Deep Learning for Protein Complex Prediction and Design

제공된 논문 텍스트에 기반하여, 제 3 장: 단백질 언어 모델을 활용한 개선된 단백질 이종이량체 구조 예측에 제시된 작업에 대한 상세한 기술적 개요는 다음과 같습니다.

문제 제기

단백질 복합체 구조, 특히 두 개의 서로 다른 단백질 사슬로 구성된 **이종이량체 (heterodimers)**의 정확한 예측은 계산 구조 생물학에서 여전히 중요한 과제로 남아 있습니다. AlphaFold2 가 단일체 (monomer) 구조 예측을 혁신적으로 변화시켰음에도 불구하고, 이를 복합체로 확장한 AlphaFold-Multimer는 상호동원체 (interolog) 다중 서열 정렬 (MSA) 구축이라는 치명적인 병목 현상에 직면해 있습니다.

복합체 구조를 예측하기 위해 AlphaFold-Multimer 는 두 구성 사슬의 상동 서열이 종 간에 올바르게 짝지어진 결합 MSA 가 필요합니다. 전통적인 방법은 다음과 같은 휴리스틱 전략에 의존합니다:

1. 계통발생 기반 짝짓기: 종별로 서열을 그룹화하고 쿼리와의 유사성으로 순위 매긴 후, 동일한 순위의 서열을 짝짓습니다.
2. 게놈 공위치 (co-localization): 박테리아 오페론 내에서의 근접성에 기반하여 서열을 짝짓습니다.

이러한 방법들은 진핵생물 표적과 동일 종 내의 여러 유사 서열인 **병렬유전자 (paralogs)**가 포함된 경우에서 크게 어려움을 겪으며, 종종 잘못된 짝짓기와 낮은 구조 예측 정확도로 이어집니다. 핵심적으로 다루어진 문제는 특히 어려운 분류군 영역에서 이종이량체 예측을 위한 고품질 결합 MSA 를 구축하기 위해 상호작용하는 상동체 (interologs) 를 자동으로 그리고 효과적으로 식별하는 방법입니다.

방법론: ESMPair

본 논문은 ESMPair를 제안합니다. 이는 사전 훈련된 ESM-MSA-1b 모델을 포함한 **단백질 언어 모델 (PLMs)**을 활용하여 상동체를 식별하고 짝짓는 새로운 MSA 짝짓기 알고리즘입니다.

파이프라인:

1. MSA 생성: 쿼리 이종이량체에 대해 각 사슬별로 JackHMMER 를 UniProt 데이터베이스에 대해 실행하여 개별 MSA 를 생성합니다.
2. 종 그룹화: 각 MSA 내의 상동체를 종별로 그룹화합니다.
3. 어텐션 기반 점수 매기기: ESM-MSA-1b 모델을 사용하여 쿼리 서열과 MSA 내의 모든 상동체 간의 열별 (column-wise) 어텐션 점수를 추정합니다.
   • 모델은 각 레이어, 헤드, 열에 대해 열별 어텐션 가중치 행렬 ($A \in \mathbb{R}^{N \times N}$) 을 계산합니다.
   • 이러한 행렬들은 대칭화되고 레이어, 헤드, 열을跨跨하여 집계 (합산) 되어 쌍별 유사성 행렬 $S$를 생성합니다.
   • $S$의 첫 번째 행 ($S_1$) 은 쿼리와 모든 히트 서열 간의 유사성을 나타냅니다.
4. 순위 매기기 및 짝짓기: 각 종 그룹 내에서 서열은 $S_1$의 유사성 점수에 따라 순위가 매겨집니다. 두 사슬에서 동일한 종을 공유하고 동일한 순위를 가진 서열들이 짝지어져 상호동원체 MSA를 형성하기 위해 연결됩니다.
5. 구조 예측: 생성된 짝지어진 MSA 가 AlphaFold-Multimer 에 입력되어 복합체 구조가 예측됩니다.

주요 기술적 차이점: 이전 방법들이 서열 동일성이나 게놈 근접성에 의존하는 것과 달리, ESMPair 는 대규모 단백질 언어 모델의 어텐션 맵에 포착된 공진화 신호를 활용하여 상동체 간의 상호작용 가능성을 결정합니다.

주요 기여

1. 최초의 PLM 기반 MSA 구축: 이 작업은 단백질 복합체 예측을 위한 결합 MSA 를 구축하기 위해 사전 훈련된 단백질 언어 모델을 적용한 첫 사례입니다.
2. ESMPair 알고리즘: ESM-MSA-1b 의 열 어텐션 점수를 사용하여 병렬유전자 모호성을 해결하는 간단하면서도 효과적인 짝짓기 전략을 개발했습니다.
3. 앙상블 전략: ESMPair 를 다른 짝짓기 방법 (예: 게놈 기반, 블록 대각화) 과 앙상블 접근법을 통해 결합하면 단일 전략보다 우수한 결과가 나온다는 것을 입증했습니다.
4. 요인 분석: MSA 특성 (다양성, 깊이, 종 수) 과 어텐션 점수를 예측 정확도와 연결하는 정량적 분석을 수행했습니다.

결과

이 방법은 pConf70(낮은 신뢰도 표적), pConf80, 그리고 DockQ49(낮은 예측 정확도 표적)라는 세 가지 테스트 세트에서 평가되었습니다.

• 성능 향상: ESMPair 는 기본 AlphaFold-Multimer 짝짓기 전략 및 기타 기준선 (게놈, 블록 대각화) 보다 일관되게 우수한 성능을 보였습니다.
  • pConf70 세트에서 ESMPair 는 Top-5 Best DockQ 점수 0.259를 달성하여 AlphaFold-Multimer 의 0.234 대비 약 10.7% 의 상대적 개선을 보였습니다.
  • DockQ49 세트에서 Top-5 Best DockQ 점수는 AF-Multimer 의 0.247에서 ESMPair 의 0.265로 향상되었습니다.
• 분류군 강건성:
  • ESMPair 는 높은 병렬유전자 수로 인해 계통발생 기반 방법이 어려움을 겪는 진핵생물 표적에서 가장 큰 개선을 보였습니다.
  • **종간 쌍 (Eukaryote-Bacteria)**에서 탁월한 성능을 발휘하여 기준선 (예: AF-Multimer 의 DockQ 0.314 대비 0.394) 보다 큰 차이를 보였습니다.
• 낮은 신뢰도 표적: ESMPair 의 AlphaFold-Multimer 대비 상대적 개선은 예측 신뢰도 점수 (pConf) 와 음의 상관관계를 보였습니다. 이 방법은 어려운 낮은 신뢰도 표적 (pConf < 0.7) 에서 가장 큰 개선을 제공했으며, 일부 경우 DockQ 개선 폭이 최대 100% 에 달했습니다.
• 앙상블 이점: ESMPair 를 다른 전략 (예: ESMPair + 게놈) 과 결합하면 성공률이 44.6% (Top-5 Best DockQ 0.277) 로 더욱 증가했으며, 세 가지 전략의 앙상블은 **46.8%**의 성공률에 도달했습니다.
• 사례 연구:
  • ESMPair 는 AlphaFold-Multimer 가 실패한 표적 (예: 7VSI, 7AQU) 에 대해 결합 부위와 리간드 방향을 올바르게 예측했습니다.
  • NFM–INA 중간 필라멘트 이종이량체의 경우, ESMPair 는 실험적 증거와 일치하는 4 나선 다발 구조를 올바르게 예측한 반면, AlphaFold-Multimer 는 분리된 코일 구조를 예측했습니다.

의의 및 주장

이 논문은 ESMPair가 단백질 언어 모델에 인코딩된 풍부한 공진화 정보를 활용함으로써 이종이량체 예측에서 MSA 짝짓기의 병목 현상을 효과적으로 해결한다고 주장합니다.

• 일반화 가능성: 이 방법은 오페론 위치와 같은 도메인 특이적 휴리스틱에 의존하지 않는 일반적이고 자동화된 알고리즘으로 설명되며, 특히 전통적인 방법이 실패하는 진핵생물을 포함한 다양한 분류군 영역에서 강건합니다.
• 상호 보완성: 이 작업은 서로 다른 짝짓기 전략이 서로 다른 신호를 포착하므로, 상호동원체를 식별하는 가장 효과적인 방법은 앙상블 접근법임을 강조합니다.
• 영향: 입력 MSA 의 품질을 향상시킴으로써 ESMPair 는 AlphaFold-Multimer 와 같은 하류 구조 예측 모델의 정확도를 크게 향상시키며, 특히 현재 모델링하기 어려운 도전적인 표적에 대해 그렇습니다. 저자들은 이 접근법이 고품질 복합체 구조 예측에 의존하는 생물학적 응용 분야에 중대한 함의를 가진다고 지적합니다.

본 논문은 ESMPair 가 중요한 진전이지만, 분야는 MSA 구축 및 선정을 위해 PLMs 를 활용하는 방법을 계속 탐구해야 하며, 이러한 방법들은 구조 생물학의 다른 MSA 기반 응용 분야를 개선하는 데 적용될 수 있다고 결론지었습니다.