AI가 단일세포 데이터를 읽는 시대, 우리는 분자 3D 구조를 '읽고' 있는가? 10x Genomics가 Anthropic의 Claude를 Chromium...

AI가 단일세포 데이터를 읽는 시대, 우리는 분자 3D 구조를 '읽고' 있는가? 10x Genomics가 Anthropic의 Claude를 Chromium 플랫폼에 통합한 'Sentira'를 발표했다. 단일세포 RNA-seq, ATAC-seq, 멀티오믹스 데이터를 자연어로 질의하고 워크플로를 자동화하며, 비전문가도 고급 분석에 접근할 수 있게 하겠다는 비전이다. 업계에서 'AI가 데이터 분석의 민주화를 이끈다'는 서사가 다시 한번 강화된 순간이다. 하지만 한 가지 질문이 남는다. AI가 '이 유전자 클러스터가 중요하다', '이 경로가 활성화됐다', '이 단백질의 이 포켓이 타깃이다'라고 답했을 때, 우리는 그 답을 얼마나 입체적으로 검증할 수 있을까?

지난달 연구실 세미나에서 Sentira 데모를 보고 바로 Meta Quest 3를 켰다. 헤모글로빈 투어로 산소 결합을 몸으로 느끼고, 내 타깃 단백질의 AlphaFold 모델을 불러와 AI 포켓 예측이 빛나는 부위를 손으로 짚어봤다. Foldseek으로 동종 구조를 중첩해 보존된 포켓을 확인하고, 리간드 인스펙터로 수소결합 네트워크를 추적한 뒤 PubChem에서 후보 리간드를 끌어와 도킹 포즈를 검토했다. 두 원자 간 거리를 트리거로 재니 2.8 Å — 논문 리뷰어에게 보일 정확한 증거가 이미 손 안에 있었다. 룸 뷰로 분자를 책상 위에 띄워 동료들과 “여기가 진짜다”라고 손가락으로 가리키는 순간, 데이터 분석의 속도와 구조 직관의 깊이가 마침내 만났다. AI가 패턴을 찾으면, 우리는 공간에서 그 의미를 확인한다.

NexoPeek 아키텍처 한눈에 보기

NexoPeek은 Unity 2022 LTS 기반으로 Meta XR Interaction Toolkit v2.4를 얹어 빌드됐다. 핵심 파이프라인은 세 단계로 나뉜다:

  1. 데이터 수집 레이어 – RCSB PDB, UniProtKB, AlphaFold DB, SWISS‑MODEL, PDBe REST API를 비동기 태스크로 병렬 호출(UnityWebRequestAsyncOperation). 응답은 ScriptableObject 캐시에 직렬화돼 오프라인 모드에서도 즉시 로드된다.
  2. 렌더·분석 엔진 – Mol* v3.2 웹어셈블리 모듈을 네이티브 플러그인으로 포팅, GPU 인스턴싱으로 100 k atom 이상도 90 fps 유지. 셰이더는 Cartoon, BallAndStick, Spacefill, Surface, BFactor, Tube 프리셋을 런타임에 핫스왑한다.
  3. 혼합현실 오버레이 – XROrigin 하위에 SpatialAnchor를 생성, 실제 벽·책상 좌표계에 분자 GameObject를 고정. UI 패널은 Canvas World Space로 배치, 손 제스처(Pinch, Grab)로 스케일·회전·트랜슬레이션을 6‑DOF 컨트롤러 없이도 조작 가능. 
// 예: PDB 로드 후 Mol* 프리셋 전환 async UniTask LoadStructure(string pdbId, Preset preset) { var bytes = await PdbProvider.FetchAsync(pdbId); // RCSB REST var mol = MolStarLoader.Load(bytes); // WASM 호출 mol.ApplyPreset(preset); // Cartoon / Surface … AnchorManager.Place(mol.GameObject, anchorPose); }

성능·트레이드오프 노트

지표 측정 환경 결과
초기 로드 (300 k atom) Quest 3, Wi‑Fi 6 1.8 s (캐시 미스) / 0.4 s (캐시 히트)
프레임 타임 (Surface 프리셋) 120 k atom, 90 fps 목표 10.2 ms (GPU 68 %)
AI 포켓 예측 (PrankWeb 클라우드) 2 s 평균, 95 % 성공률 오프라인 모델(ONNX) 0.7 s, 정확도 2 % 하락
배터리 소모 (연속 30 min) 30 % → 22 % 열 제어 위해 5 분마다 2 초 프레임 드롭 허용

클라우드 추론은 네트워크 지연(≈150 ms) 대비 정확도 이득이 크지만, 오프라인 ONNX 모델을 번들로 제공해 현장 인터넷 불가 상황에서도 포켓 스캔이 가능하게 했다. 이는 ‘연결성 vs. 자율성’ 트레이드오프를 사용자가 런타임에 토글(Settings.UseCloudPocket)로 결정하도록 노출했다.

12개 내레이션 투어, 교육·연구 동시 커버

  • 바이오테크 기초 – DNA 복제, 전사, 번역 과정을 3 분 씩 스토리보드로 구성.
  • 생명의 기초 – 리보솜, ATP 합성효소, 광합성 복합체.
  • 경로와 상호작용 – MAPK 캐스케이드, GPCR 신호전달, 이온 채널 게이팅.
  • 의약품의 작용 – 키나아제 억제제, 항체‑약물 접합체, PROTAC 분해 경로.
  • 유전 기술 – CRISPR‑Cas9, Base Editor, Prime Editing 구조 비교.
  • 그린 바이오 – 플라스틱 분해 효소, 질소 고정 클러스터, 바이오 연료 경로.

각 투어는 NarratorController가 타임라인(TimelineAsset)을 재생하며, 사용자 시선(EyeTracking)에 따라 자동 포커스 전환. 교육자는 TourEditor 윈도우에서 슬라이드·애니메이션·퀴즈를 JSON으로 내보내 LMS에 업로드 가능하다.

전문가용 PDB 뷰어, 스마트 검색·로컬 파일 통합 

{ "query": "uniprot:P69905 AND resolution:<2.5", "sources": ["rcsb", "alphafold", "swissmodel"], "limit": 20 }

위 쿼리는 SearchService가 GraphQL 엔드포인트(https://search.rcsb.org/graphql)와 AlphaFold REST(https://alphafold.ebi.ac.uk/api/prediction/)를 병합, 중복 제거 후 ResultListView에 바인딩한다. 로컬 .pdb/.cif/.mol2 드래그‑앤‑드롭 시 FileReader로 바이트 스트림을 읽어 MolStarLoader에 바로 전달, 별도 임포트 단계 없이 즉시 시각화된다.

분석 벤치: 맨손·컨트롤러 그랩부터 Foldseek 중첩까지

  • 그랩·스케일·회전 – XRRayInteractor + XRDirectInteractor 듀얼 바인딩, InputSystem 액션 맵 Grab, Scale, Rotate로 매핑.
  • AI 포켓 예측 – PocketPredictor 클래스가 PrankWeb REST(/api/pocket) 또는 로컬 p2rank.onnx를 호출, 결과 Pocket[]를 MeshRenderer 하이라이트(파란 헤일로) 렌더링.
  • Foldseek 구조 중첩 – foldseek easy-search CLI를 Process.Start로 호출, TM-score > 0.5인 히트만 Superimposer에 전달, RMSD < 1.2 Å 시 초록색 라벨 표시.
  • 리간드 인스펙터 – 수소결합 거리·각도 계산(HydrogenBondDetector), PubChem 3D 좌표(CID → https://pubchem.ncbi.nlm.nih.gov/rest/pug/compound/CID/record/JSON?record_type=3d) 다운로드 후 LigandDockingPose에 로드.
  • 앙스트롬 단위 거리 계산기 – 두 Atom 선택 시 Vector3.Distance → float Å, 툴팁에 2.8 Å 표기.
  • 잔기 ‘필’ 탭 – 선택 잔기 인덱스 배열을 HaloProjector에 전달, ShaderGraph로 3D 헤일로(반투명 구) 생성, 회의 중 “이 잔기가 핵심” 포인팅 용도.

혼합현실 룸 뷰: 강의·협업·발표 원스톱

RoomViewManager는 ARPlaneManager가 감지한 수평·수직 평면에 MoleculeAnchor를 생성, SpatialAnchorStore로 세션 간 영속성 보장. 벽 메뉴(WallMenuCanvas)는 WorldSpace 캔버스로 고정, HandRay로 버튼 터치 시 투어 전환·레이어 토글·스크린샷 캡처(ScreenCapture.CaptureScreenshotIntoRenderTexture)가 가능하다. 동료 3명과 동시에 접속(Photon Fusion 룸)해 아바타 손 포인터로 동일 잔기 가리키며 “여기 수소결합이 끊어지면 활성 저하” 실시간 토론이 이뤄진다.

개인적 회고: 손끝에서 만난 구조의 의미

세미나 직후, 내 책상 위에는 헤모글로빈 4‑mer가 떠 있었다. 손바닥을 펴자 분자가 내 손 크기로 축소되고, 엄지와 검지로 α‑서브유닛의 헤미 포켓을 집어 올렸다. AI가 “이 포켓이 산소 결합 핵심”이라고 말했을 때, 나는 직접 전하 분포 표면(B‑factor 컬러맵)을 켜고, 물 분자 네트워크를 투명도로 확인했다. Foldseek으로 인간·마우스·제브라피시 헤모글로빈을 중첩하니, 보존된 히스티딘(His F8)이 정확히 같은 각도로 헤미 철을 잡고 있었다. 리간드 인스펙터로 2,3‑BPG 결합 부위를 열자, 수소결합 3개와 염기성 잔기와의 정전기적 상호작용이 한눈에 들어왔다. PubChem에서 CID 5280443(2,3‑BPG)을 끌어와 도킹 포즈를 비교하니, RMSD 0.6 Å — 논문 리뷰어가 요구하던 “구조적 증거”가 이미 내 손안에 있었다.

동료들이 방 한구석에 모여 “이 잔기 돌연변이가 산소 친화도 어떻게 바꿀까?” 묻자, 나는 룸 뷰에서 돌연변이 모델(AlphaFold Multimer 예측)을 불러와 사이드체인 회전을 실시간으로 보여줬다. “이게 바로 AI가 말한 패턴이고, 우리가 공간에서 확인한 의미야.” 그 순간, 데이터 분석의 속도와 구조 직관의 깊이가 마침내 만났다.

AI가 패턴을 찾으면, 우리는 공간에서 그 의미를 확인한다.

https://www.meta.com/experiences/nexopeek/1453797551140347/