Unlocking hidden biomolecular conformational landscapes in diffusion models at inference time

기술 요약: 디퓨전 모델의 추론 단계에서 숨겨진 생체 분자 형태적 경관(Conformational Landscapes)의 해제

문제 정의
생체 분자의 기능은 단백질 및 기타 분자들이 광범위한 구조, 즉 "형태(conformations)" 사이를 상호 전환할 수 있는 능력에 달려 있다. 실험적 방법들은 정적인 접힘 구조(folded structures)에 비해 이러한 역동적인 분포를 포착하는 데 어려움을 겪고 있으며, 분자 역학(MD)이나 몬테카를로 샘플링과 같은 계산 방법들은 역사적으로 속도와 정확도 측면에서 한계가 있었다. 최근 머신러닝 디퓨전 모델(예: AlphaFold 3, Boltz-1)은 정적 구조 예측 분야에 혁명을 일으켰다. 그러나 이러한 모델들은 종종 하나의 정적인 구조 주변에 고도로 집중된 분포를 생성하며, 특정 자유도에 대한 사전 지식 없이는 더 넓은 형태적 경관이나 희귀 상태(예: 결합력이 강한 단백질의 비결합 상태)를 효율적으로 샘플링하지 못한다. 본 연구가 다루는 핵심 질문은 다음과 같다: 사전 학습된 생성 구조 모델이 주어졌을 때, 그 형태적 경관을 효율적이고 정확하게 샘플링하기 위해 추론 단계에서 어떤 전략을 배치해야 하는가?

방법론: ConforMix
저자들은 추가적인 모델 학습 없이도 디퓨전 기반 생체 분자 구조 예측 모델의 샘플링을 강화하기 위해 설계된 추론 단계 알고리즘인 ConforMix를 소개한다. 이 방법은 세 가지 핵심 구성 요소를 결합한다:

1. 트위스티드 디퓨전 샘플링 (Twisted Diffusion Sampling, 순차적 몬테카를로): i.i.d. 샘플링이나 분류기 가이드(classifier guidance, 재학습이나 구조적 변경이 필요함) 대신, ConforMix는 트위스티드 디퓨전 샘플링을 채택한다. 이는 시간 독립적인 가이드 함수를 사용하여 노이즈 제거(denoising) 과정을 특정 확률 분포 영역으로 유도하는 입자 필터(particle filter) 역할을 한다. 이는 타겟 조건부 분포를 샘플링한다는 점을 점근적으로 보장한다.
2. 자동 탐색 (Automated Exploration, ConforMixRMSD): 사용자 정의 바이어스 포텐셜 없이 무방향 탐색을 가능하게 하기 위해, 저자들은 ConforMixRMSD를 제안한다. 이 구현체는 RMSD(Root Mean Square Deviation) 메트릭을 사용하여 기본 예측값($x_d$)으로부터 샘플링을 편향시킨다.
   • 기본 구조 대비 다양한 타겟 RMSD 값(0–20 Å)에 걸쳐 샘플을 생성한다.
   • 무질서한 루프(disordered loops)에서의 비물리적인 변동을 피하기 위해, "강체 요소 마스크(rigid-element mask)"를 적용하여 이차 구조 요소($\alpha$-헬릭스 및 $\beta$-시트)에 대해서만 RMSD를 계산하고 모든 원자의 움직임은 허용한다.
   • 필터링 단계를 통해 물리적으로 불가능한 샘플(예: 심각한 충돌 또는 슬라이딩 윈도우 내 낮은 pLDDT)을 거른다.
3. 샘플 재가중치 부여 및 자유 에너지 추정: 샘플이 조건부 분포로부터 추출되므로, 저자들은 다상 베넷 수락 비(Multistate Bennett Acceptance Ratio, MBAR) 알고리즘을 사용하여 혼합된 조건부 샘플들을 다시 무조건부 분포로 재가중치 부여한다. 이를 통해 편향되지 않은 자유 에너지 경관을 재구성하고 자유 에너지 차이를 추정할 수 있으며, 이는 디퓨전 모델의 이 맥락에서 이전에 적용되지 않았던 기능이다.

주요 기여

• 새로운 알고리즘: 디퓨전 모델을 위한 트위스티드 순차적 몬테카를로 방식과 자동화된 경관 탐색, 그리고 통계적으로 최적인 샘플 재가중치 부여(MBAB)의 결래이션 구현.
• 개선된 추론 단계 샘플링: ConforMix가 입력 데이터(예: 다중 서열 정렬, MSA)를 수정하거나 자유도에 대한 사전 지식을 요구하지 않고도, 정적 구조로만 학습된 Boltz-1(AlphaFold 3 유사 모델)에 적용되어 현실적이고 다양한 형태를 생성할 수 있음을 입증함.
• 효율적인 자유 에너지 추정: 형태적 샘플링을 위해 학습된 BioEmu에 ConforMix를 적용하여, 기본 샘플링에 비해 자유 에너지 추정의 수렴을 가속화함.

결과
저자들은 여러 벤치마크를 통해 ConforMix를 평가하였다:

• 실험적 형태의 회복: 도메인 운동, 막 수송체, 크립틱 포켓(cryptic pockets), 폴드 스위칭(fold-switching) 단백질을 포함하는 데이터셋에서, ConforMixRMSD는 기본 샘플링 및 MSA 수정 기반의 베이스라인(AFCluster, AFSample2, CF-random)보다 우수한 성능을 보였다. 이는 실험적으로 관찰된 대안적 형태의 높은 비율을 회복했음을 보여준다 (예: 도메인 운동의 경우 기본 Boltz의 0.33 대비 ConforMix의 0.69 커버리지).
• 샘플링의 생물학적 관련성: 주성분 분석(PCA) 결과, ConforMixRMSD 샘플은 생물학적으로 의미 있는 전이 경로(예: 디펩티드 결합 단백질 dppA의 열림-닫힘 운동)를 따라 분산을 집중시키는 반면, MSA 기반 방법들은 확산되고 해석 불가능한 구조적 노이즈를 생성했다.
• 다중 체인 및 RNA 시스템: ConforMix는 SemiSWEET 당 수송체의 세 가지 상태(내부 개방, 외부 개방, 폐쇄)를 모두 회복하였으며, 해머헤드 리보자임(hammerhead ribozyme)에서 관찰된 MD 기반 전이를 재현함으로써 단일 체인 단백질을 넘어선 적용 가능성을 입증했다.
• 자유 에너지 수렴: BioEmu에서 ConforMix는 국소적 언폴딩(unfolding) 전이에 대해 무편향 샘플링보다 훨씬 빠른 자유 에너지 추정 수렴을 가능하게 하여, 더 적은 샘플로도 정확한 추정치를 달ian했다.

의의 및 주장
본 논문은 ConforMix가 모델 사전 학습의 개선과 직교(orthogonal)한다고 주장한다. 즉, 이는 기존 모델의 유용성을 높이며, 볼츠만 분포를 완벽하게 재현하는 가상의 모델에도 혜택을 줄 것이라는 의미이다. 저자들은 볼츠만 분포의 완벽한 샘플링이 장기적인 목표이지만, 희귀 상태(예: 확률이 $10^{-14}$만큼 낮은 비결합 구조)를 효율적으로 탐색하고 전이 메커니즘을 규명하기 위해서는 향상된 샘플링 알고리즘이 여전히 필요하다고 주장한다.

이 연구의 의의는 정적 예측을 위해 학습된 모델 내에 숨겨진 "형태적 경관"을 해제하여, 사용자 개입 없이도 도메인 운동, 크립틱 포켓, 수송체 사이클링 등을 발견할 수 있게 한다는 점에 있다. 저자들은 이 방법이 유연하고, 다양한 생체 분자 시스템(단백질, RNA, 복합체)에 적용 가능하며, 순수하게 추론 단계에서 작동한다는 점을 들어 기초 생물학 이해 증진 및 의학적 응용 가능성을 제시한다.