기술 요약: Proteo-R1

문제 제기

de novo 단백질 설계를 위한 딥러닝 모델, 특히 확산 (diffusion) 및 흐름 매칭 (flow matching) 기반 모델들은 분자 기하구조 생성에서 원자 수준의 충실도를 달성했습니다. 그러나 이러한 모델들은 근본적으로 의사결정적 (deliberative)이지 않습니다. 그들은 어떤 잔기가 기능적으로 중요한지, 왜 특정 상호작용이 선호되는지, 또는 설계 제약 조건을 어떻게 우선순위를 매겨야 하는지에 대해 명시적으로 추론하지 않고 구조를 합성합니다. 기존 프레임워크에서는 설계 의도가 확산 과정의 매개변수에 암묵적으로 인코딩되어, 추론과 연속적인 샘플링 역학이 얽혀 있습니다. 이러한 얽힘은 해석 가능성, 제어 가능성, 그리고 생화학 지식의 체계적 재사용을 제한합니다. 더욱이, 인간 전문가들은 일반적으로 주요 상호작용 잔기를 식별하는 과정 (추론) 과 기하구조를 최적화하는 과정 (생성) 을 분리하는데, 이러한 분리는 현재 생성 모델에서는 거의 존재하지 않습니다.

방법론: Proteo-R1

Proteo-R1 은 분자 이해와 기하구조 생성을 명시적으로 분리하는 추론 기반 단백질 설계 프레임워크를 도입합니다. 이는 이중 전문가 아키텍처를 활용합니다:

1. 이해 전문가 ($E_{und}$): "분자 전략가" 역할을 하는 멀티모달 대규모 언어 모델 (MLLM) 입니다. 항체 - 항원 복합체 (서열, 구조, 텍스트적 맥락) 를 분석하여 주요 기능성 잔기 (예: 전하 앵커, 소수성 핫스팟) 를 식별하고 그들의 생화학적 정체성을 예측합니다. 핵심적으로, $E_{und}$는 원자 좌표를 생성하지 않으며 잔기 수준의 표현과 명시적 결정을 생성합니다.
2. 생성 전문가 ($E_{gen}$): AlphaFold3 에서 영감을 받은 확산 기반 모델로, 서열과 구조의 조건부 공동 설계를 담당합니다. 이는 $E_{und}$로부터의 잔기 수준 결정을 **강제 제약 (하드 컨스트레인트, 앵커)**으로 받아들이며, 이러한 고정된 상호작용 지점을 기반으로 기하구조를 생성합니다.

주요 기술 구성 요소

• 잔기 정렬 앵커 인터페이스: 연쇄 사고 (CoT) 표현을 연속적인 탈노이즈 궤적에 직접 임베딩하는 대신, Proteo-R1 은 명시적이고 희소한 결정을 통해 추론을 운영화합니다. 이해 전문가는 주요 잔기의 부분 집합 ($I_{key}$) 을 식별하고 아미노산 정체성 ($\hat{k}_i$) 을 예측합니다. 이는 다음과 같이 생성 과정에서 강제됩니다:
  • 정체성 지정: 앵커 잔기에 대해 서열 수준에서 아미노산 정체성을 고정합니다.
  • 임베딩 앵커링: MLLM 의 투영된 은닉 상태를 생성기의 잔기 임베딩 공간에 주입하여, 생성기가 내부 확산 아키텍처를 수정하지 않고도 추론에서 파생된 맥락에 주의를 기울이도록 보장합니다.
• 3 단계 훈련 커리큘럼: 기호적 추론과 기하구조 생성의 통합을 안정화하기 위해 모델은 점진적인 훈련 과정을 거칩니다:
  1. 멀티모달 정렬: PDB 데이터에 대한 스키마 완성 및 캡션 태스크를 사용하여 단백질 서열 (ESM-2) 과 구조적 특징 (AF3 스타일 트렁크) 을 LLM 의 언어 공간에 정렬합니다.
  2. 구조적 추론 중기 훈련: LLM 의 가중치를 고정 해제하여 원자 구조에서 파생된 결정적 레이블을 사용하여 공간 메타 태스크 (잔기 그라운딩, 쌍별 기하구조, 인터페이스 국소화, 핫스팟 예측) 를 마스터하도록 합니다.
  3. 연합 추론 기반 설계: 항체 - 항원 복합체 (SAbDab) 에 대한 엔드 - 투 - 엔드 최적화로, 추론 전문가의 잔기 수준 결정이 확산 기반 CDR 재설계를 직접 주도합니다.

주요 기여

• 명시적 분해: Proteo-R1 은 단백질 설계에서 분자 이해 (추론) 와 기하구조 생성을 명시적으로 분리한 최초의 프레임워크로, 인간 전문가의 2 단계 워크플로우를 반영합니다.
• 해석 가능성과 제어: 추론을 희소한 잔기 수준의 앵커 약속으로 변환함으로써, 이 프레임워크는 확산 모델과 독립적으로 설계 결정을 검사, 수정 및 재사용할 수 있는 명확한 인터페이스를 제공합니다.
• 모듈성: 추론 전문가는 모델 중립적 인터페이스로 작용하여 생성기 아키텍처 변경 없이 다양한 생성 백엔드 (예: AF3 유사 모델, 흐름 매칭 아키텍처) 를 안내할 수 있습니다.
• 안정적 통합: 이 방법은 기하학적 생성기의 귀납적 편향을 보존하는 희소하고 잔기 정렬된 앵커링 메커니즘을 사용하여, 텍스트 또는 기호 표현을 연속 역학에 직접 주입함으로써 발생하는 불안정성을 피합니다.

실험 결과

Proteo-R1 은 여러 루프의 동시 생성이 필요한 까다로운 작업인 항체 상보성 결정 영역 (CDR) 공동 설계에서 평가되었습니다.

• 구조적 정확도: 동시 다중 CDR 재설계에서 Proteo-R1 은 6 개 CDR 영역 중 5 개에서 베이스라인 (예: DiffAb, MFDesign, dyMEAN) 대비 가장 낮거나 거의 가장 낮은 Root Mean Square Deviation (RMSD) 을 달성했습니다. 특히 CDR-H1 과 H2 의 백본 배치에서 두드러진 개선을 보였습니다.
• 인터페이스 품질: 이 모델은 경쟁력 있는 인터페이스 개선 (IMP) 비율을 유지하여, 명시적 잔기 수준 제약이 에너지적으로 유리한 결합 구성의 생성을 방해하지 않았음을 나타냅니다.
• 기하학적 사실성: Proteo-R1 은 스테릭 충돌 (분자 내 및 분자 간 모두) 을 줄이고 비교된 방법 중 가장 낮은 백본 이면각 분포 발산 (JSDbb) 을 달성했습니다.
• 구조 - 서열 일관성: Proteo-R1 은 일부 베이스라인에 비해 아미노산 복구율 (AAR) 이 낮았으나 (자연 서열을 단순히 모방하지 않음을 시사), **더 높은 역접힘 AAR (IF-AAR)**을 달성했습니다. 이는 생성된 기하구조가 독립적인 역접힘 모델 하에서 일관성 있고 실현 가능한 서열과 본질적으로 더 호환됨을 의미하며, 모델이 역사적 서열에 과적합하는 것이 아니라 구조적으로 근거된 대안을 발견한다는 주장을 뒷받침합니다.
• 오라클 앵커 분석: 실제 핫스팟 잔기를 앵커로 사용한 제거 실험 (Ablation studies) 은 구조적 정확도와 기하학적 사실성에서 상당한 추가 개선을 보여주었습니다. 이는 현재 성능 병목이 추론 전문가의 앵커 식별 품질에 있음을 시사하며, 이해 구성 요소의 향후 개선에 상당한 여지가 있음을 강조합니다.
• 일반성: 대체 생성 백본 (UniMoMo) 에 적용되었을 때, Proteo-R1 은 일관되게 구조적 정확도와 인터페이스 품질을 개선하여, 그 이점이 특정 기하학적 모델이 아닌 추론 - 생성 패러다임에서 비롯됨을 입증했습니다.

중요성과 주장

이 논문은 Proteo-R1 이 분자 설계에서 대규모 언어 모델 (LLM) 과 물리적 생성 과정을 통합하기 위한 확장 가능한 청사진을 제공한다고 주장합니다. LLM 을 노이즈가 많은 조건부 입력이 아닌, 명시적이고 생물학적으로 근거된 결정을 통해 설계를 안내하는 분자 전략가로 위치시킴으로써, 이 프레임워크는 현재 생성 모델의 "블랙박스" 성격을 해결합니다.

저자들은 이 접근법이 해석 가능성과 제어 가능성을 강화하여 설계 논리의 체계적 재사용을 가능하게 한다고 강조합니다. 그들은 "무엇이 중요한지" (추론) 와 "어떻게 실현되는지" (생성) 의 분리가 전문가 주도 분자 설계의 핵심이며, Proteo-R1 이 이러한 분리를 성공적으로 운영화했다고 주장합니다. 이 연구는 단백질 설계의 미래 발전이 표적 생물학적 제제의 발견을 가속화하면서 엄격한 물리적 제약을 유지하기 위해 이러한 의식적이고 추론 기반의 프레임워크에 의존할 것이라고 시사합니다.