🤖 machine learning

PRIME: Protein Representation via Physics-Informed Multiscale Equivariant Hierarchies

PRIME는 계층적 구조 관계를 효과적으로 포착하여 단백질 표현 벤치마크에서 최첨단 성능을 달성하는, 양방향 정보 교환을 가진 다섯 가지 물리 기반 다중 스케일 구조 그래프의 중첩된 가족으로 단백질을 모델링하는 통합 프레임워크를 제시합니다.

원저자: Viet Thanh Duy Nguyen, John K. Johnstone, Truong-Son Hy

게시일 2026-05-05

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Viet Thanh Duy Nguyen, John K. Johnstone, Truong-Son Hy

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

단일한 객체가 아닌, 서로 다른 재료로 이루어진 복잡한 건물로, 그리고 다섯 가지 다른 확대 수준으로 바라본 단백질을 상상해 보세요.

확대 수준 1 (표면): 건물의 매끄럽고 곡선적인 외피를 봅니다.
확대 수준 2 (원자): 그 외피를 구성하는 개별 벽돌과 모르타르를 보기 위해 확대합니다.
확대 수준 3 (아미노산 잔기): 그 벽돌로 형성된 방들 (아미노산) 을 보기 위해 한 발 물러섭니다.
확대 수준 4 (2 차 구조): 복도, 계단, 지지대 (나선과 가닥) 를 보여주는 건축 도면을 봅니다.
확대 수준 5 (단백질): 건물 전체를 한눈에 보기 위해 다시 한 발 물러섭니다.

단백질을 이해하려는 대부분의 컴퓨터 프로그램들은 이 확대 수준들 중 하나를 선택하여 그 수준에 머무릅니다. 어떤 프로그램은 문자의 나열 (도면 텍스트) 만을 보고, 다른 프로그램들은 원자의 3 차원 형태만 봅니다. 문제는 단백질이 "다중 규모" 시스템이라는 점입니다. 그 기능은 이 모든 수준이 어떻게 상호작용하는지에서 비롯됩니다.

이 논문은 PRIME을 소개합니다. PRIME 은 한 번에 다섯 가지 확대 수준 사이를 즉시 전환할 수 있는 슈퍼 사진작가처럼 행동하며, 더 중요하게는 이 수준들이 어떻게 연결되는지 이해합니다.

PRIME 의 작동 원리: "물리 기반 엘리베이터"

이러한 수준들이 어떻게 연결되는지 추측하는 대신, PRIME 은 이를 연결하기 위해 물리 기반 규칙 (엄격한 엘리베이터 시스템과 같은) 을 사용합니다.

규칙: PRIME 은 "표면"의 특정 패치가 특정 "원자"에 속하고, 그 원자가 특정 "잔기"에 속하며, 그 잔기가 특정 "보"에 속한다는 것을 알고 있습니다. 이러한 연결은 추측된 것이 아니라 실제 화학 및 기하학 법칙에 의해 결정됩니다.
엘리베이터 (양방향 흐름):
- 하향식 (집계): PRIME 은 단일 원자의 모양과 같은 미세한 세부 사항을 받아 위로 엘리베이터를 타고 더 높은 수준으로 보냅니다. 이는 "큰 그림" 관점이 미세한 세부 사항을 이해하도록 돕습니다.
- 상향식 (정제): 이는 단백질의 전체적인 형태와 같은 "큰 그림" 문맥을 받아 아래로 엘리베이터를 타고 더 작은 수준으로 보냅니다. 이는 미세한 세부 사항들이 전체 건물의 문맥을 이해하도록 돕습니다.

이 양방향 교통 흐름은 AI 가 단순히 벽돌 더미를 보는 것이 아니라, 모든 벽돌이 거대한 설계에서 자신의 위치를 알고 있는 건물을 보도록 보장합니다.

PRIME 이 달성한 성과: "테스트 주행"

저자들은 이 "다중 확대" 접근법이 단일 확대 방법보다 더 잘 작동하는지 확인하기 위해 표준 단백질 퍼즐로 PRIME 을 테스트했습니다.

접힘 분류 도전: 특정 건물을 본 적이 없더라도 지붕과 벽만 보고 건물을 식별해 보라고 상상해 보세요. PRIME 은 이 테스트를 압도했습니다. 특히 건물이 매우 유사하게 보이는 가장 어려운 퍼즐에서 기하학만 본 이전 최우수 AI 를 압도적인 차이로 능가했습니다. 이는 PRIME 이 단백질 형태의 표면뿐만 아니라 그 "영혼"을 포착하는 데 탁월함을 시사합니다.
반응 분류 도전: 이는 기어를 보고 기계가 무엇을 하는지 예측하는 것과 같습니다. PRIME 은 여기서 새로운 챔피언이 되었으며, 수백만 개의 단백질 서열을 읽은 거대 AI 모델들조차 능가했습니다. 이는 서열 (설명서) 만 읽는 것보다 물리적 구조 (기어) 를 보는 것이 때로는 더 중요함을 증명합니다.
"스마트 초점" 기능: 논문은 또한 PRIME 이 특정 작업에 대해 어떤 확대 수준이 가장 중요한지 스스로 결정할 만큼 지능적임을 보여주었습니다.
- **건물 유형 (접힘)**을 식별하라고 요청받았을 때, 그것은 **건축용 보 (2 차 구조)**에 집중했습니다.
- **기계의 기능 (반응)**을 예측하라고 요청받았을 때, 화학 반응이 일어나는 **벽돌과 방 (원자 및 잔기)**에 더 많은 주의를 기울였습니다.

결론

PRIME 은 컴퓨터가 단백질을 "보는" 새로운 방법입니다. 단백질을 단일한 평면적인 관점으로 강요하는 대신, 분자의 자연스럽고 중첩된 위계 구조를 존중합니다. 원자, 방, 보, 그리고 전체 건물 사이로 정보가 상하로 흐르게 함으로써, 단백질이 어떻게 작동하는지에 대한 훨씬 더 풍부하고 정확한 이해를 창출합니다.

이 논문은 이 접근 방식이 단백질이 단순한 데이터 포인트의 평면 목록이 아니라, 실제로 복잡한 다층 물리 시스템으로 취급되기 때문에 더 우월하다고 결론 내립니다.

기술 요약: PRIME (물리 기반 다중 규모 공변 계층을 통한 단백질 표현)

문제 정의

단백질은 원자 간 상호작용부터 글로벌 폴드 토폴로지까지의 조화로운 구조적 조직에서 기능적 특성이 발현되는 본질적으로 다중 규모의 물리 시스템입니다. 기존 단백질 표현 학습 방법들은 일반적으로 단일 구조 해상도 (예: 서열, 원자, 또는 표면 수준) 에서 작동하거나, 잠재적 정렬이나 후기 단계 융합을 통해 통합된 병렬 모달리티로 서로 다른 구조적 소스를 취급합니다. 이러한 접근법들은 구조적 규모 간의 계층적 관계 (예: 원자가 어떻게 아미노산 잔기를 형성하고, 이것이 어떻게 이차 구조를 형성하며, 다시 어떻게 글로벌 폴드를 형성하는지) 를 명시적으로 모델링하지 못합니다. 결과적으로 이들은 서로 다른 공간 해상도를 공유 물리 계층 내의 중첩된 수준이 아닌 독립적인 의미적 뷰로 취급하여, 해상도 간에 발현되는 상호작용을 포착하는 능력을 제한합니다.

방법론

저자들은 단백질을 물리적으로 근거한 5 개의 중첩된 구조 그래프의 가족으로 모델링하는 통합 프레임워크인 PRIME을 소개합니다. 이 프레임워크는 계층적 그래프 구성과 다중 규모 메시지 전달이라는 두 가지 주요 단계를 통해 작동합니다.

1. 계층적 그래프 구성

PRIME 은 미세한 해상도부터 거친 해상도까지 5 개의 수준을 아우르는 계층 $\mathcal{G} = \{G^{(0)}, G^{(1)}, G^{(2)}, G^{(3)}, G^{(4)}\}$ 을 정의합니다:

수준 0 (표면): 노드는 분자 표면 메쉬의 삼각형 면입니다.
수준 1 (원자): 노드는 무거운 원자입니다.
수준 2 (잔기): 노드는 아미노산 잔기입니다.
수준 3 (이차 구조): 노드는 이차 구조 요소 (SSE: 나선, 가닥, 고리) 입니다.
수준 4 (단백질): 전체 단백질을 나타내는 단일 노드입니다.

연결성 및 할당:

간선: 가장 미세한 수준 ( $G^{(0)}$ ) 은 면 중심에 대해 $k$ -최근접 이웃 ( $k=8$ ) 을 사용합니다. 더 거친 수준들은 할당 행렬 $\Pi^{(\ell)}$ 을 통해 가장 미세한 수준에서 결정론적으로 간선을 유도합니다. 여기서 $A^{(\ell)} = (\Pi^{(\ell)})^\top A^{(\ell-1)} \Pi^{(\ell)}$ 입니다. 이는 거친 단위 간의 미세 규모 연결 수를 반영하는 가중 인접 행렬을 생성하여, 모든 수준에서 명시적인 좌표 기반 간선 구성 없이 공간적 근접성을 인코딩합니다.
할당 맵: 수준 간 전환은 생화학 원리에서 유도된 결정론적이고 물리 기반의 할당 연산자 $\pi^{(\ell)}$ 에 의해 지배됩니다 (예: 표면에서 원자로의 유클리드 거리, 원자에서 잔기로의 공유 결합, 잔기에서 SSE 로의 DSSP 알고리즘).
노드 특징:
- 표면: 수작업으로 설계된 기하학적 기술자 (면적, 중심 거리) + 사전 훈련된 공변 메쉬 신경망 (EMNN) 의 임베딩.
- 원자: 원소 유형/백본 소속 + 사전 훈련된 공변 그래프 신경망 (EGNN) 의 임베딩.
- 잔기: 아미노산 정체성, 백본 각도, 곡률, 비틀림 각도.
- SSE: 유형의 원-핫 인코딩 및 정규화된 길이.
- 단백질: 사전 훈련된 ESM-2 모델에서 추출한 글로벌 표현.

2. 다중 규모 메시지 전달

PRIME 은 양방향으로 정보를 전파하기 위해 $N$ 개의 계층적 레이어 스택을 사용합니다. 각 레이어는 세 가지 순차적 작업을 수행합니다:

수준 내 메시지 전달: 사전 레이어 정규화, 잔차 연결, 그리고 피드포워드 네트워크를 사용하는 그래프 합성곱을 통해 각 수준에서 표현을 독립적으로 정제합니다.
하향식 집계: $(\Pi^{(\ell)})^\top$ 을 사용하여 수준 $\ell-1$ 에서 $\ell$ 로 표현을 집계함으로써 미세한 세부 정보를 상향으로 전파한 후, 게이트 융합을 수행합니다.
상향식 문맥 정제: $\Pi^{(\ell)}$ 을 사용하여 수준 $\ell$ 에서 $\ell-1$ 로 거친 수준의 문맥을 하향으로 브로드캐스트한 후, 대칭적 게이트 융합을 수행합니다.

게이트 융합 메커니즘은 학습 가능한 게이트 $g = \sigma(W_g [z \| c])$ 를 통해 문맥 $c$ 를 현재 표현 $z$ 에 선택적으로 통합합니다. 최종 표현은 하위 작업 (downstream tasks) 을 위해 지정된 수준 $\ell^*$ (일반적으로 잔기 수준) 에서 읽혀집니다. 이 프레임워크는 모든 입력 특징과 연산이 좌표가 없거나 공변 인코더에서 유도된 불변 스칼라 임베딩을 사용하므로, 엔드투엔드 SE(3)-불변으로 설계되었습니다.

주요 기여

통합 프레임워크: PRIME 은 단백질을 결정론적 할당 연산자로 연결된 물리적으로 근거한 5 개의 중첩된 그래프 가족으로 모델링하는 단일 프레임워크를 제안하여, 계층적 물리 조직의 명시적 모델링을 가능하게 합니다.
양방향 정보 교환: 이 방법은 하향식 집계 (미세에서 거친) 와 상향식 정제 (거친에서 미세) 를 통한 정보 흐름을 촉진하여, 각 수준이 자체 모달리티별 정보와 다른 모든 규모에서의 문맥 신호를 모두 인코딩할 수 있게 합니다.
물리 기반 귀납적 편향: 데이터 기반 그래프 축소와 달리, PRIME 은 계층을 정의하기 위해 알려진 생화학적 및 기하학적 제약을 활용하여 다중 규모 표현 학습을 위한 원칙적인 기반을 제공합니다.
적응형 읽기: 이 프레임워크는 적응형 교차 주의 읽기를 지원하여, 모델이 예측 시 가장 작업 관련성이 높은 구조적 해상도를 자율적으로 식별하고 가중치를 부여할 수 있게 합니다.

실험 결과

PRIME 은 ProteinWorkshop 의 네 가지 벤치마크 (폴드 분류, 반응 클래스 예측, 유전자 오ント로지 (GO) 예측, 단백질 - 단백질 상호작용 (PPI) 부위 예측) 에서 평가되었습니다.

폴드 분류: PRIME 은 모든 분할에서 최첨단 정확도를 달성했습니다. 특히, 도전적인 슈퍼패밀리 (Superfamily) 및 폴드 (Fold) 분할에서 EGNN 을 포함한 가장 강력한 기하학적 GNN 베이스라인보다 각각 13.80 점과 18.30 점의 차이로 우위를 점했습니다.
반응 클래스 예측: PRIME 은 84.10% 의 정확도를 달성하여 ESM(83.10%) 을 포함한 모든 베이스라인을 능가했습니다. 이는 명시적 구조 계층이 서열 전용 모델보다 효소 기능 예측을 위한 더 우수한 신호를 제공함을 시사합니다.
유전자 오ント로지: 이 모델은 구조적 모티프 및 글로벌 폴드와 밀접하게 관련된 분자 기능 (MF) 및 세포 구성 요소 (CC) 오ント로지에서 최고의 성능을 달성했습니다. 생물학적 과정 (BP) 에 대한 성능은 상대적으로 낮았는데, 이는 주석이 내재적 구조보다는 진화적 문맥에 의존하기 때문일 가능성이 높습니다.
PPI 부위 예측: PRIME 은 경쟁력 있는 ROC-AUC 점수를 달성하여 노드 수준 작업에의 적용 가능성을 입증했으나, 순위 최상위는 아니었습니다. 이는 정밀한 인터페이스 예측을 위한 특수화된 아키텍처 선택의 잠재력을 시사합니다.

어블레이션 연구:

단일 구조 수준을 제거하는 것은 일관되게 성능을 저하시켰으며, 이는 각 수준이 보완적이고 중복되지 않는 정보를 기여함을 확인시켜 주었습니다.
이차 구조 (SSE) 수준을 제거하는 것이 가장 큰 하락을 초래했습니다 (예: 폴드 분할 정확도가 59.78% 에서 16.61% 로 하락). 이는 폴드 구별에서 SSE 토폴로지의 중심성을 강조합니다.
적응형 교차 주의 분석은 모델이 폴드 분류를 위해 SSE 수준에 더 높은 주의 가중치를 자율적으로 할당하고, 작업에 따라 가중치를 조정함 (예: 반응 클래스의 경우 원자/잔기 수준에 더 높은 가중치) 을 보여주어, 통합된 다중 규모 설계의 필요성을 검증했습니다.

의의

이 논문은 PRIME 이 단백질 구조의 계층적 조직을 명시적으로 고려함으로써 단백질 표현 학습을 위한 원칙적인 기반을 제공한다고 주장합니다. 평평하거나 병렬적인 다중 모달 표현을 넘어선 PRIME 은 구조적 해상도 간에 발현되는 상호작용을 포착합니다. 결과들은 단백질을 물리적으로 근거한 그래프의 중첩된 계층으로 모델링하는 것이 기존 단일 모달 및 다중 모달 접근법보다 우수한 일반화 가능한 표현을 생성함을 보여주며, 특히 구조적으로 유사한 폴드를 구별하거나 활성 부위 기하학에 의해 지배되는 효소 기능을 예측하는 작업에서 두드러집니다. 작업 관련 해상도를 자율적으로 식별하는 프레임워크의 능력은 단일 고정 해상도에 종속되는 대신 완전한 다중 규모 계층을 유지하는 것의 가치를 더욱 강조합니다.