기술 요약: CrystalBoltz

문제 정의

공공 데이터베이스에서 훈련된 단백질 구조 예측 모델 (예: AlphaFold, Boltz-2) 은 강력한 구조적 사전 지식을 제공하지만, 새로운 실험 데이터에 조건부적으로 적용되지 않는 경우가 일반적입니다. X 선 결정학에서 주요 과제는 "위상 문제"입니다: 측정된 구조 인자 진폭 ($|F_o|$) 은 위상 정보를 포함하지 않으므로, 전자 밀도 지도나 원자 구조를 고유하게 결정하지 못합니다. 따라서 구조 결정은 후보 모델이 구조적으로 타당할 뿐만 아니라 측정된 회절 데이터와 일관되어야 하는 역문제로 남아 있습니다.

현재 워크플로는 종종 전문가의 상당한 수동 정제에 의존하거나, 실험 데이터를 생성적 샘플링에 직접 통합하는 데 어려움을 겪는 반복적 방법에 의존합니다. 최근 방법들은 실험 신호를 사용하여 예측기를 유도하려 시도하지만, 종종 관찰된 구조 인자 진폭에 직접 조건을 부여하기보다는 시퀀스 입력이나 잠재 표현을 기반으로 작동합니다. 또한, 기존 실험 기반 정제 방법들은 계산 비용이 많이 들어 활성 데이터 수집 세션 중 유용성이 제한될 수 있습니다.

방법론

CrystalBoltz 는 결정학적 구조 결정을 확산 사전 (diffusion prior) 을 사용한 실험 유도 사후 샘플링으로 공식화하는 엔드 - 투 - 엔드 생성 프레임워크입니다. 이 방법은 두 가지 명확한 단계로 작동합니다:

1. 실험 유도 확산 샘플링

CrystalBoltz 의 핵심은 시퀀스 조건부 확산 사전 (Boltz-2) 과 미분 가능한 결정학적 가능도 (likelihood) 의 통합입니다. 목표는 단백질 시퀀스 $a$, 결정 파라미터 $c$ (단위 세포 및 공간군), 실험 관측치 $y$ ($|F_o|$) 가 주어졌을 때, 사후 분포 $p(X|a, c, y)$ 에서 구조 $X$ 를 샘플링하는 것입니다.

• 확산 사후 샘플링 (DPS): 이 방법은 Boltz-2 사전의 역방향 확률 미분 방정식 (SDE) 을 실험 가능도에서 유도된 기울기로 증강합니다. DPS 프레임워크에 따라, 처리 불가능한 주변 가능도는 Tweedie 공식을 사용하여 근사되며, 여기서 데노이저의 1 단계 예측 ($\hat{X}_0$) 을 깨끗한 구조의 점 추정치로 활용합니다.
• 미분 가능한 전방향 모델: 기울기 기반 유도를 가능하게 하기 위해 CrystalBoltz 는 용매 산란과 구조 인자의 미분 가능한 계산을 제공하는 SFCalculator 도구를 사용합니다. 이를 통해 원자 좌표에 대한 기울기를 직접 계산할 수 있습니다.
• 가능도 유도: 유도 신호는 계산된 진폭 ($|F_c|$) 과 관측된 진폭 ($|F_o|$) 을 비교하는 두 가지 가능도 목표에서 파생됩니다:
  1. 이분산 최소제곱 손실 (가우스 오차 모델).
  2. 구조 인자의 통계적 특성 (비중심 반사에는 복소수 정규분포, 중심 반사에는 실수 정규분포) 을 고려하고 $\sigma_A$ 매개변수를 통해 원자 좌표 오차를 포함하는 Rice 분포 가능도.
• 스케줄링: 유도는 확산 과정의 시작부터 적용되지 않습니다. 대신, 거친 백본 접힘이 나타나도록 유도 없이 샘플링을 시작합니다. 실험 유도는 타당한 구조가 형성된 후 특정 시간 단계 ($t_g$) 에서 켜지며, 이는 유동적 기울기에 의해 초기의 잡음 단계가 허위 최소점으로 끌려가는 것을 방지합니다.

2. 유도 후 정제

확산 단계는 전역 구조를 생성하지만 국소적 정밀도 (예: 측쇄 로타머) 와 정확한 B-인자가 부족할 수 있습니다. 두 번째 단계는 유도 후 정제를 수행합니다:

• 데노이즈된 구조를 결정 프레임에 정렬합니다.
• 원자 좌표와 등방성 B-인자를 실험 데이터에 대해 공동 최적화합니다.
• 데노이저를 통해 전파된 가능도 기울기에 의존하는 확산 단계와 달리, 이 단계는 전방향 모델만을 사용하여 결정학적 목적 함수 (상관계수 또는 R-인자) 를 직접 최적화합니다.
• B-인자는 사전의 pLDDT 점수에서 초기화되어 물리적 범위 ($[1, 80] \text{ \AA}^2$) 로 클램핑됩니다.

주요 기여

1. 사후 샘플링으로서의 공식화: 이 논문은 결정학적 구조 결정을 확산 사전을 가진 실험 유도 사후 샘플링으로 제시하며, 실험 구조 인자 진폭과 원자 구조를 엔드 - 투 - 엔드 방식으로 직접 연결합니다.
2. 네이티브 가능도 유도: 저자들은 미분 가능한 구조 인자 목표 (SFCalculator 사용) 로부터 결정학 네이티브 가능도 유도를 도출하여, 시퀀스 전용 사전이 놓칠 수 있는 대규모 입체 구조 변화를 모델이 해결할 수 있도록 합니다.
3. 하이브리드 파이프라인: 이 방법은 전역 입체 구조 탐색을 위한 유도 샘플링과 국소 좌표 및 B-인자 최적화를 위한 유도 후 정제 단계를 결합하여, 접힘 결정과 정밀 피팅 작업을 분리합니다.
4. 효율성: 이 프레임워크는 기존 실험 유도 방법들에 비해 실행 시간을 크게 단축하면서도 최첨단 일치 지표를 달성합니다.

실험 결과

저자들은 1.69 에서 2.20 Å 사이의 분해능을 가진 PDB 의 여섯 가지 단백질 타겟 (8DWN, 4NTZ, 7O51, 7SEZ, 7VNX, 1L63) 에 대해 CrystalBoltz 를 평가했습니다.

• 정확도: CrystalBoltz 는 Boltz-2 에서 초기화된 Phenix, 유도 없는 Boltz-2, MSA 임베딩을 최적화하는 최근 데이터 유도 방법인 ROCKET 을 포함한 강력한 베이스라인에 비해 일관되게 더 낮은 좌표 RMSD 와 더 낮은 R-인자 ($R_{work}$ 및 $R_{free}$) 를 달성했습니다.
  • 사전과 유의미한 입체 구조적 차이가 있는 타겟 (예: 8DWN 및 4NTZ) 에서 CrystalBoltz 는 대규모 구조 재배열을 수정할 수 있는 능력을 보여주어, 베이스라인의 ~2.6–4.5 Å 에서 ~1.3 Å 로 RMSD 를 감소시켰습니다.
  • 사전이 이미 실제 값에 근접한 타겟에서도 CrystalBoltz 는 R-인자에서 일관된 개선을 제공했습니다.
• 실행 시간: CrystalBoltz 는 동일한 하드웨어 (NVIDIA A6000) 에서 ROCKET 대비 33.3 배의 속도 향상을 달성했습니다. ROCKET 이 ~376 분 (반복적 MSA 최적화 및 여러 정제 단계 포함) 이 소요된 반면, CrystalBoltz 는 약 11.3 분 만에 작업을 완료했습니다. 이 감소는 실험 유도 정제를 오프라인 후처리 단계가 아닌 빔타임 세션 중에도 실현 가능하게 만듭니다.
• 절대화 연구 (Ablation Studies):
  • 용매 모델: 전방향 모델에 미분 가능한 벌크 용매 항을 포함시키는 것은 상관계수 (CC) 를 ~0.05–0.10 일관되게 개선하여 용매 산란 모델링의 필요성을 확인했습니다.
  • B-인자 정제: 좌표와 함께 B-인자를 공동 최적화하면 국소 무질서를 흡수하여 RMSD 를 개선하고 좌표가 참조에 더 정확하게 이완되도록 합니다.
  • 스케줄링: 거친 접힘이 나타날 때까지 유도를 지연시키는 것 (중간 유도) 은 결정적였습니다; 첫 단계부터 유도를 적용하면 위상이 확립되기 전에 궤적을 나쁜 최소점으로 끌어당겨 성능이 저하되었습니다.

중요성 및 주장

이 논문은 생성적 샘플링 과정으로 실험 조건부 적용을 이동시키는 것이 더 빠르고 데이터 일관된 구조 결정으로 가는 효과적인 길이라고 주장합니다. 학습된 구조적 사전 지식과 결정학 네이티브 목적 함수를 단일 추론 파이프라인에 통합함으로써 CrystalBoltz 는 고정밀 예측과 실험적 검증 사이의 간극을 메웁니다.

저자들은 이 작업을 미분 가능한 가능도를 사용한 엔드 - 투 - 엔드 모델 빌딩 및 정제의 개념 증명 (proof-of-concept) 으로 위치시킵니다. 그들은 이 방법이 대규모 입체 구조 변화를 처리하면서도 분 단위의 실행 시간을 유지할 수 있어 고전적 정제 파이프라인과 경쟁력이 있음을 강조합니다. 이 프레임워크는 미분 가능한 전방향 모델이 존재한다면 다른 실험 모드 (예: cryo-EM) 에도 일반화 가능하다고 제시되지만, 현재 작업은 X 선 결정학에만 집중합니다. 저자들은 분자 대체를 통한 정렬을 위한 참조 구조에 대한 의존성과 단일 사슬 단백질로 제한된다는 한계를 인정하며, 이를 향후 공학적 및 알고리즘적 개선의 자연스러운 방향이라고 언급합니다.