AlphaFold Server로 AlphaFold 3 사용하기

설치하지 않는 AlphaFold 3의 입구

앞 장까지 우리는 주로 단백질끼리 만나는 상황을 다루었다. 두 사슬이 서로 붙는지, 높은 pLDDT에 속지 않으려면 무엇을 봐야 하는지, 사슬 간 PAE와 ipTM을 어떻게 해석해야 하는지 살펴보았다. 그런데 실제 세포 안의 분자는 단백질만으로 움직이지 않는다. 효소는 ATP나 NAD 같은 보조인자를 붙잡고, 전사인자는 DNA 홈에 내려앉으며, 리보핵단백질은 RNA와 단백질이 한 덩어리로 움직인다. 금속 이온 하나가 활성 부위의 전하를 맞추기도 하고, 당이나 인산화 같은 변형이 단백질의 자세를 바꾸기도 한다.

이 지점에서 AlphaFold 3가 등장한다. AlphaFold 2가 단백질 구조 예측의 시대를 열었다면, AlphaFold 3는 질문의 범위를 '단백질 하나가 어떻게 접히는가'에서 '여러 생체분자가 함께 있을 때 어떤 입체적 장면을 만드는가'로 넓힌다. 그리고 그 AlphaFold 3를 가장 쉽게 시작하는 방법이 AlphaFold Server다. 서버는 웹 브라우저에서 실행되므로 로컬 설치, GPU, 대용량 데이터베이스 다운로드가 필요 없다. Google 계정으로 접속해 입력을 넣고 제출하면, 서버 쪽에서 계산을 수행하고 결과를 돌려준다. AlphaFold Server는 비상업적 연구자가 AlphaFold 3 구조 예측을 사용할 수 있도록 제공되는 웹 서비스이며, 단백질, DNA, RNA, 리간드, 이온, 여러 화학적 변형을 포함한 복합체 모델링을 목표로 한다.¹

여기서 중요한 태도는 '쉬워졌지만 가벼워진 것은 아니다'라는 점이다. 버튼 몇 번으로 단백질-리간드 복합체 그림을 얻을 수 있지만, 그 그림은 실험 결과가 아니라 계산 모델이다. 특히 리간드나 이온을 함께 넣는 순간, 예측은 훨씬 흥미로워지는 동시에 훨씬 조심스러워진다. 작은 분자 하나가 결합 부위를 그럴듯하게 만들 수도 있고, 반대로 실제로는 없을 상호작용을 모델 안에서 안정화할 수도 있기 때문이다.

AlphaFold 2와 AlphaFold 3의 가장 큰 차이

AlphaFold 2를 처음 배웠을 때의 기본 입력은 단백질 아미노산 서열이었다. AlphaFold-Multimer를 쓰면 단백질 사슬 여러 개를 넣어 복합체를 예측할 수 있었지만, 중심 무대는 여전히 단백질이었다. DNA, RNA, 금속 이온, 작은 리간드, 당쇄, 변형 잔기까지 한꺼번에 넣어 '전체 복합체'를 예측하는 도구는 아니었다.

AlphaFold 3는 이 무대를 넓힌다. 논문에서 AlphaFold 3는 단백질, 핵산, 작은 분자, 이온, 변형 잔기를 포함하는 복합체의 공동 구조를 예측하도록 설계된 모델로 소개되었다.² 쉽게 말해, AlphaFold 2가 배우 한 명 또는 단백질 배우들만 놓고 무대 배치를 추정했다면, AlphaFold 3는 단백질, DNA, RNA, 조연 리간드, 금속 이온, 변형 잔기까지 같은 무대 위에 올려 놓고 전체 장면을 그리려 한다.

이 차이는 연구 질문을 바꾼다. 예전에는 '이 단백질의 접힘은 어떤가?' 또는 '두 단백질이 붙을 수 있는가?'를 주로 물었다. 이제는 다음과 같은 질문을 한 번에 던질 수 있다.

• 이 전사인자는 특정 DNA 서열에 어떤 방향으로 결합할까?

• 이 효소의 활성 부위에 ATP와 Mg²⁺를 함께 넣으면 포켓이 닫힌 상태로 예측될까?

• 단백질-RNA 복합체에서 어느 잔기와 어느 염기가 가까워질까?

• 특정 보조인자를 넣었을 때와 빼었을 때 도메인 배치가 달라질까?

물론 AlphaFold 3가 모든 것을 해결해 주지는 않는다. AlphaFold Server는 물 분자나 수소 원자의 위치를 직접 예측하는 도구가 아니며, 막 단백질의 막 평면을 별도의 물리적 환경으로 알고 계산하는 것도 아니다.¹ 또한 결합 친화도, 반응 속도, 활성 증가량처럼 실험적으로 측정해야 하는 값을 바로 알려 주지 않는다. 구조 예측은 강력한 가설 생성기이지, 실험을 대신하는 판결문이 아니다.

서버가 잘 맞는 질문과 그렇지 않은 질문

AlphaFold Server는 처음 AlphaFold 3를 써 보는 연구자에게 가장 좋은 출발점이다. 특히 비상업적 연구에서 빠르게 가설을 세우고 싶은 경우에 적합하다. 예를 들어 특정 단백질이 RNA와 함께 있을 때 어느 표면을 사용할지, 금속 이온이 활성 부위 근처에 놓일 가능성이 있는지, 알려진 보조인자를 넣었을 때 단백질 포켓이 닫히는지 살피는 용도로 유용하다.

반대로 서버가 항상 최선은 아닌 경우도 있다. 매우 많은 조건을 대량으로 돌려야 하거나, 민감한 비공개 서열과 독점 리간드 정보를 외부 서버에 올릴 수 없거나, 사용자 정의 MSA와 템플릿을 정교하게 조절해야 한다면 로컬 AlphaFold 3 실행을 고려해야 한다. AlphaFold Server는 사용하기 쉬운 대신, 공개 서버의 입력 형식과 정책, 요청 제한 안에서 움직인다.

또 하나 기억할 점은 서버가 '넣은 모든 분자가 서로 상호작용할 가능성'을 고려해 모델링한다는 것이다. 이것은 강점이지만 함정이기도 하다. 실제 세포에서는 서로 만나지 않는 분자들을 한 입력에 넣으면, 모델은 그래도 그들을 한 장면 안에 배치하려 시도한다. 따라서 입력을 만들 때 가장 먼저 해야 할 일은 서열 복사보다 연구 질문을 좁히는 것이다. "무엇을 함께 넣을 것인가?"보다 "왜 이들이 같은 복합체에 있어야 하는가?"가 먼저다.

입력할 수 있는 분자들: 단백질, 핵산, 리간드, 이온

AlphaFold Server의 입력은 단백질 서열만으로 끝나지 않는다. 단백질, DNA, RNA, 리간드, 이온, 그리고 여러 생물학적으로 흔한 화학적 변형을 함께 넣을 수 있다.¹ 다만 입력 방식은 분자 종류에 따라 다르다. 단백질과 핵산은 '서열'로 넣고, 작은 분자와 이온은 보통 '화학적 정의'로 넣는다.

단백질은 우리가 앞 장들에서 익숙해진 1문자 아미노산 서열로 입력한다. 예를 들어 M, A, K, L 같은 문자들이 이어진 문자열이다. FASTA에서 가져온 서열을 사용할 때는 설명줄, 공백, 번호, 특수문자가 섞이지 않도록 조심해야 한다. 서버 UI가 FASTA 형식을 받아 주는 경우도 있지만, 최종적으로 모델이 필요로 하는 것은 순수한 아미노산 서열이다.

DNA와 RNA도 서열로 입력한다. DNA는 A, C, G, T를 사용하고 RNA는 A, C, G, U를 사용한다. 이때 중요한 점은 DNA 이중나선을 예측하고 싶다면 대개 두 가닥을 각각 입력해야 한다는 것이다. 한 가닥만 넣고 "상보 가닥은 알아서 만들겠지"라고 기대하면 안 된다. RNA도 마찬가지다. 하나의 RNA 사슬을 넣을 것인지, 여러 RNA 사슬을 넣을 것인지, 단백질과 같은 복합체로 넣을 것인지 명확히 해야 한다.

리간드와 이온은 조금 다른 세계다. 여기서 리간드는 단백질이나 핵산에 결합하는 작은 분자를 뜻한다. ATP, GTP, NAD, heme, 약물 후보 물질, 대사체 등이 여기에 들어간다. 이온은 Mg²⁺, Zn²⁺, Ca²⁺, Cl⁻처럼 원자 하나 또는 단순한 전하를 가진 입자다. 생물학에서는 이 작은 존재들이 구조를 크게 바꾼다. 어떤 효소는 금속 이온이 없으면 활성 부위가 제대로 접히지 않고, 어떤 단백질은 리간드가 들어와야 닫힌 형태를 취한다.

CCD 코드와 SMILES: 리간드를 적는 두 언어

작은 분자를 AlphaFold 3 계열 도구에 넣는 방식은 크게 두 가지 언어로 이해하면 쉽다. 하나는 CCD 코드이고, 다른 하나는 SMILES다. 둘 다 작은 분자를 글자로 표현하지만, 성격이 다르다.

CCD는 Chemical Component Dictionary의 약자다. 단백질구조은행 PDB에서 쓰는 화학 성분 사전이라고 생각하면 된다. ATP, HEM, NAD, FAD, MG, ZN 같은 코드는 이미 알려진 분자의 원자 구성과 결합 정보를 가리키는 이름표다. 예를 들어 ATP라는 CCD 코드를 넣는 것은 "아데노신 삼인산이라는 이미 정의된 분자를 사용하겠다"는 뜻에 가깝다. 금속 이온도 AlphaFold 3 내부 형식에서는 리간드처럼 CCD 코드로 지정될 수 있으며, 예를 들어 마그네슘 이온은 MG 같은 코드로 표현된다.³

SMILES는 작은 분자의 구조를 한 줄 문자열로 표현하는 화학 표기법이다. CCD 코드가 사전에서 단어를 고르는 방식이라면, SMILES는 분자의 원자 연결을 직접 문장으로 쓰는 방식에 가깝다. 예를 들어 어떤 신규 합성 화합물이 PDB CCD에 없거나, 서버가 제공하는 리간드 목록에 없는 경우 SMILES가 유용할 수 있다. AlphaFold 3의 로컬 입력 형식은 리간드를 CCD 코드, SMILES, 사용자 제공 CCD mmCIF 형식으로 지정할 수 있도록 설계되어 있다.³

다만 여기서 서버와 로컬 실행을 구분해야 한다. AlphaFold 3 소스코드의 JSON 형식은 서버 형식보다 더 유연하며, 사용자 정의 리간드, 공유결합, 사용자 제공 CCD 같은 고급 입력을 더 세밀하게 다룰 수 있다.³ 반면 AlphaFold Server는 웹 서비스이므로, 현재 UI와 정책에서 허용하는 리간드·이온·변형 목록 또는 입력 방식 안에서 사용해야 한다. 따라서 서버에서 리간드를 넣을 때는 화면에 보이는 선택지가 CCD 기반 목록인지, SMILES 입력을 허용하는지, 특정 리간드가 지원되는지 반드시 확인해야 한다. 같은 AlphaFold 3라도 '서버에서 가능한 일'과 '로컬 JSON에서 가능한 일'은 완전히 같지 않다.

실무적으로는 이렇게 판단하면 된다.

SMILES를 사용할 때는 특히 조심해야 한다. 같은 분자라도 양성자화 상태, 전하, tautomer 상태가 다르면 결합 포즈가 달라질 수 있다. 구조 예측 모델은 "이 분자가 실험 조건에서 어떤 형태로 존재하는가?"를 스스로 완벽히 결정해 주지 않는다. pH, 금속 이온 존재 여부, 공유결합 여부, 염 형태 제거 여부는 연구자가 먼저 화학적으로 판단해야 한다.

시작 전 준비: '무엇을 넣을지'보다 '무엇을 뺄지'가 중요하다

AlphaFold Server에 접속하기 전에 입력을 작게 정리하자. 초보자가 흔히 하는 실수는 관련 있어 보이는 모든 것을 한 번에 넣는 것이다. 단백질 전체 길이, 모든 파트너 단백질, DNA, RNA, 리간드, 금속 이온을 한 job에 밀어 넣으면 결과가 화려해 보일 수는 있다. 하지만 해석은 어려워진다. 어느 분자가 구조를 안정화했는지, 어느 입력 때문에 가짜 interface가 생겼는지 분리하기 힘들다.

좋은 입력은 질문이 좁다. 예를 들어 효소와 ATP 결합을 보고 싶다면 먼저 단백질 단독 예측과 단백질+ATP 예측을 비교한다. 금속 이온이 필요하다는 생화학적 근거가 있다면 단백질+ATP+Mg²⁺ 조건을 추가한다. 전사인자라면 단백질 단독, 단백질+특정 DNA, 단백질+무작위 또는 변이 DNA를 비교하는 식으로 조건을 나눈다.

제출 전에는 다음 다섯 가지를 확인하는 습관을 들이면 좋다.

• 서열이 정확한 isoform에서 왔는가?

• 절단된 도메인만 넣을지, full-length를 넣을지 결정했는가?

• 생물학적 조립 상태가 단량체인지 동종다량체인지 알고 있는가?

• 리간드와 이온은 실험적으로 같은 조건에 존재하는가?

• 너무 많은 분자를 한 번에 넣어 해석 불가능한 job을 만들고 있지 않은가?

서버에는 계산량 제한도 있다. AlphaFold Server 설명에 따르면 하나의 모델링 job은 5,000 token 제한을 가진다. 여기서 token은 단백질의 아미노산 잔기 하나, 핵산의 nucleotide 하나, 또는 리간드·이온·변형의 원자 하나에 해당한다.¹ 즉 단백질 4,000잔기에 작은 리간드 몇 개를 넣는 것과, 단백질 1,000잔기에 큰 핵산과 여러 당쇄를 넣는 것은 계산 부담이 다를 수 있다. 서버는 macromolecule의 최소 길이도 두므로, 매우 짧은 펩타이드나 핵산 조각을 넣을 때는 현재 제한을 확인해야 한다.¹

기본 사용 절차: 새 job을 만들고 제출하기

AlphaFold Server의 화면은 업데이트될 수 있지만, 기본 흐름은 크게 변하지 않는다. 핵심은 job을 만들고, 분자를 추가하고, seed와 설정을 확인한 뒤, preview를 보고 제출하는 것이다.

먼저 AlphaFold Server에 접속해 Google 계정으로 로그인한다. 새 예측을 만드는 화면에서 job 이름을 정한다. job 이름은 나중에 history에서 결과를 찾는 단서가 되므로 대충 'test1'이라고 쓰지 않는 것이 좋다. 좋은 이름은 연구 질문과 입력 조건을 동시에 담는다. 예를 들어 KinaseX_ATP_MG_seed1_2026-05-11처럼 표기하면 몇 주 뒤에도 무엇을 돌렸는지 알아볼 수 있다. 날짜, 리간드, seed, 주요 변이명을 넣는 습관은 작은 실험 노트와 같다.

다음으로 분자를 하나씩 추가한다. 단백질을 추가할 때는 서열을 붙여 넣고, 같은 사슬이 여러 copy 필요하면 copy 수를 지정한다. 동종이량체를 예측하려는 경우 같은 단백질을 두 번 넣거나 count를 2로 지정하는 식의 UI가 제공될 수 있다. 이때 단백질 사슬을 '두 개 넣었다'는 사실만으로 실제 이량체가 증명되는 것은 아니다. 서버는 두 copy가 함께 있을 때 가능한 구조를 예측할 뿐이다.

DNA나 RNA를 추가할 때는 분자 종류를 정확히 고른다. DNA 서열에 U가 들어가거나 RNA 서열에 T가 들어가는 실수는 생각보다 흔하다. 이중가닥 DNA를 넣을 때는 forward strand와 reverse complement strand가 모두 들어갔는지 확인한다. 특정 transcription factor binding site를 모델링한다면, 실제 결합 서열 주변을 얼마나 포함할지도 중요하다. 너무 짧으면 DNA의 형태적 맥락이 부족하고, 너무 길면 계산량과 해석 부담이 커진다.

리간드와 이온을 추가할 때는 CCD 코드나 서버가 제공하는 검색 기능을 사용한다. ATP, ADP, GTP, HEM, NAD 같은 흔한 분자는 코드나 이름으로 찾을 수 있다. 금속 이온은 별도 이온 메뉴가 있을 수도 있고, 내부적으로는 리간드와 유사하게 처리될 수도 있다. 중요한 것은 원하는 화학종을 정확히 골랐는지 확인하는 일이다. Mg²⁺가 필요한 반응인데 Na⁺를 넣으면 활성 부위 배치가 달라질 수 있다. Zn²⁺ 결합 단백질에서 Zn²⁺를 빼면 cysteine이나 histidine이 이상한 방향으로 흩어질 수 있다.

그다음 seed를 설정한다. seed는 예측을 시작할 때 사용하는 난수 초기값이다. 같은 입력이라도 seed가 다르면 약간 다른 구조가 나올 수 있다. 안정적인 상호작용이라면 여러 seed에서 비슷한 결합 방식이 반복되는 경향이 있다. 반대로 어떤 ligand pose가 seed마다 크게 바뀐다면, 그 포즈를 강하게 믿기 어렵다. 서버가 seed를 자동으로 정하게 둘 수도 있지만, 재현성을 위해 명시적인 seed를 기록하는 편이 좋다. AlphaFold 3 입력 형식에서도 model seed는 예측 실행과 결과 수를 결정하는 중요한 항목으로 다루어진다.³

제출 전 preview를 반드시 본다. preview는 단순한 장식 화면이 아니다. 여기서 서열 길이, 사슬 수, 리간드 수, 이온 수, 전체 token 규모, 입력 종류가 의도와 맞는지 마지막으로 확인한다. 많은 오류가 계산이 끝난 뒤 발견된다. 단백질 서열 앞에 FASTA header가 섞였거나, DNA 한 가닥을 빼먹었거나, ATP 한 분자가 아니라 ATP 여러 copy를 넣었거나, full-length 대신 도메인 서열을 넣으려 했는데 반대로 전체 서열을 넣은 경우가 그렇다.

모든 것이 맞으면 submit을 누른다. 제출 후 job은 queue에 들어가고, 실행이 끝나면 job history에서 확인할 수 있다. 요청량이 많거나 입력이 크면 시간이 오래 걸릴 수 있다. AlphaFold Server에는 사용자별 요청 제한이 있으며, EBI 교육 자료는 하루 job 수 제한과 quota 갱신 시간을 설명한다.¹ 제한은 바뀔 수 있으므로 실제 제출 전 서버의 현재 안내를 확인하자. quota가 부족하면 무리하게 같은 job을 반복 제출하기보다 입력을 저장하고, 다음 갱신 시점에 제출하는 편이 낫다.

예시 1: ATP와 Mg²⁺를 넣은 효소 예측

가장 이해하기 쉬운 예는 kinase나 ATPase 같은 효소다. 이런 단백질은 ATP만 보는 것보다 Mg²⁺까지 함께 넣었을 때 더 생물학적으로 그럴듯한 장면이 나올 수 있다. 실제로 많은 인산 전달 반응에서 Mg²⁺는 ATP의 인산기 주변 전하를 안정화하고, 단백질의 catalytic residue가 올바른 위치를 잡는 데 관여한다.

이 예측을 한 번에 끝내려 하지 말고 세 단계로 나누면 해석이 쉬워진다. 첫 번째 job은 단백질 단독이다. 여기서 전체 fold와 활성 부위 주변 pLDDT를 본다. 두 번째 job은 단백질+ATP다. ATP가 알려진 nucleotide-binding pocket 근처에 놓이는지, 아니면 단백질 표면 어딘가에 애매하게 붙는지 본다. 세 번째 job은 단백질+ATP+Mg²⁺다. Mg²⁺가 인산기 근처에 놓이고, 알려진 Asp, Glu, Lys, Ser, Thr 같은 잔기와 화학적으로 말이 되는 배치를 만드는지 확인한다.

결과를 볼 때는 "ATP가 들어갔으니 이 단백질은 ATP를 결합한다"고 결론 내리면 안 된다. AlphaFold 3는 넣은 분자들을 한 복합체로 배치하려고 한다. 따라서 ATP를 입력에 넣었다는 사실 자체가 모델에 강한 힌트가 된다. 좋은 해석은 조건 비교에서 나온다. ATP를 넣었을 때만 pocket이 닫히는지, Mg²⁺를 추가했을 때 인산기 주변 배치가 더 일관되는지, 여러 seed에서 같은 포즈가 반복되는지 살펴야 한다.

예시 2: 단백질-DNA 복합체 예측

전사인자와 DNA의 상호작용도 AlphaFold Server가 빛나는 상황이다. 단백질 서열만으로는 DNA 결합 표면이 어디인지 애매할 수 있지만, 특정 DNA 서열을 함께 넣으면 helix-turn-helix, zinc finger, bZIP, homeodomain 같은 DNA-binding domain이 major groove 또는 minor groove에 어떻게 접근하는지 가설을 얻을 수 있다.

이때 DNA 입력은 아주 중요하다. 결합 motif만 너무 짧게 넣으면 DNA의 형태가 불안정할 수 있고, 너무 길게 넣으면 단백질이 어디에 결합해야 하는지 애매해질 수 있다. 보통은 알려진 motif 주변에 몇 염기씩 여유를 두고 두 가닥을 넣는다. 단백질이 dimer로 DNA에 결합한다면 단백질 copy 수도 실제 생물학적 상태에 맞춰야 한다.

해석할 때는 단백질-DNA 접촉이 생물학적으로 말이 되는지 봐야 한다. 양전하를 띠는 Lys, Arg가 DNA phosphate backbone 근처에 놓이는 것은 그럴듯하다. 특정 염기를 읽는 residue가 major groove 쪽으로 들어가는 것도 그럴듯하다. 반대로 낮은 confidence의 긴 무질서 꼬리가 DNA에 찰싹 달라붙어 interface처럼 보인다면 앞 장에서 본 '가짜 접착제' 패턴을 의심해야 한다. AlphaFold 3로 넘어와도 무질서 영역은 여전히 우리를 속일 수 있다.

리간드와 이온이 confidence를 바꾸는 이유

AlphaFold 결과 해석에서 confidence score는 늘 중요하다. 하지만 리간드와 이온이 포함되면 confidence를 읽는 감각이 조금 달라져야 한다. 단백질 단독 예측에서는 pLDDT가 각 잔기의 국소 구조 신뢰도를 주로 말해 준다. 복합체에서는 PAE와 interface 관련 지표가 사슬 사이의 상대 배치를 판단하는 데 중요했다. AlphaFold 3에서는 여기에 작은 분자와 이온의 위치라는 새로운 층이 더해진다.

리간드가 들어오면 단백질 주변의 국소 환경이 바뀐다. 포켓 안에 ATP를 넣으면 주변 loop가 닫힌 형태로 안정화될 수 있고, heme을 넣으면 heme-binding protein의 중심부가 더 그럴듯하게 정렬될 수 있다. 금속 이온을 넣으면 histidine, cysteine, aspartate, glutamate 같은 잔기들이 이온을 향해 모일 수 있다. 이런 변화는 confidence score와 구조 배치에 영향을 줄 수 있다.

문제는 이 영향이 항상 '진실에 가까워졌다'는 뜻은 아니라는 점이다. 모델은 입력에 있는 분자들을 고려해 가능한 구조를 만든다. 실제로 결합하지 않는 리간드를 넣어도, 단백질 표면의 어느 홈에 그럴듯하게 놓일 수 있다. 특히 양전하와 음전하가 맞거나, 소수성 포켓이 있거나, 유연한 loop가 리간드를 감싸는 경우에는 그림이 설득력 있어 보인다. 그러나 멋진 그림은 결합 에너지 측정값이 아니다.

따라서 리간드와 이온이 포함된 결과는 다음 관점에서 읽어야 한다.

• 여러 seed에서 같은 결합 위치와 방향이 반복되는가?

• 단백질 단독, 리간드 포함, 리간드+이온 포함 조건을 비교했을 때 변화가 일관적인가?

• 결합 부위 residue가 문헌, 돌연변이 실험, 보존성 분석과 맞는가?

• 금속 이온의 배위 거리와 배위 원자가 화학적으로 말이 되는가?

• 리간드 pose가 낮은 confidence 영역이나 무질서 꼬리에 의해 억지로 붙잡힌 것은 아닌가?

특히 금속 이온은 작은 점 하나처럼 보이지만 해석의 무게가 크다. Zn²⁺ 결합 단백질에서 zinc finger가 제대로 접히는지 보는 것은 의미가 있지만, 아무 근거 없이 여러 금속 이온을 넣고 "가장 보기 좋은 구조"를 고르는 것은 위험하다. 리간드와 이온은 구조 예측의 조연이 아니라, 모델의 장면을 바꾸는 강한 연출자다.

결과 확인: history에서 다운로드까지

계산이 끝나면 job history에서 결과를 열 수 있다. 보통 서버는 예측 구조와 confidence 정보를 함께 제공한다. 구조 파일은 시각화 도구에서 열 수 있는 형식으로 받을 수 있으며, AlphaFold 3 계열 결과에서는 mmCIF 형식이 중요하게 사용된다. ChimeraX, PyMOL, Mol*, iCn3D 같은 도구로 구조를 열어 단백질, 핵산, 리간드, 이온의 위치를 따로 확인할 수 있다.

history에서는 같은 입력을 여러 seed로 돌린 결과를 비교하는 습관을 들이자. 가장 높은 confidence 모델 하나만 보는 것은 빠르지만 위험하다. 리간드 위치가 모델마다 흔들리는지, DNA가 단백질의 같은 면에 반복해서 붙는지, 단백질 도메인 배치가 seed마다 바뀌는지 확인해야 한다. 특히 연구 보고서나 논문 초안에 넣을 구조라면, 선택한 모델 하나만 저장하지 말고 입력, seed, 날짜, 서버 버전 또는 출력 메타데이터, 주요 confidence 값을 함께 보관해야 한다.

다운로드한 뒤에는 파일 이름을 정리한다. 서버에서 받은 기본 이름만 유지하면 나중에 어떤 조건의 결과인지 알기 어렵다. 예를 들어 다음과 같은 규칙을 정해 두면 재현성이 좋아진다.

• Target_condition_seed_rank_date.cif

• KinaseX_ATP_MG_seed1_rank1_2026-05-11.cif

• TFX_DNAmotifA_dimer_seed3_rank1_2026-05-11.cif

파일 이름은 사소해 보이지만, 실제 연구에서는 사소하지 않다. 구조 예측은 반복 비교가 많다. 리간드 하나를 바꾸고, 이온 하나를 빼고, DNA 서열 한 염기를 바꾸다 보면 결과 파일이 순식간에 늘어난다. 파일명이 실험 노트 역할을 하지 못하면, 나중에 좋은 결과를 발견해도 어느 입력에서 나온 것인지 추적하기 어렵다.

비상업적 사용 조건과 요청 제한

AlphaFold Server는 누구나 아무 목적으로 쓸 수 있는 무제한 계산기가 아니다. 핵심은 비상업적 사용이다. AlphaFold Server의 금지 사용 정책은 개인과 비상업적 조직, 예를 들어 대학, 비영리 연구기관, 교육기관, 정부 기관 등이 비상업적 목적으로 사용할 수 있다고 설명한다. 예외적으로 저널리즘 사용은 허용된다고 명시되어 있다.⁴

따라서 회사 프로젝트, 상업적 신약개발, 상업 조직을 대신한 연구, 계약 연구에 서버를 사용하려면 매우 조심해야 한다. "나는 대학 소속이지만 기업 과제를 수행 중"인 경우도 단순한 비상업적 연구로 보기 어려울 수 있다. 소속 기관의 산학협력단, 법무팀, 기술이전 담당자에게 확인하는 것이 안전하다. 이 책은 법률 자문을 제공하지 않으므로, 실제 사용 전에는 AlphaFold Server의 최신 Terms of Service와 Prohibited Use Policy를 직접 확인해야 한다.

요청 제한도 있다. EBI 교육 자료는 AlphaFold Server의 사용자별 job 수 제한을 설명하며, 큰 구조는 계산량 때문에 token 제한을 둔다고 안내한다.¹ 제한은 서비스 운영 상황에 따라 바뀔 수 있다. 그러므로 많은 조건을 한 번에 돌릴 계획이라면 먼저 작은 pilot job으로 입력이 맞는지 확인하고, 불필요한 반복 제출을 줄이는 것이 좋다. 같은 잘못된 입력을 seed만 바꿔 여러 번 제출하는 것은 quota를 낭비하는 가장 빠른 방법이다.

또한 서버 출력의 후속 사용 조건도 확인해야 한다. AlphaFold Server 관련 안내는 출력물을 공유하거나 수정해 사용할 수 있지만, 계속되는 사용이 서버 출력 이용 조건의 적용을 받는다는 점을 명확히 알리고, 수정 여부를 표시해야 한다고 설명한다. 또한 서버 출력물을 유사한 생체분자 구조 예측 모델을 훈련하는 데 사용하거나, 특정 제한된 방식으로 사용하는 것은 허용되지 않을 수 있다.¹ 연구실 내부에서 결과 그림을 보는 단계와, 공개 저장소·논문·서비스에 배포하는 단계는 정책적으로 다를 수 있다.

민감 데이터 업로드 전 확인할 것

AlphaFold Server는 편리하지만, 입력 데이터를 외부 서비스에 업로드한다는 사실은 변하지 않는다. 공개 UniProt 서열과 흔한 보조인자를 넣는다면 부담이 작을 수 있다. 그러나 아직 공개하지 않은 병원체 서열, 환자 유래 변이 정보, 특허 출원 전 단백질 설계, 기업과 공동 개발 중인 리간드, 미공개 항체 서열을 넣는다면 이야기가 달라진다.

업로드 전에는 다음을 확인하자.

• 해당 서열이나 리간드 구조가 공개 가능한 데이터인가?

• 공동연구 계약, MTA, NDA, 특허 출원 일정에 위배되지 않는가?

• 환자 유래 정보나 임상 정보가 직접 또는 간접적으로 포함되어 있지 않은가?

• 기관의 클라우드 서비스 사용 정책이 외부 생물학 데이터 업로드를 허용하는가?

• dual-use 또는 생물보안 검토가 필요한 주제는 아닌가?

특히 신규 리간드의 SMILES는 생각보다 민감하다. SMILES 한 줄은 그 화합물의 구조를 상당히 직접적으로 드러낸다. 미공개 화합물 시리즈, 선도물질, 특허 전 후보물질이라면 서버 업로드가 지식재산 전략에 영향을 줄 수 있다. 이런 경우에는 서버 대신 로컬 AlphaFold 3 실행, 기관 승인 클라우드, 또는 내부 보안 환경을 검토해야 한다.

좋은 AlphaFold Server 기록의 예

AlphaFold Server는 웹 도구라서 실험 노트 없이도 쓸 수 있을 것처럼 느껴진다. 하지만 구조 예측도 실험처럼 기록해야 한다. 나중에 논문 그림을 만들거나 동료가 같은 결과를 재현하려면 "서버에 넣고 돌렸다"로는 부족하다.

좋은 기록에는 입력과 설정, 결과 판단이 함께 들어간다. 예를 들어 다음처럼 적을 수 있다.

이런 기록은 단순한 행정 작업이 아니다. AlphaFold 예측의 힘은 비교에서 나온다. 비교하려면 조건이 남아 있어야 한다. 조건이 남아 있지 않으면 구조 그림은 예쁜 이미지로 끝난다.

서버 결과를 믿기 전에 던질 마지막 질문

AlphaFold Server로 AlphaFold 3를 처음 돌리면, 결과가 놀라울 정도로 그럴듯해 보일 수 있다. 단백질은 잘 접혀 있고, DNA는 홈에 놓여 있으며, 리간드는 포켓에 들어가 있고, 금속 이온은 활성 부위 중심에 반짝인다. 바로 논문 그림으로 쓰고 싶어진다. 하지만 그 순간이 가장 위험하다.

마지막으로 스스로에게 물어야 한다. 이 구조는 내가 넣은 생물학적 가정의 결과인가, 아니면 독립적으로 지지되는 예측인가? 리간드를 넣었기 때문에 포켓이 생긴 것은 아닌가? 이온을 넣었기 때문에 잔기들이 모인 것은 아닌가? 낮은 confidence 꼬리가 핵산이나 리간드를 붙잡고 있지는 않은가? 여러 seed에서 반복되는가? 알려진 돌연변이, 보존성, 생화학 실험과 맞는가?

AlphaFold Server의 가치는 정답을 단번에 주는 데 있지 않다. 좋은 질문을 더 빠르게 만들고, 실험의 방향을 좁히고, 어떤 변이를 만들지, 어떤 리간드를 비교할지, 어떤 복합체를 정제해 볼지 결정하게 해 주는 데 있다. AlphaFold 3의 세계에서는 입력 형식이 곧 연구 설계다. 다음 장에서는 이 입력 형식을 더 깊게 들여다본다. 특히 AlphaFold 3 JSON에서 단백질, RNA, DNA, 리간드, seed가 어떻게 표현되는지 이해하면, 서버를 넘어 로컬 실행과 재현 가능한 워크플로로 나아갈 수 있다.

참고

¹AlphaFold Server: Your gateway to AlphaFold 3

²Accurate structure prediction of biomolecular interactions with AlphaFold 3

³AlphaFold 3 Input

⁴AlphaFold Server Prohibited Use Policy