구글 Antigravity의 항균 펩타이드 탐색 가속화 — 계산은 빨라지는데, 구조를 '보는' 방식은 왜 그대로일까

딥마인드가 항균 펩타이드(antimicrobial peptides) 탐색을 가속하는 Google Antigravity 기반 연구를 공개했습니다. 후보 발굴 파이프라인은 확실히 빨라지고 있습니다. 그런데 여기서 개인적으로 걸리는 지점이 하나 있습니다. 우리가 그 결과를 검토하는 인터페이스는 여전히 2D 평면이라는 사실입니다.

파이프라인 쪽을 뜯어보면, 생성 모델이 후보 서열을 뽑아내고 접힘 구조를 예측한 뒤 결합 친화도로 걸러내는 흐름 자체는 이미 상당히 자동화돼 있습니다. 문제는 그다음입니다. 모델이 던져준 좌표와 포켓 정보를 사람이 검토하는 단계에서, 우리는 결국 회전 가능한 평면 뷰어로 돌아옵니다. 후보 수는 수백 개로 늘었는데, 한 개를 '이해하는' 데 드는 인지 비용은 그대로인 셈이죠. 여기서 병목이 생깁니다.

결합 포켓의 입체감, 리간드가 들어앉는 방향, 잔기 주변의 공간적 맥락 — 이런 것들은 스크린에서 회전시켜 보는 것과, 사람 크기로 확대된 구조 주위를 실제로 걸어 다니는 것 사이에 꽤 큰 차이가 있다고 느낍니다. 특히 교육 현장에서는 더 그렇습니다.

저는 Seven Sportz가 만든 NexoPeek이라는 Meta Quest용 VR 분자 실험실을 쓰고 있습니다. 6개 기둥에 걸친 12개 내레이션 투어가 있고, 전문가용 PDB 뷰어에서는 유전자 이름 하나로 RCSB PDB·UniProtKB·AlphaFold DB·SWISS-MODEL·PDBe를 검색해 구조를 사람 크기로 불러옵니다. Mol* 프리셋으로 표현을 바꾸고, 로컬 .pdb/.cif/.mol2 파일에 정전기장선과 전자밀도를 얹을 수 있습니다. 분석 벤치에서는 AI 포켓 예측(PrankWeb/P2Rank), Foldseek 상동 정렬, PubChem 리간드 불러오기, 원자 간 옹스트롬 거리 측정이 됩니다.

시스템 설계 관점에서 흥미로운 건, 이 도구가 자체 예측 모델을 돌리는 게 아니라 이미 검증된 외부 데이터베이스와 예측 서버를 뷰어 레이어에서 묶어준다는 점입니다. AlphaFold DB나 PDBe 같은 소스를 그대로 당겨오고, PrankWeb/P2Rank 결과를 공간에 얹는 식이죠. 무거운 연산은 밖에 두고, 사람의 공간 인지가 필요한 마지막 마일만 몰입형으로 가져오는 구조라고 볼 수 있습니다.

솔직히 말하면, 이 도구가 검증된 계산 파이프라인을 대체한다고 보지는 않습니다. 포켓 예측은 어디까지나 보조 수단이고, 최종 판단은 전문가의 몫입니다. 다만 '구조를 이해하는 속도'와 '설명하는 능력' 측면에서는 논의할 가치가 있다고 생각합니다.

질문입니다. 여러분은 구조를 VR이나 몰입형 환경에서 검토해 본 적이 있나요? 교육용으로 쓸 때 실제로 이해도가 올라간다고 느끼셨는지, 아니면 결국 논문용 2D 도구로 돌아오게 되는지 궁금합니다.

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