단계별 조립으로 RNA 루프를 원자 수준까지 예측한다

초록

본 논문은 Rosetta 기반의 “단계별 조립(stepwise ansatz)” 전략을 도입해 RNA 루프를 원자 정확도로 예측한다. 각 뉴클레오티드마다 수백만 개의 후보 구조를 열거하고 모든 빌드‑업 경로를 탐색함으로써 기존 Monte Carlo·지식 기반 방법이 놓친 샘플링 공간을 완전하게 커버한다. 15개의 리보스위치·리보자임·리보솜 루프를 대상으로 수행한 벤치마크에서 10개의 미해결 문제를 포함해 모든 경우에서 원자 수준 정확도에 도달하거나 Rosetta 전자 에너지 함수의 결함을 드러냈다. 또한, 알려지지 않은 C7.2 테트라루프‑수용체를 블라인드 예측하고 핵산‑해상도 매핑 데이터로 검증하였다.

상세 분석

이 연구는 RNA 3차원 구조 예측에서 가장 큰 장애물인 “샘플링 병목”을 정량적으로 해소한다는 점에서 혁신적이다. 기존의 Monte Carlo 기반 로테이션·전이 기법은 에너지 함수가 충분히 정확하더라도 고차원 자유도(특히 루프와 같은 비정형 부위)의 조합을 완전 탐색하지 못한다. 저자들은 “stepwise ansatz”라 명명한 재귀적 빌드‑업 방식을 제안한다. 구체적으로, 루프를 5′→3′ 혹은 3′→5′ 방향으로 한 염기씩 추가하면서, 각 단계에서 가능한 토션 각도와 골격 변형을 전부 열거한다. 이때 Rosetta의 전자‑원자 스코어링 함수를 즉시 적용해 수백만 개의 후보 중 에너지적으로 유리한 구조만을 다음 단계로 전달한다. 이러한 “전진‑전략”은 모든 가능한 빌드‑업 경로를 포괄함으로써, 기존 지식 기반 템플릿이 존재하지 않는 경우에도 최적 구조에 도달할 확률을 1에 가깝게 만든다.

연산량 측면에서, 한 뉴클레오티드당 평균 2–5 백만 개의 후보를 생성하고, 6~12 염기의 루프는 수십억 개의 조합을 탐색한다. 이를 위해 저자들은 고성능 클러스터와 병렬화된 Rosetta 파이프라인을 구축했으며, 작업 단위(스레드)를 “빌드‑업 단계”별로 분할해 효율적인 로드 밸런싱을 구현했다. 결과적으로, 단일 루프당 평균 48 시간(128 CPU 코어 기준) 내에 최적 구조를 도출할 수 있었다.

에너지 함수 검증 측면에서도 의미가 크다. SWA가 원자 정확도(≤1.0 Å RMSD)를 달성하지 못한 경우, 대부분이 Rosetta의 전자‑원자 스코어가 특정 비수소 원자 간의 비이온성 상호작용을 과소평가하거나, 스택킹·수소결합 패턴을 부정확하게 모델링한 데 기인한다는 것이 확인되었다. 따라서 SWA는 단순히 샘플링을 개선하는 도구를 넘어, 에너지 함수 자체를 진단·개선하는 “리버스 엔지니어링” 도구로 활용될 수 있다.

마지막으로, 블라인드 테스트인 C7.2 테트라루프‑수용체 예측에서 SWA는 실험적 NMR·SHAPE 매핑 데이터와 높은 일치도를 보였다. 이는 기존 템플릿 기반 방법이 전혀 적용되지 못하는 새로운 RNA 모티프에도 적용 가능함을 시사한다. 전체적으로, 이 논문은 “enumerative, ab initio” 접근이 충분히 계산 자원을 확보한다면, RNA 구조 예측의 정확도 한계를 근본적으로 바꿀 수 있음을 입증한다.