1편. 설계보다 시험 문제를 먼저 만든다 — BindClaw가 일하는 방식

BindClaw: 시험 기준 먼저. 설계 전에 정하는 연구의 질문. 나두바이오 연재 1편 커버.

단백질 AI를 연구로 연결하기 · 전 3편

1편 · BindClaw가 일하는 방식 — 현재 글

2편 · RFD4-Proteina 실행기

3편 · 실제 단백질로 연구 시작하기

단백질의 서열은 아미노산이 이어진 순서입니다. 단백질 AI는 이 서열에서 입체 모양을 예측하고, 원하는 구조에 맞는 새 서열을 제안합니다. 연구자가 궁금한 것은 그다음입니다. 이 후보는 필요한 부위에 붙을까요? 특정 상태에서만 작동할까요?

표적에 붙는 모양을 만드는 일과 원하는 작용을 내는 일은 다릅니다. 억제제는 원래 붙던 상대와 경쟁해야 합니다. 두 단백질을 끌어다 붙이는 설계라면 양쪽을 모두 잡아야 합니다. NVIDIA의 BindClaw는 바로 이 차이에서 출발합니다. [1]

생성 모델과 그것을 부리는 층은 다릅니다

BindClaw는 바인더를 설계하는 에이전트 연구입니다. 바인더는 표적에 붙도록 설계하는 단백질이며 항체도 여기 속합니다. 여기서 구분 하나가 중요합니다. 구조를 만들어 내는 생성 모델과, 그 모델을 언제 어떤 조건으로 돌릴지 정하는 에이전트는 서로 다른 층입니다. BindClaw는 뒤쪽을 맡습니다.

목표 정의, 계산 시험 만들기, 설계와 반복, 실험 측정의 네 단계를 그린 도식

그림의 분자 형태는 공개 좌표로 그린 설명용 리본입니다. 특정 설계의 계산 결과가 아니고, 계산 시험을 통과한 후보가 실제로 같은 작용을 낸다는 뜻도 아닙니다.

작업은 네 단계로 돕니다. 먼저 목표를 정의합니다. 논문이나 지시문에서 원하는 기능을 읽어 내면 Assay Builder가 그것을 계산 시험으로 옮깁니다. Intake가 표적과 설계 제약을 추려 내면 Target ID가 표적을 확정하고, Strategist가 어떤 기전으로 작용할지와 어떤 상대·상태를 함께 봐야 하는지 제안합니다. 작용 기전은 어떤 상호작용으로 원하는 효과를 내는지 설명하는 가설을 말합니다.

그다음 설계와 반복이 이어집니다. 생성 모델로 후보를 만든 뒤 계산 결과를 보고 접촉면이나 생성 설정을 고쳐 다시 돌립니다. 이때 평가 기준은 건드리지 않습니다. 마지막으로 실험에서 측정합니다. [1]

계산 어세이는 테스트 명세와 닮았습니다

칼슘이 붙은 단백질을 인식하고 싶다고 해 봅시다. 칼슘이 없는 조건도 같이 돌려야 비교가 됩니다. 원하는 상태에서만 좋은 점수가 나오는지 묻는 것이죠. 이런 계산 시험을 계산 어세이라고 부릅니다. 개발에서 쓰는 테스트 명세와 닮았지만 생물학 전체를 그대로 옮긴 것은 아닙니다. 테스트를 통과했다고 기능이 보장되지는 않습니다.

평가 기준을 중간에 바꾸면 비교가 무너진다는 점도 같은 맥락입니다. 기준을 고쳐야 한다면 새 버전으로 묶고 이전 후보까지 다시 같은 기준으로 평가해야 개선이라고 말할 수 있습니다.

논문 속 연구 질문을 다섯 가지 시험으로 바꿉니다

BindClaw는 논문에서 원하는 작용을 읽고, 그 작용에 필요한 접촉·상태·분자 배치를 계산 기준으로 옮깁니다. 공식 그림의 A~E는 서로 다른 연구 질문이 어떻게 다른 시험으로 바뀌는지 보여 줍니다. [1]

아래 도식은 연구 질문과 계산 기준을 쉽게 풀어 그린 설명용 그림입니다. 마지막에 표시한 실험은 계산 후보를 확인할 후속 과정입니다.

A. IL-2·IL-15를 흉내 내려면 두 수용체를 어떻게 잡아야 할까요?

IL-2·IL-15 모방 설계: 두 수용체의 접촉과 배치를 계산하고 세포 반응 실험으로 이어가는 설명도.

IL-2와 IL-15는 면역세포에 신호를 전달하는 단백질입니다. 이를 흉내 내는 후보는 신호를 받는 수용체의 두 구성요소인 베타·감마에 함께 닿아야 합니다. 계산에서는 양쪽 접촉이 충분한지, 두 수용체가 목표한 배치로 모이는지를 봅니다.

B. Hsp70의 어느 상태를 알아보게 할까요?

Hsp70 계열 DnaK의 ATP·ADP 상태를 계산으로 비교하고 실제 결합과 기능을 확인하는 설명도.

Hsp70은 다른 단백질이 제 모양을 유지하도록 돕습니다. 이 사례는 Hsp70 계열의 DnaK를 사용해, 작동 주기와 연결된 ATP 상태와 ADP 상태에 같은 후보를 각각 놓고 비교합니다. 활성화를 목표로 한 논문에서 출발했지만 여기서 검사하는 것은 ATP 상태를 더 잘 인식할 것이라는 계산상의 근거입니다.

C. 세포 안으로 끌어들이려면 두 부위를 함께 잡을까요?

D11·D6 두 영역을 잇는 설계의 접촉을 계산하고 세포 내 유입을 실험으로 확인하는 설명도.

세포가 바깥 물질을 감싸 안으로 들이는 과정을 세포내섭취라고 합니다. 이 사례에서는 두 바인더를 하나로 이어 수용체의 두 부위에 각각 닿게 설계합니다. 양쪽이 제자리에 붙는지뿐 아니라 엉뚱한 부위에 닿지는 않는지, 한쪽의 결합 기능을 망가뜨린 대조 후보에서는 접촉이 사라지는지도 비교합니다.

D. 형광을 켜려면 작은 분자를 어떤 모양으로 잡아야 할까요?

DFHBI가 들어갈 주머니의 자세와 감싸임을 계산하고 후보의 형광을 측정하는 설명도.

DFHBI는 단백질 안에 붙었을 때 형광을 낼 수 있는 작은 분자입니다. 기존의 통 모양 단백질 mFAP1을 다시 설계하면서, DFHBI가 들어가는 자리와 방향, 평평한 모양을 유지하는지를 검사합니다. 별도로 새로 만든 바인더도 제시되지만 같은 통 모양 설계는 아닙니다. 이 그림의 통과 판정은 분자의 배치에 관한 것이며 형광 밝기를 측정한 결과는 아닙니다.

E. 디곡시제닌만 골라 잡을 수 있을까요?

디곡시제닌과 유사 분자의 계산 점수를 비교한 뒤 실제 선택성을 측정하는 설명도.

디곡시제닌은 이 사례에서 인식 대상으로 삼은 작은 분자입니다. 후보가 이를 붙잡는 계산 점수와 접촉 모양을 보고, 다른 세 분자를 넣었을 때와 비교합니다. 목표 분자 하나에 대한 점수만 보는 대신 다른 분자보다 구별해서 인식하는지를 묻는 시험입니다. [2]

F. 평가 기준은 두고 생성 조건을 바꿉니다

첫 수용체 결합 예측의 약점을 보고 생성 조건을 수정한 뒤 같은 평가 기준으로 다시 비교하는 설명도.

그림 F는 A의 시험 결과를 다음 설계에 반영한 과정입니다. 첫 후보들의 두 수용체 접촉 예측이 약하자, 에이전트는 나선 모양을 유도하는 조건을 더하고 길이 범위를 좁힌 뒤 후보를 더 많이 만들었습니다. 그림에 제시된 두 수용체의 ipTM은 첫 회차 0.07·0.19에서 다음 회차 0.86·0.90으로 높아졌습니다. ipTM은 단백질 사이 배치를 얼마나 신뢰하는지 나타내는 계산 지표입니다. 실험 성공률이나 면역세포 활성화 결과가 아니라, 생성 조건을 바꾼 뒤 더 높은 구조 신뢰도의 후보를 얻었다는 기록입니다. [2]

모델을 바꾸면 답도 바뀝니다

설계 단계에서 나온 관찰 하나가 눈에 띕니다. EGFR은 세포 표면에서 성장 신호를 받아들이는 단백질로 암 연구에서 자주 쓰는 표적입니다. 이 단백질을 표적으로 두었을 때 Proteina-Complexa와 RFD4-Proteina가 선호한 결합 부위가 서로 반대로 나왔습니다. 어느 생성 모델을 쓰느냐에 따라 붙기 좋은 자리라는 답이 달라진 셈입니다.

모델을 바꿔 가며 같은 질문을 던질 때 무엇을 고정하고 무엇을 비교해야 하는지 보여 주는 사례입니다. 평가 기준을 먼저 못 박아 두지 않으면, 모델이 달라져서 생긴 차이인지 설계가 좋아져서 생긴 차이인지 구별할 수 없습니다. [1]

칼모듈린 캠페인이 보여 준 것

칼모듈린은 세포에서 칼슘 신호를 전달하는 단백질입니다. 칼슘이 붙은 상태와 빠진 상태는 모양이 다릅니다. BindClaw 연구팀은 사람이 함께 참여한 설계 과정에서 칼슘이 붙은 상태를 선호하는 바인더를 찾았습니다.

최종 실험 후보 18개 중 15개가 칼슘이 붙은 칼모듈린에 결합했습니다. 그 15개 가운데 13개는 칼슘이 빠진 칼모듈린과의 결합이 검출되지 않았습니다. 상태를 구별하는 설계가 실제로 가능하다는 것을 보여 준 결과입니다.

숫자를 읽을 때는 분모를 함께 봐야 합니다. 18개는 평가된 설계 1,553개에서 추려 낸 서열입니다. 처음 만든 후보가 대부분 통했다는 뜻이 아닙니다. 검출되지 않았다는 것도 결합이 전혀 없다는 증명은 아니고, 측정 조건 안에서 잡히지 않았다는 보고입니다. 보고서는 최종 순위를 매길 때 쓴 가중치를 복원하지 못했다고 스스로 밝히기도 합니다. 같은 성능을 다시 내려면 그 정보가 필요합니다. [2]

방법은 공개 페이지에 단계별로 적혀 있지만 코드는 아직 받을 수 없습니다. Code 항목에 배포 예정이라고만 붙어 있어서, 지금은 BindClaw를 직접 돌려 보며 확인할 길이 없습니다. [1]

그래서 손에 잡히는 쪽부터 확인했습니다. 다음 편에서는 BindClaw가 설계 단계에서 부리는 생성 모델 가운데 하나인 RFD4-Proteina를 나두바이오에서 돌려 본 범위와 측정한 시간·비용, 이용 조건을 다룹니다.

참고문헌

  1. NVIDIA Digital Biology Research. BindClaw 공식 프로젝트. 공식 연구 소개, 2026-11-13 확인.

  2. Cho, Y. 외. Adapting biological mechanisms for agentic protein design. 기술보고서, 2026-10-28.