Extending machine learning model for implicit solvation to free energy calculations

본 논문은 자유 에너지 예측 정확도를 명시적 용매 시뮬레이션과 동등하게 달성하면서도 의약품 개발 응용 분야에서 상당한 계산 속도 향상을 제공하는 힘과 알케미컬 변수 미분값 양쪽 모두로 훈련된 그래프 신경망 기반의 암시적 용매 모델인 람다 용매화 신경망 (LSNN) 을 소개합니다.

핵심

특정한 열쇠 (약물 분자) 가 특정 자물쇠 (단백질) 에 얼마나 잘 들어맞는지 파악하려고 상상해 보세요. 이를 정확하게 수행하려면 물 분자들로 가득 찬 바다 속에서 열쇠가 어떻게 행동하는지 이해해야 합니다. 왜냐하면 인체 내에서는 모든 것이 물 분자의 바다 속에서 헤엄치고 있기 때문입니다.

이 논문은 과학자들이 이전 방법들보다 훨씬 빠르고 정확하게 이 '물 속 행동'을 계산할 수 있도록 돕는 새로운 도구인 LSNN(Lambda-Solvation Neural Network, 람다 - 용매화 신경망) 을 소개합니다.

여기에는 문제, 기존 해결책, 그리고 새로운 해결책에 대한 이야기가 간단히 설명되어 있습니다:

문제: '북적이는 방' 대 '유령'

약물이 어떻게 작용하는지 이해하기 위해 과학자들은 컴퓨터 시뮬레이션을 사용합니다.

• '골드 스탠더드' (명시적 용매): 열쇠 주위를 움직이는 모든 사람 (물 분자) 하나하나를 추적해야 하는 방 안에서 열쇠를 시뮬레이션한다고 상상해 보세요. 열쇠가 사람 A 와 부딪히고, 그다음 사람 B 와, 그다음 사람 C 와 부딪히는 방식을 계산해야 합니다. 이는 놀라울 정도로 정확하지만, 해변의 모든 모래 알갱이를 세는 것과 같습니다. 엄청난 양의 컴퓨터 성능과 시간이 필요합니다.
• '빠른' 방법 (암시적 용매): 시간을 절약하기 위해 과학자들은 과거에 물이 개별적인 사람으로 이루어진 것이 아니라 매끄럽고 보이지 않는 안개라고 가정했습니다. 그들은 안개가 열쇠를 어떻게 밀어내는지 추측하기 위해 간단한 수학 공식을 사용했습니다. 이는 매우 빠르지만, 그 '안개'는 거친 추측일 뿐입니다. 이는 종종 세부 사항을 잘못 파악하여 약물이 작동할지 여부에 대한 부정확한 예측으로 이어집니다.

기존 '머신러닝' 해결책 (그리고 왜 실패했는지)

최근 과학자들은 '안개'를 더 똑똑하게 만들기 위해 인공지능 (특히 신경망) 을 사용하려고 시도했습니다. 그들은 AI 에게 물이 열쇠를 어떻게 밀어내는지 (즉, 힘) 보여줌으로써 AI 를 훈련시켰습니다.

• 결함: 마치 운전하는 법을 가르칠 때 핸들을 어떻게 돌리는지 보여주기만 하고, 얼마나 빠르게 가고 있는지 또는 얼마나 많은 연료를 사용하는지는 전혀 알려주지 않는 것과 같습니다. AI 는 열쇠를 올바른 방향으로 밀어내는 법을 배웠지만, 열쇠를 한 곳에서 다른 곳으로 이동시키는 데 필요한 총 '노력' (에너지) 을 계산할 수는 없었습니다. 이 때문에 이전 AI 모델들은 서로 다른 약물들의 총 에너지를 비교하는 데 쓸모가 없었습니다.

새로운 해결책: LSNN

저자들은 이 AI 의 더 똑똑한 버전인 LSNN을 만들었습니다. 그들은 단순히 어떻게 밀어내는지 (힘) 만 가르친 것이 아니라, 약물과 물 사이의 상호작용을 서서히 '켜거나' '끄는' 동안 에너지가 어떻게 변하는지도 가르쳤습니다.

비유:
배낭의 무게를 재려고 한다고 상상해 보세요.

• 기존 AI: 당신은 어깨에 걸친 끈이 당기는 힘 (힘) 을 느낄 수는 있었지만, 저울이 고장 났기 때문에 배낭이 10 파운드인지 20 파운드인지 알 수 없었습니다.
• LSNN: 그들은 저울을 고쳤습니다. 이제 AI 는 당기는 힘뿐만 아니라 가방에서 물건을 서서히 추가하거나 제거할 때 당기는 힘의 변화를 지켜보며 정확한 총 무게를 계산할 수 있습니다.

어떻게 테스트했는지

이 팀은 약 30 만 개의 작은 분자로 구성된 방대한 라이브러리를 기반으로 이 새로운 AI 를 훈련시켰습니다. 그들은 이를 '골드 스탠더드'(느리고 모래 알갱이를 세는 방법) 와 기존 '안개' 방법들과 비교하여 테스트했습니다.

결과:

1. 속도: LSNN 은 단거리 주자입니다. 약 20 초 만에 결과를 계산했습니다. '골드 스탠더드'는 거의 28 분(약 1,600 초) 이 걸렸습니다. 기존 '안개' 방법들도 빠랐습니다 (약 15~22 초).
2. 정확도:
   • '골드 스탠더드'가 가장 정확했습니다 (1 점 만점에 0.86 점).
   • LSNN 은 0.73 점으로 2 위를 차지했습니다. 이는 훨씬 낮은 점수 (0.48~0.63) 를 기록한 기존 '안개' 방법들에 비해 엄청난 개선입니다.
   • 본질적으로 LSNN 은 '골드 스탠더드' 수준의 정확도를 얻으면서도 '안개' 속도로 실행되었습니다.

더 큰 것들은 어떨까요? (단백질)

이 논문은 또한 약물 discovery 의 궁극적인 목표인 약물이 큰 단백질에 어떻게 붙는지 예측하기 위해 LSNN 을 사용해보기도 했습니다.

• 결과: 유망했지만 아직 완벽하지는 않았습니다. 전체 단백질 시스템에 적용해보았을 때 정확도는 떨어졌습니다. 저자들은 이것이 AI 가 주로 작고 단순한 분자로 훈련되었기 때문이며, 큰 단백질의 복잡한 상호작용을 '과도하게 생각'할 수 있기 때문이라고 제안합니다. 그러나 여전히 명확하고 일관된 패턴을 보여주었으므로 개선될 수 있음을 시사합니다.

결론

이 논문은 이전 AI 모델들의 가장 큰 결함인 총 에너지를 계산하지 못한다는 문제를 해결하는 새로운 '똑똑한 안개'(LSNN) 를 제시합니다.

• 그것은 빠릅니다(기존의 간단한 수학처럼).
• 그것은 정확합니다(느리고 비싼 시뮬레이션에 훨씬 가깝습니다).
• 그것은 서로 다른 약물들을 비교하는 데 신뢰할 수 있습니다.

저자들은 이 도구가 약물 발견의 미래를 위한 견고한 기반을 마련하여, 과학자들이 실제 치료법을 찾는 데 필요한 정확성을 희생하지 않으면서도 훨씬 더 빠르게 수백만 개의 잠재적 약물을 스크리닝할 수 있게 된다고 결론지었습니다.

기술 요약

기술적 요약: 암시적 용매화를 위한 기계 학습 모델의 확장 및 자유 에너지 계산 적용

문제 제기
암시적 용매 모델은 평균 힘에 대한 수학적 근사로 이산적인 용매 분자를 대체함으로써 분자 시뮬레이션을 위한 계산 효율적인 프레임워크를 제공합니다. 그러나 그 정확도는 종종 명시적 용매 모델보다 뒤처져 절대 자유 에너지 비교와 같은 정밀한 열역학 계산에서의 활용도를 제한합니다. 최근 힘 매칭 (force-matching) 데이터로 신경망을 학습시켜 암시적 용매 설명을 개선한 기계 학습 (ML) 접근법들이 등장했으나, 중요한 한계가 남아있습니다: 힘 매칭만으로는 퍼텐셜 에너지를 임의의 상수 범위 내에서만 결정할 수 있기 때문입니다. 결과적으로 이러한 모델들은 서로 다른 화학 종 간의 의미 있는 절대 자유 에너지 비교를 제공하지 못합니다. furthermore, 전통적인 암시적 모델 (예: GBSA, PBSA) 은 비극성 기여분에 대해 단순화된 용매 접근 가능 표면적 (SASA) 항에 의존하는데, 이는 상당한 오류를 초래하기 쉽습니다.

방법론
저자들은 표준 힘 매칭의 한계를 극복하도록 설계된 그래프 신경망 (GNN) 기반 암시적 용매 모델인 **$\lambda$-Solvation Neural Network (LSNN)**을 소개합니다.

• 아키텍처: 표준 GBSA 파라미터로 학습된 3 층 불변 GNN 을 활용한 Katzberger 와 Riniker 의 기초 작업에 기반하여, LSNN 은 비선형 의존성을 처리하기 위해 상호작용 GNN 과 다층 퍼셉트론 (MLP) 을 통합합니다.
• 학습 목표: 예측된 힘과 기준 힘 간의 불일치만 최소화하는 이전 방법들과 달리, LSNN 은 손실 함수에 알케미컬 변수의 미분값을 통합합니다. 구체적으로, 모델은 다음을 매칭하도록 학습됩니다:
  1. 용질 원자에 대한 평균 적용 힘 (MAFs).
  2. 정전기 결합 인자 ($\lambda_{elec}$) 에 대한 미분값.
  3. 입체적 결합 인자 ($\lambda_{steric}$) 에 대한 미분값.
• 손실 함수: 수정된 평균 제곱 오차 (MSE) 손실 함수는 다음과 같이 정의됩니다:
  $$L = w_F \left( \langle \frac{\partial U_{solv}}{\partial r_i} \rangle - \frac{\partial f}{\partial r_i} \right)^2 + w_{elec} \left( \langle \frac{\partial U_{solv}}{\partial \lambda_{elec}} \rangle - \frac{\partial f}{\partial \lambda_{elec}} \right)^2 + w_{steric} \left( \langle \frac{\partial U_{solv}}{\partial \lambda_{steric}} \rangle - \frac{\partial f}{\partial \lambda_{steric}} \right)^2$$
  여기서 가중치는 경험적으로 조정됩니다 (1:1:1.2 비율). 이는 모델이 보수적 벡터장을 학습하도록 하여, 스칼라 퍼텐셜이 실제 평균 힘 퍼텐셜 (PMF) 을 근사할 수 있게 합니다.
• 데이터셋 및 학습: 모델은 BigBind 데이터셋의 약 280,000 개의 작은 중성 분자로 구성된 데이터셋으로 학습되었습니다. 데이터는 80:10:10 비율 (학습/검증/테스트) 로 분할되었으며, FreeSolv 데이터셋의 분자와 유사한 분자들은 테스트를 위해 제외되도록 특정 제약 조건이 적용되었습니다. 힘과 상호작용 미분값은 0.5 ns 시뮬레이션 동안 GAFF 힘장을 사용하여 OpenMM 으로 계산되었습니다.
• 구현: 모델은 미분 계산을 위해 PyTorch Autograd 를 활용합니다. 완전히 결합 해제된 상태에서 총 에너지가 0 이 되도록 하기 위해 에너지 항은 해당 $\lambda$ 값과 곱해집니다.

주요 결과
LSNN 프레임워크는 FreeSolv 데이터셋 (647 개의 중성 소분자) 의 실험적 수화 자유 에너지를 기준으로 벤치마크되었으며, 명시적 용매 (TIP3P) 와 전통적인 암시적 모델 (OBC2, GBn2) 과 비교되었습니다.

• 정확도: LSNN 은 실험값에 대해 0.73의 상관 계수 ($R^2$) 를 달성하여 전통적인 암시적 모델 (GBn2: $R^2$ 0.48; OBC2: $R^2$ 0.63) 보다 현저히 우수한 성능을 보였으며, 명시적 용매 시뮬레이션 (TIP3P: $R^2$ 0.86) 의 정확도에 근접했습니다.
• 계산 효율성: LSNN 은 명시적 용매 방법에 비해 상당한 속도 향상을 보여주었습니다. 분자당 평균 계산 시간은 LSNN 의 경우 20.47 초였으며, TIP3P 의 경우 1658.54 초(약 27.6 분) 였습니다. LSNN 의 속도는 GBn2 (15.82 초) 및 OBC2 (21.81 초) 와 비교 가능합니다.
• 결합 친화도 예비 결과: GBSA 용매화 항을 LSNN PMF 로 대체한 MM-LSNN 을 사용하여 단백질 - 리간드 복합체에 대한 예비 테스트에서, 모델은 실험값과 선형 상관관계를 보였습니다 (전체 단백질 시스템의 경우 $R^2$ 0.44). 그러나 저자들은 학습 도메인이 소분자로 제한되어 장거리 상호작용을 과대평가하게 되므로, 현재 전체 단백질 시스템에 대한 단독 성능은 제한적이라고 지적합니다.

의의 및 주장
이 논문은 LSNN 이 단순한 힘 매칭을 넘어 알케미컬 미분값을 포함하도록 학습을 확장함으로써 ML 기반 전이 가능 퍼텐셜 분야에서 근본적인 전환을 이루었다고 주장합니다. 이 방법론은 힘 매칭의 임의 상수 문제로 인해 이전에 제한되었던 절대 자유 에너지 계산을 가능하게 합니다.

저자들은 LSNN 이 리간드 탈용매화 경향을 성공적으로 포착하고 다양한 리간드 간 일관된 순서를 유지하며, 명시적 용매 시뮬레이션의 정확도와 암시적 모델의 계산 효율성 사이의 균형을 제공하는 프레임워크를 제공한다고 주장합니다. 현재 버전은 대규모 생체 분자의 포괄적인 컨포메이션 샘플링보다는 소분자의 열역학적으로 일관된 자유 에너지 계산을 위해 최적화되어 있지만, 이 프레임워크는 하전 리간드로의 확장 가능성 및 단백질 - 리간드 상호작용 에너지 추정 등을 포함한 약물 발견 분야의 미래 응용을 위한 기초를 마련합니다.