AlphaFold와 같은 AI 기반 단백질 구조 예측 도구들은 정적인 단량체(monomer) 구조 예측에서 혁신을 이루었으나, 실제 생체 내에서의 단백질 항상성 유지에 필수적인 동적 거동과 복잡한 단백질-단백질 상호작용 네트워크를 완전히 포착하는 데 근본적인 한계를 가지고 있습니다.
예측의 주요 논쟁점
- 현재 모델은 주로 가장 낮은 자유 에너지 상태의 최솟값(minimum) 구조를 제시하며, 온도나 환경 변화에 따른 단백질의 실제적인 운동학적 변화(conformational dynamics)를 반영하지 못한다는 지적이 많습니다.
- 특히 여러 단백질이 참여하는 큰 단백질체학 복합체(complexes)의 경우, 상대적 움직임과 결합 강도를 정확히 모델링하는 데 어려움이 있으며, 이는 실험적 검증이 여전히 필수적임을 의미합니다.
이러한 한계로 인해, 향후 연구는 단순한 구조 예측을 넘어 분자 동역학 시뮬레이션과 AI를 결합하여 시간 의존적인 생물학적 기능을 해석하는 방향으로 나아가고 있습니다. 구조생물학, 생물정보학 분야에서 이 격차를 메우는 것이 주요 과제로 남아있습니다.
댓글 0