워진다. CASP15의 복합체 예측 연구에서도 표준 AlphaFold-Multimer보다 다양한 MSA, template, ranking, refinement 전략을 결합한 시스템이 더 나은 성능을 보였으며, 특히 큰 hetero-multimer나 어려운 target에서는 입력 구성과 ranking이 큰 영향을 미쳤다.⁷ 이는 실무자에게 분명한 메시지를 준다. 복합체 예측은 버튼 한 번이 아니라, 가설을 바꾸고 입력을 바꾸며 안정적인 interface를 찾는 과정이다.

복합체 예측의 실전 워크플로

이제 실제 연구에서 쓸 수 있는 흐름으로 정리해 보자. 목표는 "예쁜 구조 하나"를 얻는 것이 아니라 "믿을 만한 interface 가설"을 얻는 것이다.

먼저 생물학적 가설을 정한다. A와 B가 직접 결합한다는 근거가 있는지, copy 수가 알려져 있는지, 결합에 필요한 도메인 범위가 어디인지 확인한다. 전체 길이 단백질을 넣기 전에 도메인 구성도 살펴야 한다. 매우 긴 무질서 말단이나 저복잡도 영역이 있으면 계산을 방해하고 잘못된 접촉을 만들 수 있다. 필요하면 full-length와 domain-only 모델을 둘 다 예측한다.

다음으로 입력 서열을 준비한다. Homo-oligomer는 같은 서열을 필요한 copy 수만큼 반복하고, hetero-oligomer는 stoichiometry에 맞게 각 사슬을 나열한다. isoform이나 signal peptide, transit peptide, transmembrane region을 포함할지 여부도 명확히 한다. 세포 밖에서 성숙 단백질끼리 결합하는데 signal peptide를 포함하면, N말단의 불필요한 서열이 interface 근처에 나타날 수 있다.

그다음 ColabFold에서 기본 multimer 예측을 실행한다. 처음에는 unpaired_paired, 기본 recycle, seed 1 또는 2로 시작한다. 결과에서 ranking, ipTM, pTM, pLDDT, PAE plot을 확인한다. ColabFold protocol은 complex prediction 결과에 pLDDT, PAE, pTM, ipTM 같은 confidence measure가 포함된다고 설명한다.⁹

초기 결과가 좋다면 반복 실행으로 안정성을 확인한다. seed를 늘리고, recycle을 늘리고, paired/unpaired 조건을 바꿔 본다. 결과 구조들을 한 폴더에 모아 interface별로 분류한다. 같은 interface가 반복되는지, top-ranked 모델들이 같은 결합 모드인지, interface PAE가 일관되게 낮은지 본다.

마지막으로 외부 증거와 대조한다. 알려진 돌연변이, 보존성, 도메인 방향, 실험적 결합 정보, 세포 내 위치, 막 방향성, 문헌 구조와 비교한다. 여기까지 통과한 모델만 "가설 구조"로 사용한다.

실무적으로는 다음과 같은 표를 만들어 모델을 비교하면 좋다.

모델	조건	ipTM	interface PAE	interface pLDDT	반복성	생물학적 근거와의 일치	판단
rank_001	unpaired_paired, seed 1	높음	낮음	높음	여러 seed에서 반복	돌연변이 잔기와 일치	우선 검토
rank_002	paired, seed 2	중간	중간	높음	일부 반복	방향성 애매	보류
rank_003	unpaired, seed 3	낮음	높음	높음	반복 안 됨	알려진 motif와 불일치	제외

숫자를 기계적으로 자르는 것보다, 각 항목이 같은 방향을 가리키는지 보는 것이 중요하다. 좋은 복합체 모델은 대개 여러 증거가 한곳으로 모인다. ipTM이 높고, interface PAE가 낮고, interface pLDDT가 괜찮고, 접촉면이 화학적으로 자연스럽고, 여러 seed에서 반복되며, 알려진 실험 정보와 충돌하지 않는다. 반대로 나쁜 모델은 어딘가에서 삐걱거린다.

큰 복합체와 부분 복합체 전략

모든 복합체를 한 번에 예측할 수 있는 것은 아니다. 총 잔기 수가 너무 크거나, 사슬 수가 많거나, 유연한 linker가 많으면 ColabFold가 메모리 부족으로 실패할 수 있다. 이때는 전체 복합체를 작게 나누어 접근한다.

예를 들어 A₂B₂C₂ 복합체가 있다고 하자. 처음부터 여섯 사슬을 모두 넣으면 실패할 수 있다. 이 경우 알려진 생물학적 정보에 따라 AB, BC, AC pair를 먼저 예측한다. 안정적인 pair interface가 확인되면 A₂B₂, B₂C₂처럼 부분 조립체를 확장한다. 마지막으로 가능한 경우 전체 조립체를 시도한다.

이 전략은 특히 큰 기계형 복합체에서 유용하다. 단, 부분 복합체 예측에는 함정이 있다. 어떤 interface는 전체 assembly가 있어야 안정적으로 형성된다. A와 B만 넣으면 잘못 붙지만, C가 함께 있을 때 올바른 위치로 고정될 수 있다. 따라서 pairwise 결과를 전체 구조의 절대 진실로 보지 말고, 조립 경로를 탐색하는 단서로 사용해야 한다.

또 하나의 전략은 도메인 단위 예측이다. 전체 단백질이 1,200잔기이고 그중 결합에 관여하는 도메인이 200잔기라면, 먼저 해당 도메인만 잘라 복합체를 예측할 수 있다. 이렇게 하면 계산이 빨라지고 interface 신호가 선명해질 수 있다. 그러나 도메인을 자를 때는 경계를 조심해야 한다. 도메인의 핵심 helix를 잘라 버리거나, 접힘에 필요한 보조 구조를 제거하면 오히려 잘못된 모델이 나온다.

도메인-only 모델과 full-length 모델이 같은 interface를 제시한다면 좋은 신호다. 도메인-only에서는 강한 interface가 나오지만 full-length에서는 사라진다면, 긴 무질서 영역이나 다른 도메인이 예측을 방해했을 수도 있고, 반대로 실제 full-length 맥락에서는 그 interface가 막혀 있을 수도 있다.

복합체 예측에서 자주 나오는 오판 패턴

복합체 예측을 많이 하다 보면 반복해서 만나는 실패 패턴이 있다. 첫 번째는 높은 pLDDT에 속는 경우다. 각 사슬의 pLDDT가 매우 높아도, 사슬 사이 배치가 맞다는 뜻은 아니다. pLDDT는 기본적으로 국소 구조 신뢰도다. 복합체에서는 interface PAE와 ipTM을 함께 봐야 한다.

두 번째는 무질서 꼬리가 가짜 접착제처럼 작동하는 경우다. 길고 유연한 N말단이나 C말단이 상대 단백질 표면에 달라붙은 듯 예측될 수 있다. 이 부위의 pLDDT가 낮고 seed마다 위치가 바뀐다면 신뢰하기 어렵다. 실제 short linear motif일 가능성도 있으므로 완전히 버리기보다는, motif 보존성이나 실험 데이터와 함께 판단한다.

세 번째는 과도한 homo-oligomer화다. 같은 서열을 여러 copy 넣으면 모델이 대칭적인 assembly를 만들 수 있다. 그러나 실제 단백질이 세포 안에서 그 copy 수로 존재한다는 근거가 없다면 조심해야 한다. 결정 packing에서 보이는 접촉과 생물학적 assembly를 혼동하는 것과 비슷한 문제가 생길 수 있다.

네 번째는 paralog mispairing이다. 비슷한 단백질 가족이 많은 경우 paired MSA가 엉뚱한 파트너를 묶어 잘못된 interface를 강화할 수 있다. 이때는 unpaired 결과, custom MSA, 종별 filtering, 알려진 operon 또는 gene neighborhood 정보를 활용해 pairing을 다시 생각해야 한다.

다섯 번째는 큰 복합체에서 일부 interface만 맞는 경우다. 전체 assembly 중 A-B는 맞지만 B-C는 틀릴 수 있다. 전체 ipTM이 나쁘지 않아도 특정 interface가 틀릴 수 있으므로, 복합체를 interface 단위로 쪼개 평가해야 한다. "이 모델은 맞다/틀리다"보다 "A-B interface는 신뢰 가능하지만 C의 위치는 불확실하다"처럼 부분적으로 판단하는 태도가 필요하다.

모델을 버릴 줄 아는 것이 실력이다

복합체 예측에서 가장 어려운 일은 좋은 모델을 고르는 것이 아니라, 그럴듯하지만 위험한 모델을 버리는 일이다. 특히 예측 결과가 자신의 가설을 지지할 때 더 조심해야 한다. 보고 싶은 interface가 예쁘게 나왔다는 이유만으로 믿으면, AlphaFold는 확증편향을 강화하는 도구가 된다.

다음 상황에서는 모델을 보류하거나 제외하는 것이 좋다.

ipTM은 높지만 interface PAE가 높고 seed마다 결합 모드가 달라지는 경우
interface가 대부분 낮은 pLDDT loop나 무질서 말단으로만 이루어진 경우
접촉면이 지나치게 작거나 화학적으로 부자연스러운 경우
알려진 돌연변이, 교차결합, domain orientation, 막 방향성과 명확히 충돌하는 경우
stoichiometry 근거가 약한데 특정 oligomer 상태만 강하게 주장하는 경우

반대로 다음 상황에서는 후속 실험이나 분석을 설계할 가치가 있다.

독립 seed와 MSA 조건에서 같은 interface가 반복되는 경우
ipTM이 높고 interface PAE가 낮은 경우
interface 부위 pLDDT가 충분히 높고 접촉면이 넓고 자연스러운 경우
보존된 잔기, 알려진 motif, 돌연변이 민감 잔기가 interface에 모이는 경우
문헌의 결합 정보나 낮은 해상도 실험 데이터와 잘 맞는 경우

좋은 복합체 모델은 결론이 아니라 출발점이다. 그 모델로 어떤 잔기를 돌연변이시킬지, 어떤 peptide를 합성할지, 어떤 crosslinking pair를 시험할지, 어떤 cryo-EM density에 fitting할지 결정할 수 있다. AlphaFold-Multimer의 가치는 "실험을 대체하는 것"이 아니라 "실험을 더 똑똑하게 설계하게 해 주는 것"에 있다.

한 번의 실행 대신 작은 검증 실험처럼 다루기

CASP15와 그 이후 연구들은 AlphaFold-Multimer 기반 복합체 예측이 분명히 강력하지만, 단일 단백질 예측만큼 안정적으로 모든 문제를 풀지는 못한다는 점을 보여 준다. 복합체 구조 예측은 사슬 내부 접힘뿐 아니라 사슬 사이 접촉, copy 수, MSA pairing, template 유무, 샘플링 전략, ranking의 영향을 함께 받는다. MSA 잡음을 줄이거나 다양한 MSA와 template를 조합하고 여러 모델을 평가하는 방식이 성능을 개선할 수 있다는 연구들이 이어지는 이유도 여기에 있다.⁷⁸

따라서 ColabFold에서 복합체를 예측할 때는 버튼 한 번으로 "정답 구조"를 얻었다고 생각하지 말자. 대신 작은 검증 실험처럼 다루자. 입력 가설을 세우고, 조건을 바꾸고, 반복성을 보고, 다른 데이터와 대조한다. 결과가 일관되면 가설이 강해진다. 결과가 흔들리면 아직 정보가 부족하다는 뜻이다.

복합체 예측의 핵심은 다음 한 문장으로 정리할 수 있다.

단백질 복합체 모델은 interface가 반복적으로, 낮은 PAE로, 생물학적으로 말이 되게 나타날 때 비로소 믿을 만하다.

이 기준을 지키면 AlphaFold-Multimer와 ColabFold는 단순한 구조 그림 생성기가 아니라, 단백질 상호작용을 탐색하는 강력한 현미경이 된다. 이제 우리는 단백질 하나의 접힘을 넘어, 단백질들이 서로 만나 기능을 만드는 장면까지 들여다볼 준비를 갖추었다.

다음 장에서는 이 흐름을 AlphaFold 3로 확장한다. 단백질-단백질 복합체를 넘어, 단백질과 DNA, RNA, ligand, ion, modified residue가 함께 등장하는 더 넓은 생체분자 복합체 예측으로 들어가 보자.