🧬 biology

EquiPocket: an E(3)-Equivariant Geometric Graph Neural Network for Ligand Binding Site Prediction

이 논문은 EquiPocket을 소개하는데, 이는 불규칙한 단백질 구조, 회전 불변성 및 표면 기하학을 효과적으로 모델링함으로써 기존의 복셀 기반 CNN 방식의 한계를 극복하고 우수한 리간드 결합 부위 예측을 달성하는 E(3)-등변 기하학 그래프 신경망입니다.

원저자: Yang Zhang, Zhewei Wei, Ye Yuan, Chongxuan Li, Wenbing Huang

게시일 2026-08-18

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Yang Zhang, Zhewei Wei, Ye Yuan, Chongxuan Li, Wenbing Huang

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ⚕️ 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기

살아있는 세포의 미시 세계에서 생명은 분자들 사이의 지속적이고 정밀한 대화에 의존합니다. 거대한 단백질은 수용체 역할을 하며, 리간드라고 불리는 작은 화학적 전령이 도착하여 반응을 유도하기를 기다립니다. 이러한 상호작용은 단백질 표면 전체에서 무작위로 발생하는 것이 아니라, 특정되고 종종 숨겨진 홈이나 포켓(pocket)에서 일어납니다. 이러한 포켓을 찾는 것은 신약을 설계하는 데 있어 첫 번째 중요한 단계인데, 왜냐하면 약물이 작동하기 위해서는 이 공간에 딱 들어맞아야 하기 때문입니다. 수십 년 동안 과학자들은 컴퓨터 모델을 사용하여 이러한 위치를 지도화하려고 시도해 왔지만, 단백질 자체는 단순한 디지털 표현을 거부하는 지저ley하고 불규칙한 형태를 띠고 있습니다. 전통적인 방식들은 종종 이 복잡한 3D 구조를 깔끔하고 각진 격자 안에 강제로 집어넣으려 노력했는데, 이는 마치 들쭉날쭉한 바위를 정사각형 상자에 맞추려는 것과 같았습니다. 이러한 접근 방식은 단백질 표면의 미세한 세부 사항을 놓치거나, 단백질이 회전하거나 크기가 변할 때 실패하는 경우가 많았으며, 결과적으로 약물이 어디에 결합할지에 대한 부정확한 예측으로 이어졌습니다.

연구팀은 이제 경직된 격자에서 벗어나 더 유동적이고 기하학적인 접근 방식으로 이 퍼즐을 해결할 수 있는 새로운 방법을 제안했습니다. 그들은 단백질을 3D 이미지 속 픽셀의 집합이 아니라, 연결된 점들의 네트워크로 취급하는 'EquiPocket'이라는 시스템을 개발했습니다. 이 모델에서 모든 원자는 노드(node)이며, 원자 사이의 결합은 연결선입니다. 이 시스템은 물리 법칙이 실제 세계에서 작동하는 방식을 모방하여, 단백질이 공간상에서 어떻게 회전하거나 이동하더라도 그 형태를 이해할 수 있도록 설계되었습니다. 약물이 닿는 바로 그 가장자리인 단백질의 표면에 집중함으로써, 시스템은 거친 격자 형태의 근사치를 보는 대신 원자 사이의 각도와 거리와 같은 국소적 기하 구조에 대한 상세한 정보를 수집합니다.

연구진은 단백질을 이해하기 위해 함께 작동하는 세 가지 뚜렷한 부분으로 이 시스템을 구축했습니다. 첫째, 시스템은 가상의 프로브(probe)를 사용하여 주변 공간의 모양을 측정함으로써 표면에 있는 각 원자의 즉각적인 이웃 환경을 조사합니다. 이를 통해 결합 포켓을 정의하는 미세한 곡선과 틈새를 감지할 수 있습니다. 둘째, 시스템은 단백질 전체를 바라보며, 광범위한 구조를 이해하기 위해 원자의 화학적 유형과 이들이 어떻게 연결되어 있는지를 분석합니다. 마지막으로, 시스템은 표면 원자들 사이에 정보를 전달하여 국소적인 모양들이 어떻게 결합하여 더 큰 결합 부위를 형성하는지 학습합니다. 단백질의 크기가 작은 분자부터 거대한 구조에 이르기까지 매우 다양하다는 점을 처리하기 위해, 연구진은 특정 영역의 원자들이 얼마나 밀집되어 있는지에 따라 초점을 조절하는 특별한 레이어를 추가했습니다. 이를 통해 시스템은 수백 개의 원자를 가진 작은 단백질과 수천 개의 원자를 가진 거대한 단백질 모두에서 동일하게 잘 작동하도록 보장합니다.

여러 표준 데이터셋을 통해 기존 방식들과 비교 테스트했을 때, 이 새로운 접근 방식은 명확한 우위를 보여주었습니다. 이 방식은 3D 격자를 사용하는 딥러닝 기반 기술을 포함한 이전 기술들보다 결합 부위의 위치를 더 정확하게 예측할 수 있었습니다. 기존의 격자 기반 방식들은 종로 큰 단백질을 다루는 데 어려움을 겪었으며, 단백질이 너무 커서 고정된 크기의 디지털 상자에 들어가지 못해 결합 부위를 아예 찾지 못하는 경우도 있었습니다. 반면, 이 새로운 시스템은 어떤 크기의 단백질에도 자연스럽게 적응했습니다. 또한, 단백질의 방향에 따라 결과가 달라지는 오래된 모델들의 흔한 문제였던 회전 문제에 대해서도 더 신뢰할 수 있는 모습을 보였습니다. 연구진은 국소적인 표면 세부 사항과 전역적인 화학 구조를 결 조합하는 것이 필수적이라는 것을 발견했습니다. 이 중 어느 하나라도 제거하면 시스템의 성능이 현저히 떨어졌습니다.

또한 이 연구는 시스템이 단순히 결합 부위가 어디인지를 넘어, 약물 분자가 어떤 방향으로 접근할 것인지까지 예측하는 법을 배울 수 있음을 밝혀냈습니다. 이러한 추가적인 기하학적 이해 층은 특히 작은 단백질에서 모델의 성능을 더욱 향상시켰습니다. 이 시스템은 단순한 기하학적 도구들보다 더 많은 컴퓨팅 파워를 필요로 하지만, 무거운 3D 격자 방식보다는 여전히 빠르고 효율적이어서 속도와 정밀도 사이의 균고를 유지합니다. 이 연구는 단백질의 자연스럽고 불규칙한 기하 구조를 존중하고, 단백질을 정적인 이미지가 아닌 상호 연결된 네트워크로 취급함으로써 과학자들이 신약 개발을 위한 더 신뢰할 수 있는 도구를 구축할 수 있음을 시사합니다. 연구진은 자신들의 코드를 공개하여 다른 이들이 이 새로운 분자 세계를 보는 방식을 테스트하고 발전시킬 수 있도록 했습니다.

기술 요약: EquiPocket

문제 정의

표적 단백질의 리간드 결합 부위(ligand binding sites)를 예측하는 것은 약물 발견의 기초적인 단계로, 단백질-리간드 도킹 및 구조 기반 분자 생성과 같은 다운스트림 작업(downstream tasks)을 용이하게 합니다. 합성곱 신경망(CNN)을 포함한 딥러닝 방법들은 단백질을 3D 복셀화된 이미지로 처리함으로써 최첨단 성능을 달artifactId 했으나, 다음과 같은 네 가지 결정적인 한계점을 가집니다:

불규칙한 구조 표현: CNN은 고정된 크기의 복셀 그리드(예: 70 Å × 70 Å × 70 Å)에 의존하므로, 단백질의 불규칙한 형태를 포착하지 못하고 고정된 경계 외부의 원자들을 버리게 되어 큰 단백질에 대한 정확한 모델링이 불가능합니다.
회전 민감성: 복셀화는 고정된 좌표 기준에 의존합니다. 따라서 단백질을 회전시키면 복셀 그리드가 변하며, 이는 결합 부위의 물리적 불변성에도 불구하고 예측값을 변화시킵니다. 데이터 증강(data augmentation)이나 로컬 그리드가 이를 완화할 수는 있지만, 이론적인 회전 불변성을 보장하지는 못합니다.
불충분한 표면 특성화: 결합 포켓은 표면 기하학에 의해 정의됩니다. CNN 기반 방법은 표면 원자를 빈 공간으로 둘러싸인 복셀 내에 인코딩하므로, 표면 원자의 복잡한 국소적 상호작용과 기하학적 구조를 포착하지 못하는 거친 기하학적 정보만을 제공합니다.
단백질 크기 변화(Protein Size Shift): 기존 모델들은 다양한 크기(수백 개에서 수만 개의 원자)를 가진 데이터셋 간의 일반화에 어려움을 겪으며, 고정된 수용 영역(receptive field) 또는 그리드 제약으로 인해 큰 단백질에서 종종 실패합니다.

방법론

저자들은 복셀화를 사용하지 않고 위에서 언급한 문제들을 해결하기 위해 설계된 $E(3)$ -동변(equivariant) 기하학적 그래프 신경망(GNN)인 EquiPocket을 제안합니다. 이 프레임워크는 원자를 노드로, 상호작용을 에지로 취급하여 불규칙한 구조를 자연스럽게 처리하고 유클리드 변환(회전 및 이동)에 대한 불변성을 보장합니다.

아키텍처는 세 가지 주요 모듈로 구성됩니다:

1. 국소 기하학 모델링 모듈 (Local Geometric Modeling Module)

상세한 표면 특성화의 부족을 해결하기 위해, 이 모듈은 **표면 프로브(Surface Probes)**를 사용하여 각 표면 원자에 대한 국소 기하학 정보를 추출합니다.

표면 프로브: MSMS 알고리즘을 사용하여 특정 반경의 프로브를 단백질을 따라 이동시켜 용매 접근 가능 표면(SAS) 및 용매 배제 표면(SES)을 생성합니다. 이 프로브 좌표는 집합 $S$ 를 형성합니다.
특징 추출: 각 표면 원자에 대해 주변 프로브를 분석하여 상대적 위치 벡터와 각도(예: 프로브 간의 거리, 원자 및 프로브 중심에 대한 각도)를 계산합니다.
집계: 이러한 기하학적 기술자(descriptors)는 풀링(mean 및 max)을 통해 집계되며, 각 표면 원자에 대한 $E(3)$ -불변 기하학적 임베딩 $g_i$ 를 생성하기 위해 다층 퍼셉트론(MLP)을 통해 처리됩니다.

2. 전역 구조 모델링 모듈 (Global Structure Modeling Module)

이 모듈은 전역 구조가 포켓 형성에 영향을 미친다는 점을 인식하여 단백질 전체의 화학적 및 공간적 맥락을 포착합니다.

화학적 그래프 모델링: 그래프 어텐션 네트워크(GAT)가 화학적 특징(원자 유형, 전자 수, 결합)을 처리하여 화학적 임베딩을 업데이트합니다.
공간적 그래프 모델링: 등변 그래프 신경망(EGNN)이 3D 좌표와 업데이트된 화학적 특징을 처리하여 공간적 상호작용을 포착합니다. 출력값은 화학적 및 전역 공간 정보를 모두 인코딩하는 각 원자에 대한 불변 특징 벡터 $c''_i$ 입니다.

3. 표면 메시 전달 모듈 (Surface Message Passing Module)

이 모듈은 표면 그래프 $G_S$ 상에서 등변 메시 전달을 수행함으로써 표면 원자의 특징을 정교화합니다.

Surface-EGNN: 불변 특징( $h$ )과 등변 좌표 행렬( $X$ )을 모두 업데이트하는 커스텀 등변 레이어를 활용합니다. 메시 전달은 노드와 이웃 간의 상대적 거리와 각도를 포함하여, 출력이 입력 변환에 대해 등변성을 유지하도록 합니다.
밀집 어텐션 출력 레이어 (Dense Attention Output Layer): 단백질 크기 변화 문제를 해결하기 위해 새로운 출력 레이어가 도입되었습니다. 이는 서로 다른 거리 홉(distance hops)에 걸쳐 각 원자의 이웃에 대한 공간 밀도를 계산합니다. 학습 가능한 어텐션 메커니즘(Sigmoid 사용)은 이 밀도 분포에 따라 서로 다른 네트워크 레이어의 은닉 특징에 가중치를 부여합니다. 이를 통해 모델은 다양한 크기의 단백질에 대해 수용 영역의 범위를 적응적으로 조절할 수 있으며, 작은 단백질에서의 과도한 평활화(over-smoothing)와 큰 단백질에서의 불충분한 맥락 파악 문제를 방지합니다.

최적화

모델은 두 가지 목적 함수로 학습됩니다:

결합 부위 예측 ( $L_b$ ): 표면 원자가 결합 부위의 일부인지(리간드 원자로부터 4 Å 이내에 있는 것으로 정의됨) 확률을 예측하기 위해 Dice 손실이 사용됩니다.
상대적 방향 예측 ( $L_d$ ): 표면 원자에서 가장 가까운 리간드 원자로의 상대적 방향을 예측하기 위해 코사인 손실이 적용되어, 국소 기하학적 특징 추출을 강화합니다.

주요 기여

최초의 결합 부위 예측용 $E(3)$ -등변 GNN: EquiPocket은 결합 부위 예측에 $E(3)$ -등변 GNN을 적용한 최초의 프레임워크로, 복셀화의 필요성을 제거하고 회전/이동 불변성을 보장합니다.
3단계 모듈 아키텍처: 표면 프로브를 통한 국소 기하학 모델링, (화학 + 공간) 전역 구조 모델링, 그리고 등변 표면 메시 전달의 통합은 단백질 포켓에 대한 포괄적인 표현을 제공합니다.
밀집 어텐션 출력 레이어: 크기 변화에 따른 일반화 격차를 해결하기 위해, 국소 공간 밀도에 따라 레이어 기여도에 가중치를 부여하여 단백질 크기 변화를 처리하는 새로운 메커로니즘입니다.
우수한 성능: 광범ening한 실험을 통해 EquiPocket이 여러 벤치마크에서 CNN 기반, 기하학 기반 및 기타 그래프 기반 방법들을 능가하는 성능을 입증했습니다.

실험 결과

프레임워크는 COACH420, HOLO4K, PDBbind2020와 같은 표준 벤치마크에서 평가되었으며, DCC(Distance to Center of Center), DCA(Distance to Center of Atom), Failure Rate와 같은 지표를 사용했습니다.

성능: EquiPocket은 COACH420에서 DCC 0.423, DCA 0.656을 달성하여, DeepSurf(DCC 0.386)와 같은 CNN 기반 방법 및 Fpocket(DCC 0.228)과 같은 기하학적 방법을 크게 앞질렀습니다.
절제 연구 (Ablation Studies):
- 국소 기하학 모듈 또는 전역 구조 모듈을 개별적으로 제거했을 때 성능이 10~20% 하락하여, 두 모듈의 필요성을 확인했습니다.
- 표면 메시 전달 모듈을 제거한 경우(EquiPocket-LG) 성능이 크게 떨어져, 표면 수준의 상호작용 모델링의 중요성을 강조했습니다.
- Dense Attention 레이어를 제거하면 원자가 3,000개 미만인 단백질에서 성능이 현저히 저하되어, 크기 변화를 처리하는 역할을 검증했습니다.
- Direction Loss를 제거하면 특히 작은 단백질에서 성능이 저하되어, 상대적 리간드 방향을 예측하는 것의 유용성을 확인했습니다.
효율성: EquiPocket은 3D 그리드 생성 및 컨볼루션의 계산 비용을 피함으로써 더 높은 정확도를 유지하면서도 3D-CNN 방식(예: DeepSurf)보다 빠릅니다.

의의

본 논문은 EquiPocket이 경직된 복셀 기반 CNN의 제약에서 벗어남으로써 중요한 진전을 이루었다고 주장합니다. $E(3)$ -등변성과 표면 프로브의 명시적 기하학적 모델링을 활용함으로써, 이 프레임워크는 불규칙한 단백질 구조와 회전 불변성을 자연스럽게 처리합니다. 특히 Dense Attention 레이어의 도입은 단백질 크기 가변성 문제를 해결하며, 이는 실제 약물 발견 시나리오에서 매우 중요한 이슈입니다. 저자들은 본 프레임워크가 기존의 최첨단 방법들과 비교하여 우수한 예측 정확도와 계산 효율성을 달성하여, 분자 생성 및 도킹과 같은 다운스트림 작업에 견고한 도구를 제공한다고 단언합니다.