Novelism

예전에 단백질 구조예측하던 시기에, 동료들 사이에서 CASP에 대해서 회의적인 의견들이 있었습니다. 참가 그룹들이 CASP에서 구조예측을 잘했지만, 정작 공개된 메서드 롤 돌려서 그 정도 결과가 나오지 않는다는 것, 기술 개발만 하는데, 정작 그 기술을 사용해서 정말로 다른 연구자들에게 도움이 되는가, 그리고 당시(co-evoluation 기반 예측이 나오면서 성능이 향상되기 전)에 기술 향상이 지지부진해서 대회를 지속하는 의미가 있는지 같은 이야기였습니다. 그때 나온 이야기 중 하나는, 실험 구조를 protein data bank에서 공유하는 것처럼, 차라리 구조 예측을 하는 사람들이 미리 인간 단백질이나 기타 주요 단백질들 대한 구조를 예측해서 data bank를 만든다면 도움이 많이 될 것이라는 이..

제가 단백질 구조 예측 분야를 연구하던 시절엔 구조 예측에 만에 집중했고, 단백질 하나 하나에 대한 연구를 별로 하지 않았습니다. 그러다보니 단백질 구조 예측을 해도 그것을 어디에 어떻게 사용할지에 대해서 깊히 생각해보지 않았습니다. 신약개발 분야로 넘어오면서 여러 단백질에 대해서 구조를 분석하다보니 여러 재미있는 점들을 알 수 있었습니다. 인간 단백질들 중에서 패밀리 단백질끼리는 서열이 매우 (50% 이상?) 유사합니다. 구조 또한 거의 유사합니다. 약물의 단백질에 대한 결합 여부를 실험해보면 패밀리에 속한 단백질 끼리는 상관성이 매우 높게 나올 것입니다. 슈퍼 패밀리라 할 수 있는 단백질들은 서열 유사성이 20% 정도로 떨어지지만, 전체적인 구조는 유사합니다. 그런데, 슈퍼 패밀리에 속하는 포켓 구조..

이미 조금 지난 일이지만, 작년 CASP14에서 딥마인드의 알파폴드 2가 예측 정확도에서 다른 참가자를 크게 제쳐버린 일이 있었습니다. 하지만 아직도 알파폴드2를 제대로 분석한 자료는 보이지 않는 것 같습니다. 딥마인드를 과소평가하는게 아닌가... 그런 생각이 듭니다. 저도 나름 단백질 구조예측 분야를 연구한 경험이 있기에 몇가지 적어볼까 합니다. 먼저, 저는 단백질 구조예측대회 CASP12에 참여하였고 3위안에 드는 그룹 소속으로 주요 저자 중 한명이었습니다. 그리고 correlated mutation 관련된 논문을 2편 쓴 경험이 있습니다. (하지만 그중 한편 도메인 경계 예측은 딥마인드가 도메인 경계 나누지 않고 그냥 모델링 해버렸다고 해서 묻혀버린 분야가 되었습니다.) 굳이 제 이야기를 하는 이유..