7강 / 20강

서열에서 3D 로 가는 세 갈래 — 무엇을 빌려 오는가

상동모델링 · 스레딩 · ab initio

1강에서 말했듯, 글자 388개에서 좌표 수천 개를 만들려면 어디선가 정보를 빌려 와야 합니다. 빌려 오는 곳에 따라 세 갈래로 나뉩니다.

📋

상동모델링
(homology modeling)

서열이 비슷한 이미 풀린 단백질을 베낀다.
서열 동일성 30% 넘으면 잘 듣는다

🧩

스레딩
(threading · fold recognition)

서열이 안 비슷해도 모양이 맞는 틀을 찾는다.
"이 서열을 저 틀에 꿰어 보면 편안한가"

🎲

ab initio
(from scratch)

틀 없이 물리·통계로 접는다.
짧은 단백질에만, 그것도 겨우

논문이 쓴 여섯 도구는 이 세 갈래에 흩어져 있습니다.

고등학생숙제를 하는 세 가지 방법

방법	구조 예측에서	언제 쓰나
비슷한 문제의 풀이를 베낀다	상동모델링	거의 같은 문제가 있을 때
문제 유형을 알아보고 그 틀에 맞춘다	스레딩	숫자는 달라도 유형이 같을 때
처음부터 스스로 푼다	ab initio	비슷한 문제가 없을 때

세 번째가 가장 어렵고 가장 자주 틀립니다. 당연하죠 — 기댈 데가 없으니까요.

비유가 깨지는 자리

숙제는 스스로 풀면 더 잘 배웁니다. 구조 예측은 그렇지 않아요 — 스스로 푼 결과가 그냥 더 나쁩니다.

여섯 도구가 여섯 답을 냅니다. "어느 것이 맞나" 는 그 자체로 하나의 문제예요.

Python 브라우저에서 실행

tools = [
    ("CPHmodels", "상동모델링",        "주형 하나를 골라 베낀다"),
    ("Modeller",  "상동모델링",        "제약조건 만족 — 고전"),
    ("PS2v2",     "상동모델링",        "주형 자동 선택"),
    ("Phyre2",    "스레딩 + 상동",      "HMM 으로 먼 친척까지 찾는다"),
    ("RaptorX",   "스레딩",            "확률 모형으로 정렬"),
    ("I-TASSER",  "스레딩 + 조각조립",   "여러 주형 조각을 이어 붙이고 다듬는다"),
]

print(f"{'도구':11s}{'갈래':16s}설명")
print("-" * 66)
for name, kind, desc in tools:
    print(f"{name:11s}{kind:16s}{desc}")
print()
print("논문은 여섯 개를 다 돌리고 하나를 골랐습니다 — 10강에서 그 고르는 법을 봅니다.")

30% 는 자연의 상수가 아니라 사람이 그은 선입니다. 곡선이 가파른 구간의 위쪽 끝이에요.

Python 브라우저에서 실행

import numpy as np
import matplotlib.pyplot as plt

ident = np.linspace(5, 60, 200)
# 같은 접힘일 확률의 대략적인 모양 (교과서적 곡선의 근사)
p_same = 1/(1 + np.exp(-(ident - 24)/3.2))

fig, ax = plt.subplots(figsize=(6.6, 3.0))
ax.plot(ident, p_same, lw=2, color="#3d5a80")
ax.axvspan(20, 30, alpha=0.18, color="#e07a5f")
ax.text(25, 0.15, "twilight\nzone", ha="center", fontsize=9)
ax.axvline(30, ls="--", lw=1, color="#666")
ax.set_xlabel("sequence identity to template (%)")
ax.set_ylabel("P(same fold)")
ax.set_title("why 30% is the usual line")
plt.tight_layout()
plt.show()

🤔 확인 문제

스레딩(threading)이 상동모델링과 다른 점은?

🤔 확인 문제

논문이 주형에 대해 적지 않은 것은?