모양이 기능에 연결된다.
같은 아미노산 재료라도 순서와 입체 배치가 달라지면 다른 단백질이 된다. 여기서 보는 선은 각 아미노산의 Cα 원자를 연결한 골격이다. 곁사슬과 모든 원자는 표시하지 않는다.
STRUCTURE / SEQUENCE / CONFIDENCE
한 줄의 서열,
하나의 입체.
단백질은 아미노산이 이어진 사슬이다.
AlphaFold는 그 사슬의 3차원 구조를 예측한다.
문자에서 모양으로, 직접 연결해 보자.
01—07
EXPLORE THE INVISIBLE
EXPLORE THE INVISIBLE
관찰할 단백질ALPHAFOLD DB · v6
이렇게 체험해 보자
CRAMBIN / P01542
Cα TRACE실제 예측 구조를 불러오는 중…
끌어서 회전 · 스크롤로 확대
아미노산 서열 · 한 글자가 한 잔기 /
문자를 누르면 3차원 구조의 같은 위치가 빛난다.원본 데이터 ↗
THE BIG PICTURE ↘
AlphaFold는
무엇을 알아낸 걸까?
아미노산의 순서는 알아도, 그 사슬이 어떤 입체 모양을 가질지 알아내기는 어렵다. AlphaFold는 학습한 구조와 진화적 정보를 바탕으로 원자들의 3차원 좌표를 예측한다.
01 / INPUT아미노산 서열TTCCPSIVARS…
→02 / ALPHAFOLD 2관계를 학습한 AI서열·진화 정보·구조 정보
→03 / OUTPUT좌표와 신뢰도x, y, z + pLDDT
이 체험은 이미 계산된 AlphaFold 2 예측 구조를 탐색한다. 새 서열을 추론하거나 실제 접힘 경로를 계산하지 않는다. 사슬 전환은 두 배치 사이의 시각적 보간이다.
파란색도 정답 보증은 아니다.
pLDDT는 잔기 주변 구조에 대한 모델의 신뢰도다. 0–100점이며 정답 확률(%)이 아니다. 낮은 점수는 유연한 영역이나 정보 부족을 뜻할 수 있다. 여러 영역의 상대 배치는 PAE로 별도 확인해야 한다.
예측과 관찰을 구별한다.
화면의 모양은 실험으로 관측한 구조가 아니라 AI의 예측이다. 접촉 지도도 그 예측 좌표로 계산한다. AlphaFold 3는 분자 복합체까지 범위를 넓혔지만 이 체험은 AlphaFold 2 단일 사슬을 다룬다.
공개 예측 구조를 탐색하는 교육용 체험이다. 새로운 구조 예측·진단·의료 권고를 제공하지 않는다. 사용자 입력을 저장하거나 전송하지 않는다.