다중서열정렬

한 줄 정의 다중서열정렬: 여러 생물종이나 단백질에서 비슷한 유전자·단백질 서열을 나란히 줄 세워 비교해서, 어느 부분이 오랜 시간 동안 함께 변해왔는지(공진화 패턴) 찾아내는 분석 방법이다.

통념 교정 흔히 다중서열정렬은 생물학 실험실에서만 쓰는 순수 과학 도구로 안다. 실제로는 AI 단백질 구조 예측 모델(알파폴드, RosettaFold 계열)의 핵심 입력 재료이며, 이 데이터의 양과 질이 곧 AI 신약 개발 기업의 예측 정확도와 사업 신뢰도를 좌우한다.

1.무엇인가

다중서열정렬(Multiple Sequence Alignment, MSA)은 서로 관련된 여러 서열을 세로로 줄지어 놓고, 어느 위치가 보존되어 있고 어느 위치가 변이가 잦은지 비교하는 작업이다. 마치 여러 나라 사람들의 가족 계보를 나란히 놓고 "이 자리는 항상 같은 성씨가 오고, 저 자리는 나라마다 다르다"를 찾아내는 것과 비슷하다. 이 과정에서 두 위치가 늘 함께 변하는 패턴이 보이면, 그 두 부위가 물리적으로 가까이 붙어 있거나 서로 상호작용한다고 추정할 수 있다. AI 구조 예측 모델은 바로 이 공진화 패턴을 학습해서 단백질의 3차원 모양을 추론한다.

2.왜 중요한가 (투자자 관점)

AI 신약 개발 관련 기업의 발표 자료에는 "AI가 단백질 구조를 예측했다"는 문구가 자주 등장한다. 그런데 이 예측의 신뢰도는 입력된 다중서열정렬 데이터의 풍부함에 크게 의존한다. 만약 대상 단백질이 진화적으로 유사 서열이 적은 희귀 단백질이거나, 인간에게만 있는 최근 변이 유전자라면 MSA 정보가 빈약해서 AI 예측의 정확도가 떨어질 가능성이 크다. 이 사실을 모르면 "AI가 예측했다"는 보도자료만 보고 신뢰도를 과대평가해 투자 판단을 내릴 위험이 있다. 반대로 이를 이해하면 기업이 어떤 조건에서 예측 신뢰도가 높다고 주장하는지, 그 근거가 타당한지 판별할 수 있다.

3.실전 예시

한 바이오 기업이 특정 두 단백질 사이의 결합 부위를 AI로 예측했다고 발표했다고 가정한다. 이 두 단백질이 여러 동물종에 걸쳐 널리 보존된 서열이라면 다중서열정렬 데이터가 풍부해 예측 신뢰도가 상대적으로 높을 수 있다. 반면 사람에게만 존재하거나 최근에 생긴 변이 유전자라면 비교할 서열 자체가 적어 AI 예측이 불확실할 수 있다. 투자자는 발표 자료나 논문에서 "MSA depth(정렬 서열 개수)"나 "예측 신뢰도 점수"가 함께 공개되었는지 확인함으로써 발표의 견고함을 가늠할 수 있다.

4.헷갈리는 개념과 구분

개념	핵심 차이
다중서열정렬(MSA)	여러 서열을 나란히 비교해 공진화 패턴을 찾는 입력 데이터 단계
단백질 구조 예측	MSA 등 여러 데이터를 학습해 실제 3차원 형태를 계산하는 결과물 단계
단백질-단백질 상호작용(PPI) 예측	두 단백질이 실제로 결합하는지, 어디서 결합하는지를 예측하는 응용 분야로, RosettaFold2-PPI 같은 모델이 MSA와 구조 예측 결과를 함께 활용한다

즉 MSA는 재료, 구조 예측은 그 재료로 만든 중간 결과물, PPI 예측은 그 결과물을 활용한 응용 단계라고 구분할 수 있다.

5.확인 체크포인트

• 기업이 공개한 예측 결과에 사용된 서열 데이터베이스의 종류와 규모가 언급되어 있는지 확인한다.
• 예측 대상 단백질이 진화적으로 널리 보존된 것인지, 희귀하거나 최근 변이 유전자인지 확인한다.
• 예측 신뢰도 지표(예: 신뢰도 점수, 오차 범위)가 함께 공개되었는지 확인한다.
• 실험적 검증(결정구조 분석 등) 결과와 AI 예측 결과가 비교되었는지 확인한다.

---

본 문서는 정보 제공용이며 투자 권유가 아닙니다.