CLSS Protein Universe Map은 서열과 구조를 통합하지만 AlphaFold를 대체하지는 않는다
CLSS는 종종 서로 충돌하는 신호를 보이는 아미노산 서열과 3차원 구조를 결합한 32차원 protein universe map을 만들었다. 이 모델은 연구자들이 서열, 구조, 짧은 단편 중 무엇에서 출발하든 단백질 도메인을 비교할 수 있는 하나의 좌표계를 제공한다.
이 차이는 중요하다. CLSS는 수십억 개의 단백질 구조를 예측하려는 또 다른 시도가 아니기 때문이다. AlphaFold와 관련 시스템은 이미 이 작업을 혁신했다. CLSS가 대신 다루는 문제는 그러한 예측이 만들어낸 조직화의 과제다. 즉, 연구자들이 방대한 단백질 컬렉션을 탐색하고 단일 데이터 유형만으로는 놓칠 수 있는 관계를 어떻게 파악할 것인가에 관한 문제다.
2026년 8월 발표된 동료 심사 연구는 CLSS가 학습 과정에서 전문가 단백질 분류의 라벨을 사용하지 않고도 주요 패턴을 재현했다고 보고한다. 또한 일부 분류 벤치마크에서 여러 더 큰 protein language model을 능가했다. 이 결과는 서열 분석과 구조 분석을 별도의 단계로 취급해 온 익숙한 연구 워크플로에 의문을 제기한다.
CLSS Protein Universe Map이 실제로 바꾸는 것
CLSS는 단백질 서열과 구조를 호환 가능한 좌표로 전환해, 개별 형태의 예측에서 단백질 공간 전반의 관계를 조직하는 일로 초점을 옮긴다.
University of Haifa, Tel Aviv University, Earth-Life Science Institute의 연구자들은 Contrastive Learning Sequence-Structure, 즉 CLSS를 개발했다. 이들의 PNAS 연구는 2026년 8월 11일 발표됐다.
단백질 서열은 아미노산이 배열된 순서를 나열한다. 단백질 구조는 그 사슬이 3차원 공간을 어떻게 차지하는지 설명한다. 두 데이터 모두 계통과 기능에 관한 증거를 담고 있지만, 항상 같은 이야기를 들려주지는 않는다.
먼 친연 관계의 서열도 유사한 구조로 접힐 수 있다. 가까운 친연 관계의 서열 역시 돌연변이, 결합 사건 또는 환경 변화 이후 서로 다르게 행동할 수 있다. 이러한 다대다 관계 때문에 보편적인 단백질 지도를 구축하기는 어렵다.
CLSS는 각 단백질 도메인을 embedding, 즉 관련 객체를 서로 가깝게 배치하는 수치 벡터로 표현한다. 최종 embedding은 32차원만으로 구성된다. 연구자들은 시각적 탐색을 위해 이 벡터를 2차원으로 투영할 수 있으며, 유사성 검색은 전체 표현을 사용한다.
이 모델은 서열 또는 구조 중 어느 쪽이든 입력으로 받을 수 있다. 이후 짝을 이루는 서열과 구조 입력에 거의 같은 주소를 부여하는 것을 목표로 한다. 이 속성은 서로 다른 데이터 유형이 비교 가능한 하나의 좌표 공간을 공유한다는 의미의 coembedding이라고 불린다.
기존 시스템도 여러 생물학적 modality를 처리할 수 있다. 그러나 여러 modality를 받아들인다고 해서 그 표현이 정렬되는 것은 아니다. 각 입력이 별도의 내부 기하 구조를 따르기 때문에, 모델은 동일한 단백질의 서열과 구조를 서로 다른 영역에 배치할 수 있다.
연구진은 평가에서 CLSS가 ESM3, ProstT5, ProTrek보다 이러한 분리를 더 효과적으로 피한다고 보고했다. 도메인 서열에서 파생된 지도는 해당 구조에서 파생된 지도와 매우 유사하다. 이 일관성 덕분에 시각화는 단순히 나란히 놓인 두 개의 지도책을 넘어선다.
이 모델은 두 가지 주요 형태로도 제공된다. CLSS-full은 완전한 도메인 서열을 대응하는 구조와 짝지으며, CLSS-sub은 구조를 서열 단편과 짝지어 더 짧은 조각도 같은 표현 공간에 들어올 수 있게 한다.
단백질 도메인은 어느 정도 독립적으로 접히거나 기능할 수 있는 컴팩트한 단위다. 진화는 도메인과 더 작은 단편을 반복적으로 재조합해 새로운 단백질을 만든다. 따라서 단편을 의미 있게 배치하는 모델은 전체 단백질 비교로는 숨겨졌던 관계를 드러낼 수 있다.
이것이 제목의 핵심 변화다. 이 모델은 어떤 데이터베이스에도 담길 수 없는 무한한 집합인, 자연적으로 가능한 모든 단백질을 문자 그대로 보여주지는 않는다. 대신 대표적인 도메인을 조직하고 더 넓은 단백질 컬렉션을 공통 지도에 투영하는 통합 방식을 제공한다.
이러한 설명은 AI가 생물학의 지도를 완성했다는 말보다 더 정확하다. CLSS protein universe map은 모든 단백질이나 생물학적 기능의 최종 목록이 아니라 분석을 위한 좌표계다.
단백질 연구에 하나의 공유 좌표계가 필요했던 이유
예측 구조의 급속한 증가는 구조 예측만으로는 해결할 수 없는 해석 병목을 만들었다.
AlphaFold는 전례 없는 규모로 정확한 단백질 구조 예측을 이용할 수 있게 했다. 공개 데이터베이스에는 생명 계통수 전반의 생물에서 유래한 단백질을 포괄하는 2억 개 이상의 예측 구조가 담겨 있다.
다른 프로젝트들은 이 지형을 더욱 확장했다. 보도된 atlas 세부 정보에 따르면, ESMFold2 기반의 2026년 릴리스는 10억 개 이상의 예측 단백질 구조를 포함하는 공개 atlas를 생성했다. 연구자들은 이제 전통적인 수작업 분류가 무리 없이 처리할 수 있는 양을 훨씬 넘어서는 구조 데이터를 마주하고 있다.
구조가 늘어난다고 해서 생물학적 이해가 자동으로 깊어지는 것은 아니다. 과학자들은 여전히 어떤 단백질이 관련되어 있는지, 어떤 영역이 유사한 분자에 결합하는지, 그리고 겉보기 유사성 중 어떤 것이 공통 조상을 반영하는지를 판단해야 한다.
진화가 식별 가능한 잔기 패턴을 남기기 때문에 서열 비교는 여전히 가치가 있다. 그러나 그러한 패턴은 긴 시간에 걸쳐 약화된다. 두 단백질은 서열이 기존 정렬 기법의 범위를 넘어 분화한 뒤에도 관련된 fold를 유지할 수 있다.
구조 비교는 이러한 먼 연결 중 일부를 복원할 수 있다. 하지만 거대한 데이터베이스 전반에서 정교한 3차원 관계를 계산하고 검색하려면 상당한 연산 및 저장 비용이 든다. 또한 많은 서열은 구조를 이용할 수 없거나 구조 예측의 불확실성이 크다.
컴팩트한 embedding은 원시 데이터와 생물학적 판단 사이에 또 하나의 계층을 제공한다. 단백질이 짧은 수치 벡터로 바뀌면, 연구자들은 모든 서열이나 구조를 다른 모든 항목과 반복적으로 정렬하지 않고도 가까운 항목을 검색할 수 있다.
CLSS는 서열 기반 벡터와 구조 기반 벡터를 비교 가능하게 만들어 한 단계 더 나아간다. 서열만 가진 연구자도 구조적 관계가 반영된 지형을 검색할 수 있다. 또 다른 연구자는 알려진 구조에서 시작해, 추가 맥락을 제공하는 서열 패턴을 가진 이웃을 찾을 수 있다.
연구팀은 ECOD 또는 CATH hierarchy 라벨을 제공하지 않고 CLSS를 학습시켰다. ECOD와 CATH는 구조적·진화적 관계에 따라 단백질 도메인을 분류하는 전문가 큐레이션 시스템이다.
그럼에도 결과 지도는 이들 체계의 계층적 조직을 상당 부분 재현한 것으로 보고됐다. 이는 모델이 평가에 사용된 분류 라벨을 암기한 것이 아니라, 짝지어진 서열 및 구조 데이터에 존재하는 관계를 학습했음을 시사한다는 점에서 중요하다.
이 지도는 hierarchy에 깔끔하게 들어맞지 않는 관계도 드러낼 수 있다. 전통적인 분류 체계는 분류학의 가지처럼 단백질을 중첩된 그룹으로 배치한다. 그러나 생물학적 진화가 언제나 그렇게 정돈된 경계를 따르는 것은 아니다.
도메인은 단편을 재사용하고, 구성 요소를 교환하거나, 중간 형태를 거쳐 이동할 수 있다. 연속적인 지도는 모호한 사례를 각각 하나의 상자에 억지로 넣는 대신, 확립된 영역 사이에 배치할 수 있다.
이러한 지도가 유용한 이유는 이전 연구에서도 이미 제시됐다. 2023년 미생물 단백질 연구는 연속적인 fold space를 설명하고 148개의 후보 신규 fold로 묶인, 이전에 관찰되지 않았던 438개 구조를 확인했다. 해당 microbial protein map은 저차원 관점이 겉보기에는 서로 다른 fold 전반의 점진적 관계를 드러낼 수 있음을 보여줬다.
CLSS는 다른 메커니즘과 목표를 적용한다. 구조 그래프 특징만 사용하는 대신, 짝지어진 서열과 구조에서 공유 표현을 학습한다. 그 결과는 단백질 예측에서 단백질 탐색으로 향하는 더 넓은 전환을 확장한다.
이 변화는 분리된 서열 및 구조 파이프라인을 유지하는 팀에 압박을 가한다. 세부 작업에는 별도 도구가 여전히 필요하지만, 그 결과물에는 공통 indexing 계층이 필요하다. 그렇지 않으면 연구자들은 비례하는 탐색 능력의 향상 없이 더 큰 데이터베이스만 만들 위험이 있다.
계산생물학자에게 이 실질적인 교훈은 지식 시스템에서 익숙한 문제와 닮아 있다. 시스템이 의미 있는 연결을 보존하지 않는다면 자료를 더 수집해도 발견의 문제는 해결되지 않는다. 밀도 높은 과학적 증거를 관리하는 팀도 검색 가능한 지식 기반을 구축할 때 같은 문제에 직면한다.
Contrastive Learning이 서열과 구조를 결합하는 방식
CLSS는 두 입력 경로가 동일성에 관해 일치하도록 학습시키는 한편, 관련 없는 단백질 도메인을 구분할 수 있을 만큼의 변이를 보존함으로써 성과를 낸다.
이 아키텍처는 서로 다른 encoder가 서로 다른 입력 유형을 처리하는 two-tower 설계를 사용한다. 한 tower는 아미노산 서열을 읽고, 다른 tower는 단백질 구조를 처리한다.
서열 tower는 작은 ESM2-style 모델에서 시작한다. 구조 tower는 frozen ESM3 encoder를 사용하며, 이는 CLSS 학습 중 기본 파라미터가 변경되지 않는다는 의미다. Adapter layer는 두 출력을 공유하는 32차원 공간으로 변환한다.
학습은 contrastive learning에 의존한다. 각 batch에서 시스템은 일치하는 서열과 구조의 표현을 서로 가깝게 끌어당긴다. 동시에 일치하지 않는 도메인은 더 멀리 밀어낸다.
이 메커니즘은 이미지와 텍스트를 연결하는 데 사용되는 접근법과 유사하다. 이 모델은 연구자가 모든 도메인 family에 라벨을 붙일 필요가 없다. 특정 서열이 특정 구조와 짝을 이룬다는 사실에서 학습한다.
연구팀은 각각 40 gigabytes 메모리를 갖춘 8개의 NVIDIA A100 GPU에서 80 epochs 동안 네트워크를 학습시켰다. 학습에는 약 4일 반이 걸린 것으로 보고됐다.
학습 가능한 파라미터는 약 3,600만 개에 불과했다. 이 수치는 서열 경로 초기화에 사용된 3,500만 파라미터 ESM2 모델과 비슷하다. ESM3, ProstT5, ProTrek의 보고된 규모보다는 훨씬 작다.
모델 크기만으로 품질이 결정되지는 않는다. 더 큰 시스템은 전문화된 모델이 시도하지 않는 더 광범위한 작업이나 더 풍부한 생성 기능을 지원하는 경우가 많다. 그럼에도 CLSS는 집중된 학습 목표가 수십억 개의 파라미터를 업데이트하지 않고도 유용한 표현을 만들 수 있음을 보여준다.
이 대비는 모든 단백질 연구 그룹이 hyperscale 컴퓨팅 예산을 갖고 있지는 않다는 점에서 중요하다. 더 작은 학습 가능 구성 요소는 이 접근법을 재현, 조정 또는 확장하는 장벽을 낮춘다. 컴팩트한 embedding은 학습 후 저장 및 검색 비용도 줄인다.
CLSS-full은 완전한 도메인에 집중한다. 이 모델의 서열 tower와 구조 tower는 보고된 결과 중 가장 강력한 cross-modal 일치를 만들어냈다. 완전한 도메인이 어느 경로로 들어오든, 그 이웃 관계는 비교적 안정적으로 유지된다.
CLSS-sub은 단편을 추가 modality로 받아들인다. 학습 중 시스템은 샘플링된 subsequence를 전체 도메인 구조와 짝지어 준다. 그리고 그 단편을 자신이 속한 더 큰 구조적 맥락 가까이에 배치하도록 학습한다.
완전한 서열을 그 자체의 구조와 맞추는 일보다 이 작업은 더 어렵다. 짧은 세그먼트는 담고 있는 정보가 적고, 유사한 모티프는 서로 무관한 단백질에서도 나타날 수 있다. 따라서 프래그먼트 모델은 전체 도메인 정렬 품질 일부를 포기하는 대신, 경쟁 표현 방식에는 흔히 없는 역량을 얻는다.
진화적 근거도 상당하다. 자연은 모든 단백질을 빈 캔버스에서 새로 발명하는 경우가 드물다. 작은 서열 세그먼트는 긴 시간에 걸쳐 복제되고, 변형되며, 서로 다른 도메인에 삽입될 수 있다.
그 외에는 서로 무관한 두 단백질에서 발견되는 프래그먼트는 먼 공통 역사를 시사할 수 있다. 또한 유사한 제약이 독립적으로 유사한 해결책을 만들어내는 수렴 진화를 반영할 수도 있다. CLSS는 조사할 후보를 제공하지만, 위치만으로 이 구분을 확정할 수는 없다.
연구진은 지도 위에 생물학적 특성도 겹쳐 표시했다. 유기 보조인자와 연관된 도메인은 특정 영역에 군집했고, 금속 결합 도메인은 더 폭넓게 분포했다.
보조인자는 단백질이 화학 반응을 수행하도록 돕는 비단백질 분자 또는 이온이다. 지도 전반의 분포는 학습된 기하 구조가 서열 유사성을 넘어 기능적 특성과도 대응하는지를 시험하는 근거가 된다.
이러한 오버레이는 CLSS 단백질 우주 지도를 가설 생성에 잠재적으로 유용하게 만든다. 연구자는 특정 리간드에 결합하는 단백질 인근에서 특성이 규명되지 않은 도메인을 찾아낸 뒤, 그 주변을 중심으로 생화학적 시험의 우선순위를 정할 수 있다.
하지만 지도상 근접성은 표현상의 유사성을 보여주는 증거일 뿐, 동일한 기능의 증명은 아니다. 이웃한 단백질은 핵심 활성 부위 잔기에서 다를 수 있다. 또한 서로 다른 생물종, 세포 구획 또는 분자 복합체에서 작동할 수도 있다.
따라서 이 모델의 역할은 자동화된 실험실의 판정보다 검색 엔진에 가깝다. 방대한 후보군을 좁히고 예상치 못한 연관성을 드러낼 수 있다. 그러한 연관성이 생물학적 조건에서도 성립하는지는 여전히 실험으로 판단해야 한다.
진짜 경쟁은 통합 매핑과 분리 분석의 대결이다
CLSS는 기반 정보 상당 부분을 제공하는 구조 예측 시스템이 아니라, 분절된 표현 파이프라인에 도전한다.
두 프로젝트 모두 AI를 사용해 단백질을 분석하기 때문에 AlphaFold와의 비교는 자연스럽다. 그러나 두 시스템이 해결하는 문제는 다르다.
AlphaFold는 서열에서 단백질의 3차원 구조를 예측한다. CLSS는 서열 및 구조 표현을 이용해 단백질 도메인 간 관계를 지도화한다. 하나는 구조 후보를 생성하고, 다른 하나는 더 큰 공간에서 증거를 체계화한다.
따라서 두 도구는 서로 보완할 수 있다. 예측된 AlphaFold 구조는 구조 경로에 입력될 수 있고, 해당 아미노산 서열은 서열 경로에 입력될 수 있다. 이들 표현 간 일치는 탐색과 분류를 뒷받침할 수 있다.
ESM3는 더 폭넓은 위치를 차지한다. 단백질 서열, 구조 및 기능 관련 정보를 다룰 수 있고 생성도 지원한다. CLSS는 고정된 ESM3 구조 인코더를 활용하지만, 더 좁은 매핑 목표를 중심으로 공유 공간을 학습한다.
ProstT5는 단백질 서열과 구조 알파벳 사이를 변환한다. ProTrek은 여러 생물학적 모달리티와 대조 학습 접근법을 사용한다. 이들 시스템은 멀티모달 단백질 모델링이 CLSS보다 앞서 존재했음을 보여준다.
이 연구의 더 강한 주장은 보다 구체적이다. 시험된 환경에서 CLSS는 서열 지도와 구조 지도 사이에 더 응집력 있는 중첩을 만들었다. 연구진은 또한 단백질 표현을 평가하는 표준화 프레임워크인 ProteinShake의 분류 과제에서 강력한 성능을 보였다고 보고한다.
이 결과는 통합 매핑을 기술적 방향으로서 뒷받침한다. 단백질 예측, 설계, 주석 또는 생성 전반에서 CLSS가 보편적으로 우수하다는 점을 확립하는 것은 아니다.
특화된 32차원 표현은 필연적으로 정보를 압축한다. 이 압축은 광범위한 관계를 강조하는 반면 다른 과제에 필요한 세부 정보를 버릴 수 있다. 잔기 수준 상호작용, 동적 구조 변화, 무질서 영역 및 세포 맥락이 모두 하나의 짧은 벡터 안에서 변함없이 유지될 수는 없다.
학습 분포도 또 하나의 중요한 제약을 만든다. CLSS는 ECOD와 연관된 실험적으로 규명된 사례와 예측 사례를 포함해, 기존 구조 자원에 표현된 단백질 도메인으로부터 학습했다.
이 데이터베이스들은 막대한 과학적 가치를 지니지만, 생물학 전체의 중립적 표본은 아니다. 실험 구조는 연구자가 분리하고 안정화하며 측정할 수 있는 단백질에 편중된다. 예측 컬렉션은 이용 가능한 서열과 모델 신뢰도의 편향을 물려받는다.
더 광범위한 Protein Universe Atlas는 이전에 서열 네트워크, 구조 예측 및 주석을 결합해 미탐색 패밀리를 식별했다. 제작진은 단백질 공간의 큰 부분에 기능을 할당하는 일이 여전히 어렵다는 점도 기록했다.
CLSS는 이 미지의 영역을 지우지 않는다. 이를 재조직할 뿐이다. 특성이 제대로 규명되지 않은 도메인은 검증된 기능, 기작 또는 진화적 기원을 얻지 못한 채 좌표를 부여받을 수 있다.
ECOD 및 CATH와의 평가는 신중히 해석할 필요도 있다. 라벨 없이 전문가 계층 구조를 복원하는 것은 의미 있는 증거다. 그러나 이러한 분류 역시 학습 사례가 추출된 동일한 알려진 단백질 지형을 반영한다.
논문은 무작위 학습 및 검증 도메인이 동일한 일반 분포에서 나왔음을 언급한다. 이 선택은 흔한 패밀리가 지배하는 포괄적 지도를 구축한다는 목표에 부합한다. 학습 사례와 의도적으로 분리된 원격 패밀리만으로 시험하는 것보다는 덜 엄격하다.
사용자가 CLSS가 진정으로 낯선 생물학으로 일반화할 수 있는지를 물을 때 이 구분은 중요하다. 표준 분류에서의 성능은 희귀 폴드, 특이한 막 단백질, 무질서 영역 또는 표본이 부족한 환경의 서열을 모델이 어떻게 처리하는지에 완전한 답을 주지 못한다.
차원 축소도 또 다른 주의 요인이다. 기반 CLSS 임베딩은 32차원이지만, 세계 지도는 대개 두 차원만 표시한다. t-SNE와 같은 알고리즘은 국소적 이웃 관계를 보존하는 한편 거리와 전역 기하 구조를 왜곡할 수 있다.
따라서 화면에서 눈에 띄는 군집은 생물학적 결론이 아니라 단서다. 연구자는 전체 임베딩 공간에서 이웃을 점검하고, 이를 서열 정렬, 구조 중첩, 기능 주석 및 실험과 비교해야 한다.
“단일 뷰”라는 표현도 잘못된 기대를 만들 수 있다. 서열과 구조는 호환 가능해지지만, 모든 과학적 맥락에서 상호 교환 가능해지는 것은 아니다. 각 모달리티는 고유한 증거, 불확실성 및 실패 양식을 담고 있다.
과학자가 기반 유전자 또는 단백질을 규명하면 서열은 직접 관측된다. 예측 구조는 잔기와 복합체에 따라 신뢰도가 달라지는 추론이다. 두 정보를 공동 임베딩한다고 해서 증거로서의 이러한 지위 차이가 사라지는 것은 아니다.
올바른 경쟁 구도는 통합 매핑과 분리 분석의 대결이다. CLSS는 하나의 학습된 좌표계가 결합된 증거를 더 쉽게 검색하도록 만들 수 있다고 주장한다. 두 단백질이 왜 서로 가까이 나타나는지는 여전히 세부 도구로 분석해야 한다.
CLSS가 단백질 발견을 바꾸기 전에 필요한 일
다음 시험은 독립 연구자들이 낯설고 실험적으로 다루기 어려운 단백질 전반에서 지도상의 이웃 관계를 검증된 발견으로 전환할 수 있는지 여부다.
먼저 주시할 신호는 원격 단백질 패밀리에 대한 외부 재현이다. 연구자들은 학습 도메인과 시험 도메인 사이의 서열 및 구조적 중첩을 엄격히 제한하는 분할 방식으로 CLSS를 평가해야 한다.
그러한 조건에서 강력한 성능이 나온다면 이 표현이 전이 가능한 생물학적 원리를 포착한다는 주장이 강화될 것이다. 성능이 급격히 하락한다면, 그 조직화 상당 부분이 익숙한 패밀리 분포에 의존함을 시사할 수 있다.
두 번째 신호는 지도에서 도출한 가설의 실험적 검증이다. 가장 설득력 있는 연구는 미지이거나 논쟁의 대상인 단백질에서 시작해 CLSS로 예상치 못한 이웃을 식별하고, 실험실에서 예측된 관계를 시험할 것이다.
유용한 결과에는 검증된 리간드 결합, 효소 활성, 구조적 유사성 또는 공유된 진화적 프래그먼트가 포함될 수 있다. 부정적 결과도 임베딩이 어떤 종류의 근접성을 과대평가하는지 드러낼 수 있으므로 동등하게 유익하다.
세 번째 신호는 실용적인 데이터베이스 검색 및 단백질 공학 워크플로에서의 채택이다. 연구팀은 서열 정렬, 진화 재구성 및 설계 분야에서의 활용을 구상한다. 이러한 응용에는 매력적인 시각화 이상의 것이 필요하다.
데이터베이스가 커져도 검색 도구는 빠르게 유지되어야 한다. 연구자가 후보가 왜 나타났는지 이해할 수 있도록 결과는 해석 가능한 증거를 제공해야 한다. 파이프라인은 모델 버전, 출처 구조, 신뢰도 점수 및 데이터베이스 업데이트도 기록해야 한다.
프로젝트의 기관 개요는 단백질 공간을 탐색하기 위한 인터랙티브 뷰어를 소개한다. 독립 연구실에서의 사용은 이 인터페이스가 연구자들이 익숙한 분류를 단순히 탐색하는 데 그치지 않고 검증 가능한 질문에 도달하도록 돕는지 보여줄 것이다.
단백질 공학은 더 높은 기준을 요구한다. 유용한 이웃 관계는 프래그먼트나 도메인 템플릿을 제안할 수 있지만, 기능성 단백질을 설계하려면 접힘, 안정성, 활성 및 발현 전반의 호환성이 필요하다.
CLSS-sub은 짧은 서열 프래그먼트를 완전한 도메인 및 구조와 나란히 배치한다는 점에서 특히 흥미롭다. 이러한 배치가 재사용 가능한 구성 요소를 일관되게 식별한다면 단백질 설계의 검색 단계를 개선할 수 있다.
그러나 프래그먼트가 역사적으로 재사용되었다고 해서 안전하게 이식할 수 있다는 보장은 없다. 그 거동은 주변 잔기와 분자적 맥락에 좌우된다. 실험 설계에서는 가까운 임베딩을 조립 지침이 아니라 후보 관계로 취급해야 한다.
동일한 주의는 신약 개발에도 적용된다. 특정 보조인자 또는 리간드 유형과 연관된 군집은 우선순위 설정을 안내할 수 있다. 그렇다고 인근의 모든 단백질이 같은 분자에 결합하거나 약물화 가능한 부위를 제공한다는 점을 입증할 수는 없다.
사용자는 향후 CLSS 버전이 불확실성을 명시적으로 통합하는지도 지켜봐야 한다. 하나의 벡터는 모달리티 간 불일치나 신뢰도가 낮은 구조 영역을 숨길 수 있다. 이러한 불일치를 드러내면 연구자가 안정적인 이웃 관계와 취약한 관계를 구분하는 데 도움이 될 것이다.
또 다른 유용한 발전은 지도상의 위치를 잔기 수준의 설명과 연결하는 것이다. 과학자들은 두 단백질이 공유 코어, 짧은 모티프, 결합 포켓 또는 광범위한 구조적 유사성 때문에 정렬되는지 알아야 한다.
이러한 투명성은 CLSS가 일상적인 분석 계층이 될 수 있는지를 결정할 것이다. 생물학자들은 시스템이 다음 실험을 설계하는 데 도움을 준다면 불완전한 예측도 수용할 수 있다. 시각적으로 설득력 있는 지도 속 설명되지 않은 이웃 관계를 신뢰할 가능성은 더 낮다.
CLSS의 더 깊은 의미는 데이터 풍부성에 대한 대응에 있다. 오늘날 생물학은 방대한 서열, 예측 구조 및 주석 컬렉션을 보유한다. 점점 더 제한적인 문제는 이러한 컬렉션을 비교 가능하고 검색 가능하게 만드는 일이다.
CLSS 단백질 우주 지도는 하나의 신뢰할 만한 답을 제시한다. 서열과 구조를 공유 언어로 압축하고, 확립된 분류를 복원하며, 프래그먼트를 동일한 지형의 일부로 만든다.
그 성취는 생명체 단백질의 지도를 완성하는 일보다 여전히 더 좁다. 미지의 기능, 불확실한 구조, 편향된 데이터베이스 및 어려운 실험은 남아 있다. 어떤 2차원 시각화도 이러한 제약을 해소할 수는 없다.
연구자들은 이제 구체적인 질문을 던져야 한다. CLSS 이웃 관계가 그렇지 않았다면 발견하지 못했을 관계로 이어지는가, 그리고 그 관계는 실험적 검증을 견뎌내는가? 독립된 연구실들이 반복적으로 이 질문에 예라고 답한다면, 통합 단백질 매핑은 단순히 설득력 있는 관점을 넘어설 것이다. 그것은 생물학적 발견이 시작되는 방식의 일부가 될 것이다.
