AlphaFold DB 읽는 법 — 예측 구조의 색과 신뢰도 이해하기

AlphaFold DB 예측 구조의 신뢰도 읽기 — 나두바이오 공개 DB 읽기 시리즈 표지

AlphaFold DB는 AI 모델 AlphaFold가 예측한 단백질의 입체 구조를 모아 둔 공개 데이터베이스입니다. 단백질의 작은 구성 단위인 아미노산이 이어진 순서를 바탕으로 어떤 모양으로 접힐지 계산한 결과를 담고 있습니다. 실험 구조가 아직 없는 단백질도 예상 형태를 살펴볼 수 있습니다.

예측 구조를 열면 파란 부분과 노란 부분이 눈에 들어옵니다. 장식처럼 보이는 이 색에도 정보가 담겨 있습니다. 모델이 비교적 확신하는 구간과 모양을 정하기 어려워하는 구간을 색으로 나눴습니다. 여기서는 단백질 단독 구조의 신뢰도를 중심으로 설명합니다.

예측 모델과 구조 데이터베이스의 차이

AlphaFold는 구조를 계산하는 모델 계열의 이름입니다. AlphaFold Protein Structure Database(AlphaFold DB)는 그 결과를 미리 계산해 모아 둔 곳입니다. DB의 기록을 여는 일은 새 계산을 실행하는 것과 다릅니다. 이미 만들어진 예측을 찾아보는 것이며, 단백질 단독 구조와 여러 분자가 함께 있는 복합체 자료를 제공합니다. [1]

좌표 파일에는 예측한 원자의 위치가 담겨 있습니다. 신뢰도 정보는 그중 어떤 부분의 모양을 참고할 만한지, 어디에 추가 정보가 필요한지 알려 줍니다.

서열, 예측 구조, 관심 구간을 연결해 읽는 흐름

서열에서 찾은 관심 구간을 예측 구조에 대응시키면 해당 부위의 모양과 신뢰도를 함께 볼 수 있습니다.

구조의 색깔을 읽는 지표, pLDDT

pLDDT는 단백질의 각 잔기, 즉 사슬을 이루는 아미노산 단위마다 주어지는 국소 구조 신뢰도입니다. 0~100 범위에서 높을수록 모델이 해당 부위 주변의 모양을 더 신뢰합니다. AlphaFold DB에서는 이 값을 색상으로 보여 줍니다. [2]

pLDDT 구간

신뢰도

구조를 읽을 때의 의미

90 초과

매우 높음

해당 부위의 모양을 높은 신뢰도로 예측했습니다

70 이상~90 이하

높음

모양을 참고하되 다른 근거와 함께 살펴봅니다

50 이상~70 미만

낮음

세밀한 원자 배치를 해석할 때 주의가 필요합니다

50 미만

매우 낮음

유연한 구간인지, 추가 정보가 필요한지 살펴봅니다

같은 구조 안에서도 구간마다 점수가 다릅니다. 유연하게 움직이거나 일정한 모양을 갖기 어려운 부분은 낮은 점수가 나오기도 합니다. 낮은 점수만으로 그 원인을 확정할 수는 없지만, 세밀한 원자 배치를 해석하기 어려운 구간이라는 단서는 됩니다. [2]

pLDDT가 답하는 질문은 그 부위의 모양을 모델이 얼마나 신뢰하는가입니다. 90이라는 점수가 실험 성공률 90%를 뜻하지는 않습니다. 다른 분자와 얼마나 강하게 붙는지, 어떤 기능을 하는지, 약물 효과가 있는지는 각각에 맞는 실험 자료로 알아봅니다.

각 부분의 모양이 맞아도 배치는 다를 수 있습니다

단백질 안에서 비교적 독립적으로 접히는 부분을 도메인이라고 부릅니다. 두 도메인이 가느다란 연결부로 이어진 모습을 생각하면 차이가 분명해집니다. 각 도메인의 모양은 잘 예측했어도 두 도메인이 이루는 각도는 불확실할 수 있습니다.

이 상대 배치를 읽는 지표가 PAE, 예측 정렬 오차입니다. 한 잔기 주변을 기준으로 예측 구조와 실제 구조를 겹쳐 놓았을 때, 다른 잔기의 위치가 얼마나 어긋날지 모델이 예상한 값입니다. 원자 사이의 작은 거리를 나타내는 옹스트롬(Å) 단위를 쓰며 낮을수록 상대 위치의 불확실성이 작습니다. 실제 구조와 비교해 측정한 오차가 아니라 모델의 예상치입니다. [3]

pLDDT가 나타내는 각 부분의 모양과 PAE로 살펴보는 부분 사이의 배치

각 부분의 모양이 분명해도 서로의 배치는 불확실할 수 있습니다. 두 지표를 함께 보면 그 차이를 읽기 좋습니다.

조립 장난감으로 비유하면 블록 각각의 모양과 블록을 연결하는 각도를 따로 살피는 셈입니다. 다만 단백질은 주변 환경에 따라 움직이므로, 실제 연구에서는 한 가지 고정된 배치 외에 다른 상태도 고려합니다.

평균보다 관심 부위의 신뢰도가 중요한 이유

구조 전체의 평균 신뢰도보다 먼저 볼 것은 관심 부위입니다. 작은 분자가 들어갈 자리가 궁금하다면 그 주변의 pLDDT부터 봅니다. 두 도메인이 맞닿는 모양을 알아보려면 각 도메인의 pLDDT에 PAE까지 함께 읽습니다.

서열과 관심 구간을 맞춰 보는 과정도 필요합니다. 이름이 같은 단백질이라도 자료가 다루는 서열이나 범위가 다르면 서로 다른 부분을 비교할 수 있기 때문입니다. 실험 구조나 기능 연구가 있다면 예측한 모양을 해석하는 데 도움이 됩니다.

다른 분자가 붙은 상태를 알아보려면 결합 상대를 함께 다룬 자료가 필요합니다. 단백질 하나의 예상 모양과 여러 분자가 만났을 때의 배치는 질문의 범위가 다릅니다.

예측 구조에서 읽을 수 있는 것

AlphaFold DB의 유용함은 예상 모양과 그 예측의 신뢰도를 함께 볼 수 있다는 데 있습니다. 각 부분의 모양은 pLDDT로, 부분 사이의 상대 배치는 PAE로 읽으면 어디까지 해석할 만한지 구체적으로 가늠할 수 있습니다.

이렇게 읽은 예측은 다음 실험의 가설이 됩니다. 실험 결과가 쌓이면 예측과 맞는 부분, 다른 상태를 고려해야 할 부분도 차츰 분명해집니다.

자료 이용 조건

AlphaFold DB의 예측 데이터는 연구와 상업 목적 모두 이용할 수 있습니다. 적용되는 CC BY 4.0은 출처를 밝히는 조건으로 복제·수정·배포를 허용하는 라이선스입니다. 출처와 라이선스 링크를 표시하고, 수정했다면 변경 사항도 밝혀야 합니다. [1] [4]

이 설명의 대상은 DB가 배포하는 예측 데이터입니다. AlphaFold의 코드, 모델 가중치, 별도 서버에는 각각의 이용 조건이 적용됩니다. [1]

참고문헌

  1. AlphaFold Protein Structure Database. Frequently asked questions. 공식 도움말. 2026-10-23 확인.

  2. EMBL-EBI. pLDDT: Understanding local confidence. AlphaFold 교육 자료. 2026-10-23 확인.

  3. EMBL-EBI. PAE: A measure of global confidence in AlphaFold2 predictions. AlphaFold 교육 자료. 2026-10-23 확인.

  4. Creative Commons. 저작자표시 4.0 국제 (CC BY 4.0). 라이선스·권리 선언 요약. 2026-10-23 확인.