🤖 AI

UAlign: Pushing the Limit of Template-free Retrosynthesis Prediction with Unsupervised SMILES Alignment

UAlign은 그래프 신경망, 트랜스포머, 그리고 비지도 SMILES 정렬 기술을 활용하여 기존의 템플릿 기반 방식에 필적하면서도 최첨단 방법들을 크게 능가하는, 역합성 예측을 위한 새로운 템플릿 프리 그래프-투-시퀀스 파이프라인이다.

원저자: Kaipeng Zeng, Bo yang, Xin Zhao, Yu Zhang, Fan Nie, Xiaokang Yang, Yaohui Jin, Yanyan Xu

게시일 2026-07-28

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Kaipeng Zeng, Bo yang, Xin Zhao, Yu Zhang, Fan Nie, Xiaokang Yang, Yaohui Jin, Yanyan Xu

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

당신이 완성된 접시만을 보고 유명하고 복잡한 요리를 재현하려는 숙련된 셰프라고 상상해 보십시오. 당신은 재료와 조리법이 존재한다는 사실을 알고 있지만, 그 음식을 어떻게 원래의 원재료 상태로 다시 분해할 수 있을지 정확히 알아내야 합니다. 이것이 바로 유기 합성(organic synthesis)이라 불리는 분야에서 화학자들이 매일 마주하는 도전 과제입니다. 그들은 원하는 의약품이나 물질로부터 시작하여, 그것을 만들기 위해 필요한 단순하고 저렴한 출발 재료를 찾기 위해 역방향으로 작업해야 합니다. 이 과정을 '역합성(retrosynthesis)'이라고 합니다. 수십 년 동안 컴퓨터가 이를 돕기 위해 노력해 왔지만, 종종 난관에 봉착하곤 했습니다. 어떤 방식은 이미 알려진 레시피(템플릿)라는 거대하고 경직된 요리책에 의존하는데, 이는 새로운 기이한 요리가 등장했을 때 실패하게 됩니다. 또 다른 방식은 마치 요리를 한 번도 본 적 없는 셰프처럼 처음부터 재료를 추측하려고 시도하며, 이 경우 말도 안 되는 레시피를 만들거나 존재하지 않는 재료를 사용하기도 합니다. 큰 질문은 이것입니다. 컴퓨터가 미리 작성된 요리책 없이도, 화학의 깊은 규칙을 이해하면서 효율적으로 분자를 '역조리(un-cook)'하는 법을 배울 수 있을까요?

여기에 이 퍼즐을 풀기 위해 설계된 새로운 디지털 비서인 UAlign이 등장합니다. 이 논문의 저자인 쳉카이펑(Kaipeng Zeng)과 그의 팀은 단순히 재료를 추측하는 것이 아니라 최종 요리의 구조를 실제로 이해하는 똑똑한 탐정처럼 행동하는 시스템을 구축했습니다. UAlign은 분자를 단순히 무작위적인 글자 배열(컴퓨터가 보통 읽는 방식)로 취급하는 대신, 원자가 역(station)이고 화학 결합이 선로인 지하철 노선도처럼 연결 관계를 가진 3D 지도로 바라봅니다.

UAlign이 사용하는 영리한 기술은 '비지도 SMILES 정렬(unsupervised SMILES alignment)'이라는 개념입니다. 이렇게 생각해 보십시오. 만약 당신이 레고 성을 해체한다면, 대부분의 브릭은 원래 있던 자리에 그대로 남아 있을 것이고, 오직 몇 개의 조각만이 변하거나 제거될 것입니다. UAlign은 화학 반응에서 분자의 '변하지 않은' 부분이 가장 찾아내기 쉽다는 점을 깨달았습니다. 따라서 전체를 처음부터 다시 만드는 대신, 출발 재료의 변하지 않은 부분들을 최종 생성물과 자동으로 정렬하며, 이 과정에서 인간이 모든 연결 부위를 일일이 라벨링할 필요가 없습니다. 이는 마치 레고 성에서 움직이지 않은 부분을 즉시 강조해 주는 마법 스캐너를 가진 것과 같아서, 컴퓨터가 실제로 변화한 소수의 조각에만 집중할 수 있게 해줍니다.

결과는 인상적입니다. 방대한 화학 반응 데이터베이스에서 테스트했을 때, UAlign은 기존의 '템플릿 프리(template-free)' 방식들보다 올바른 출발 재료를 예측하는 데 훨씬 더 뛰어난 성능을 보였습니다. 실제로 UAlign은 경직된 레시피 북에 의존하는 기존 방식들을 따라잡거나 때로는 능가할 정도로 뛰어난 성과를 냈습니다. 예를 들어, 한 주요 테스트 세트에서 UAlign은 상위 10개의 가능한 출발 물질을 약 90%의 확률로 정확하게 예측했는데, 이는 경쟁 모델들에 비해 상당한 도약입니다. 또한 U-Align은 미타피밧(Mitapivat)이나 파크리티닙(Pacritinib)과 같은 실제 복잡한 의약품을 위한 다단계 레시피를 성공적으로 계획하여, 이를 더 단순한 전구체들로 분해할 수 있음을 보여주었습니다.

하지만 저자들은 UAlign이 강력한 새로운 도구이긴 하지만, 모든 것을 해결하는 마법 지팡이는 아니라는 점을 주의 깊게 언급하고 있습니다. 이 모델은 여전히 다양한 답변을 생성하는 능력(다양성)에서 다소 어려움을 겪으며, 왜 특정 화학적 선택을 했는지에 대해 완전히 설명하지 못하는데, 이는 인간 화학자들이 신뢰하는 데 있어 까다로운 요소가 될 수 있습니다. 그럼에도 불구하고, 분자 형태에 대한 깊은 이해와 영리한 정렬 방식을 결합함으로써, UAlign은 컴퓨터가 실험실에서 할 수 있는 일의 경계를 넓히고 있으며, 표적 분자로부터 실제 의약품에 이르는 여정을 단순한 추측 게임이 아닌 해결 가능한 퍼즐로 만들어 가고 있습니다.

기술 요약: UAlign

문제 정의

단일 단계 역합성(retrosynthesis) 예측은 컴퓨터 보조 합성 계획(CASP)의 핵심적인 과제로, 표적 생성물 분자를 합성하는 데 필요한 반응물을 예측하는 것을 목표로 합니다. 딥러닝이 이 분야을 발전시켜 왔으나, 기존 방법론들은 다음과 같은 중대한 한계에 직면해 있습니다:

**템플릿 기반 방법(Template-based methods)**은 반응 템플릿 데이터베이스에 의존하며, 이는 해석 가능성을 제공하지만 확장성이 떨어지고 템플릿 라이브러리 외의 사례를 다루지 못한다는 단점이 있습니다.
**반-템플릿 기반 방법(Semi-template-based methods)**은 작업을 하위 작업(신톤 예측 및 반응물 완성)으로 분해하는데, 이는 추론 복잡성과 학습 난이도를 높이며 초기 단계의 실패가 최종 출력으로 전파되는 문제를 야기합니다.
**템플릿 프리 방법(Template-free methods, 생성 모델)**은 제품 SMILES 문자열로부터 직접 반응물을 생성합니다. 그러나 이들은 분자 그래프에 내재된 풍부한 위상적 및 화학적 결합 정보를 간과하는 경우가 많습니다. 또한, 이들은 반응 중에 대부분의 분자 구조가 변하지 않는다는 화학적 직관을 활용하지 못한 채 처음부터 반응물을 생성합니다. 이러한 직관을 활용하려는 기존의 지도 학습 기반 SMILES 정렬 시도는 복잡한 데이터 주석(annotation)을 요구하며 모델의 다양성을 제한할 수 있습니다.

방법론

본 논문은 단일 단계 역합성 예측을 위한 새로운 템플릿 프리, 그래프-투-시퀀스(graph-to-sequence) 파이프라인인 UAlign을 제안합니다. 이 아키텍처는 다음과 같은 핵심 구성 요소로 이루어진 인코더-디코더 프레임워크로 구성됩니다:

1. 인코더: EGAT+

표준 트랜스포머(Transformer)나 그래프 신경망(GNN)을 단독으로 사용하는 대신, UAlign은 변형된 그래프 어텐션 네트워크인 **EGAT+**를 사용합니다.

엣지 인식 메시지 패싱(Edge-Aware Message Passing): EGAT+는 노드 특징과 함께 화학 결합 정보(엣지 특징)를 메시지 패싱 과정에 명시적으로 포함합니다.
메커니즘: 노드와 그 1-홉 이웃에 대해 셀프 어텐션을 적용하며, 노드 및 엣지 특징 모두를 기반으로 어텐션 계수를 계산합니다. 이를 통해 모델은 표준 GNN보다 구조적 특성과 화학적 결합 속성을 더 효과적으로 포착할 수 있습니다.
출력: 인코더는 생성물 분자 그래프를 나타내는 노드 특징 $H$ 를 생성합니다.

2. 비지도 SMILES 정렬 (Unsupervised SMILES Alignment)

핵심 혁신은 변하지 않는 부분 구조를 처음부터 생성해야 하는 문제를 해결하는 비지도 SMILES 정렬 메커니즘입니다.

개념: 반응물과 생성물은 상당한 구조적 중첩을 공유하므로, 모델은 생성물의 원자 순서와 일치하는 순서로 반응물 SMILES 토큰을 생성하는 것을 목표로 합니다.
순서 보존 반응물 SMILES(Order-Preserving Reactant SMILES): 이 방법은 생성물의 깊이 우선 탐색(DFS) 순서와 비교하여 원자 랭크(rank)의 역전(inversion)을 최소화하는 "DFS 대응 순서"를 정의합니다.
비지도 학습: 명시적인 원자 매핑 라벨(추론 시 정보 누설을 일으킬 수 있음)을 필요로 하는 지도 학습 기반 정렬과 달리, UAlign은 주어진 DFS 순서에 따라 토큰을 생성하도록 모델을 학습시키며, 이 과정에서 명시적인 라벨 누설 없이 순수하게 순서 제약을 통해 생성물 원자와 반응물 토큰 사이의 대응 관계를 구축합니다.

3. 디코더

순서 인식 특징(Order-Aware Features): 일반적인 트랜스포머 디코더는 치환 불변(permutation-invariant)적이어서 특정 원자를 특정 토큰에 정렬하는 데 문제가 있습니다. UAlign은 주어진 DFS 순서 내 각 원자의 랭크를 기반으로 인코더의 노드 특징에 **위치 인코딩(positional encoding)**을 추가합니다.
생성: 이러한 순서 인식 특징은 크로스 어텐션(cross-attention) 레이어에서 키(key)와 값(value) 역할을 수행하여, 디코더가 생성물과의 구조적 대응 관계를 유지하면서 반응물 SMILES를 자기회귀적(autoregressively)으로 생성할 수 있게 합니다.

4. 학습 전략

2단계 학습(Two-Stage Training):
1. 1단계 (그래프-투-SMILES 번역): 모델이 특정 DFS 순서에 기반하여 분자 그래프를 그에 대응하는 SMILES 표현으로 번역하도록 학습됩니다. 이는 그래프와 SMILES 모달리티 간의 분포를 정렬하고, 모델이 비정형(non-canonical) SMILES 패턴을 다룰 수 있도록 가르칩니다.
2. 2단계 (역합성): 모델이 생성물 그래프와 그 DFS 순서가 주어졌을 때, 순서를 보존하는 반응물 SMILES를 생성하도록 학습됩니다.
데이터 증강(Data Augmentation): 정형(canonical) SMILES에 대한 과적합을 방-지하고 견고성을 높이기 위해 학습 데이터를 실시간으로 증강합니다. 여기에는 무작위로 DFS 순서를 선택하거나, 경우에 따라 분자를 병합하여 새로운 그래프를 형성하는 과정이 포함되어, 모델이 다양한 그래프 구성 요소와 순서 제약을 학습하도록 보장합니다.

주요 기여

새로운 그래프-투-시퀀스 파이ل라인: UAlign은 EGAT+를 통해 분자 그래프 구조를 효과적으로 활용함으로써, 순수 시퀀스-투-시퀀스 모델이 가진 위상 정보 포착의 한계를 극복하는 완전한 템플릿 프리 접근 방식을 도입했습니다.
비지도 SMILES 정렬: 생성물 원자와 반응물 토큰 간의 대응 관계를 구축하기 위해 단순하면서도 효과적인 비지도 메커니즘을 제안했습니다. 이는 복잡한 데이터 주석이나 라벨 누설 없이도 지도 학습 기반 정렬 방식보다 우수한 성능을 달anim합니다.
2단계 학습 및 데이터 증강: 이 전략은 그래프와 SMILES 표현 사이의 분포 차이를 효과적으로 메우고 모델이 비정형 SMILES 패턴을 학습할 수 있게 하여, 생성 유효성(validity)과 정확도를 크게 향상시켰습니다.

결과

세 가지 벤치마크 데이터셋(USPTO-50K, USPTO-FULL, USPTO-MIT)에 대해 광범위한 실험이 수행되었습니다.

정확도: UAlign은 최첨단(SOTA) 템플릿 프리 및 반-템플릿 기반 방법들을 크게 앞질렀습니다.
- USPTO-50K(반응 클래스 미지)에서 Top-1, Top-5, Top-10 정확도가 각각 53.6%, 84.6%, **90.3%**를 기록하여, 가장 우수한 템플릿 프리 베이스라인보다 각각 3.5%, 4.0%, 4.7% 높았습니다.
- 또한 여러 설정에서 강력한 템플릿 기반 방법(예: LocalRetro)과 대등하거나 이를 능가하는 성능을 보였습니다.
- USPTO-FULL에서는 Top-1 정확도 **50.4%**를 달성하여, SOTA 모델인 GTA를 3.8% 초과했습니다.
유효성(Validity): 2단계 학습과 데이터 증강 덕분에 다른 SMILES 기반 베이스라인들에 비해 우수한 SMILES 유효성(99.8% Top-1)을 입증했습니다.
왕복 정확도(Round-Trip Accuracy): UAlign은 가장 높은 Top-1 왕복 정확도(80.9%)를 달성하여 SMILES 기반 및 그래프 기반 베이스라인들을 모두 능가했으며, 이는 화학적으로 타당한 경로를 생성함을 나타냅니다.
사례 연구: 모델은 Mitapivat, Pacritinib, Daprodustat와 같은 복잡한 분자에 대해 다단계 합성 경로를 성공적으로 예측했으며, 종종 문헌에 보고된 경로와 일치하거나 이를 개선하는 결과를 보여주었습니다.

의의 및 주장

본 논문은 UAlign이 다음과 같은 측면에서 템플릿 프리 역합성 예측의 중요한 진보를 이루었다고 주장합니다:

격차 해소: 그래프 신경망의 구조적 인식 능력과 트랜스포머의 생성적 유연성을 성공적으로 결합했습니다.
효율성: 비지도 정렬 메커니즘을 통해 복잡한 주석 작업의 오버헤드나 라벨 누설의 위험 없이 생성물과 반응물 사이의 공유된 부분 구조를 재사용할 수 있게 했습니다.
성능: 잘 설계된 템플릿 프리 방법이 대규모 데이터셋에 대해 더 나은 확장성과 범용성을 제공하면서도, 기존의 템플릿 기반 방법과 대등하거나 이를 능가하는 효과를 낼 수 있음을 입증했습니다.
미래 잠재력: 저자들은 UAlign을 향후 다단계 역합성 계획을 위한 강력한 백본(backbone)으로 위치시키면서도, 현재의 해석 가능성 및 다양성 생성 측면의 한계를 인정하였습니다.