기술 요약: MolLingo

문제 제기

분자 설계는 의학, 청정 에너지, 재료 과학 분야에서 글로벌 과제를 해결하는 데 있어 핵심적인 요소입니다. 그러나 기존 계산 파이프라인은 종종 동적 워크플로우에서 이질적인 생물학적 데이터, 화학적 제약 조건, 그리고 전문가 피드백을 통합하는 적응력이 부족합니다. 더 나아가, 분자 설계를 위한 기존 대규모 언어 모델 (LLM) 기반 접근법은 두 가지 주요 병목 현상에 직면해 있습니다:

1. 표현 불일치: 대부분의 시스템은 원시 SMILES 문자열에 의존하는데, 이는 문법적으로 취약하고 트랜스포머 아키텍처에는 구조적으로 불투명하며 LLM 의 의미 공간과 정렬되지 않습니다. 단일 문자 치환만으로도 분자가 무효화될 수 있으며, 기능적으로 의미 있는 부분 구조는 비연속적인 문자 범위에 흩어져 있습니다.
2. 반복적 추론 부재: 현재 방법론들은 종종 전체 약물 개발 파이프라인 (표적 식별부터 리드 최적화까지) 에 걸쳐 반복적이고 증거 기반의 추론을 수행하는 데 필요한 다중 에이전트 조정과 공유 메모리가 없는 독립적인 생성 모델이나 고정된 파이프라인으로 작동합니다.

방법론: MolLingo 프레임워크

MolLingo는 화학자의 추론 과정을 모방하도록 설계된 자율적 다중 에이전트 시스템입니다. 이는 지식, 중간 결과, 그리고 추론 흔적을 영구적으로 저장하는 공유 메모리 모듈을 통해 세 가지 전문 에이전트를 조정합니다.

1. 다중 에이전트 아키텍처

• 오케스트레이터 에이전트: 워크플로우를 관리하고, 작업을 분해 (예: 표적 식별, 히트 발견) 하며, 적절한 에이전트/도구를 선택하고 인간 피드백을 통합합니다. 목표 지향적으로 작동하며 축적된 증거에 따라 전략을 조정합니다.
• 문헌 에이전트: 과학 문헌 및 생의학 데이터베이스 (PubMed, UniProt, ChEMBL) 에서 도메인 지식을 종합하기 위해 검색 증강 생성 (RAG) 을 활용합니다. 이는 표적 선정 및 분자 최적화를 안내하기 위해 질병, 유전자, 단백질, 생리활성 화합물 간의 관계를 식별합니다.
• 화학자 에이전트: 분자 추론 및 화합물 설계를 담당합니다. 히트 식별, 문맥 인식 단편 성장, 그리고 리드 최적화를 수행합니다. 특히, 분자 도킹과 공유 메모리에서 파생된 3 차원 구조적 문맥에 근거하여 추론을 수행합니다.

2. 블록 기반 분자 표현 (BFE)

분자 구조와 LLM 의미 공간 간의 격차를 해소하기 위해 MolLingo 는 **BRICS 기반 단편 열거 (BFE)**를 도입합니다.

• 어휘 구성: 문자 단위 토큰화 대신, BFE 는 BRICS (역합성 조합 분석 절차) 규칙을 사용하여 분자를 이산적이고 합성적으로 접근 가능한 빌딩 블록으로 분해합니다. 단일 코퍼스 패스에서 모든 유효한 단편을 열거하여 반복적인 그래프 기반 방법보다 상당한 계산 속도 향상을 달성합니다.
• 분자 단편화: 분자는 블록의 시퀀스로 분해됩니다. 시스템은 훈련 어휘에서 자주 등장하는 더 긴 블록 (더 풍부한 구조 정보) 을 우선시하는 계층적 방식으로 최적의 단편화를 선택합니다.
• 표현 형식: 각 블록은 일반 화학명과 블록 수준 SMILES(와일드카드 부착점 포함) 의 쌍으로 표현됩니다. 이를 통해 LLM 은 문자 조작이 아닌 기능 단위의 조립 및 수정으로 분자 설계를 추상화 수준이 높은 차원에서 추론할 수 있게 됩니다.

3. LLM 주도 설계 파이프라인

• 히트 식별: 실험 데이터가 없는 경우 ChEMBL 에서 알려진 결합체를 검색하거나 DrugCLIP(대조 학습 모델) 을 사용하여 가상 스크리닝을 수행합니다.
• 히트 - 리드 (문맥 인식 단편 성장): 포괄적인 열거와 달리, MolLingo 는 히트 단편의 3 차원 결합 자세를 분석합니다. 이용 가능한 부피와 인접한 잔기를 기반으로 "성장 핫스팟"을 식별합니다. 화학자 에이전트는 이 생물학적 문맥을 활용하여 결합 부위와 유리한 상호작용을 형성하는 화학적으로 유효한 확장안을 제안합니다.
• 리드 최적화: ADMET(흡수, 분포, 대사, 배설, 독성) 특성을 개선하기 위해 후보 물질을 반복적으로 정제합니다. 에이전트는 블록 기반 표현을 기반으로 작동하며, 핵심 골격과 결합 친화도를 유지하면서 책임 요소를 해결하기 위해 특정 블록에 대한 수정안을 제안합니다.

주요 기여

1. MolLingo 시스템: 문헌 검색, 구조 생물학 (도킹), 그리고 LLM 추론을 통합된 반복적 약물 발견 워크플로우로 통합하는 새로운 다중 에이전트 아키텍처.
2. BFE 표현: 분자 구조를 LLM 의미 공간과 정렬시키는 합성 인식 분자 단편화 방법. 블록 SMILES 와 일반 화학명을 짝짓음으로써, LLM 이 원시 SMILES 에서는 불가능했던 명시적인 구조 - 기능 연관성을 형성할 수 있게 합니다.
3. 문맥 인식 추론: 시스템은 분자 수정을 3 차원 구조적 문맥 (결합 부위 기하학 및 잔기 환경) 에 근거시켜 의약화학자의 추론을 모방합니다.
4. 공유 메모리 메커니즘: 에이전트 간 영구적 문맥, 반복적 정제, 그리고 일관된 다단계 추론을 가능하게 하는 중앙 집중식 모듈.

실험 결과

MolLingo 는 네 가지 벤치마크에서 평가되었으며, 최첨단 LLM 과 전문화된 베이스라인을 일관되게 능가했습니다:

• ADMET 최적화 (DILI 및 hERG): Withdrawn 2.0 데이터베이스에서 MolLingo 변형체는 원시 SMILES 베이스라인 (종종 부정적인 개선을 보임) 에 비해 독성 감소 측면에서 유의미한 개선을 달성했습니다 (예: Gemini-3-Pro 베이스를 사용한 DILI 의 경우 +18.5% 개선). MolLingo 는 높은 구조적 유사성 (45.5%) 과 100% 유효성을 유지했습니다.
• 히트 - 리드 (단편 성장): 30 개의 다양한 단백질 표적에서 평가된 결과, MolLingo 는 원시 SMILES 로 작동하는 동일한 기반 모델 (GPT-5.4, 2.4% 개선) 대비 도킹 점수에서 10.4% 개선을 이루어 4 배의 향상을 보였습니다. 높은 구조적 유사성 (65.2%) 과 100% 유효성을 유지했습니다.
• TOMG-Bench: MolLingo 는 LogP, QED, MR 최적화에서 최첨단 결과를 달성하여 최첨단 LLM 과 강화 학습 기반 방법인 RePO 를 모두 능가했습니다. 성공률 (SR) 과 구조 보존 (SR×Sim) 에서 우수한 성능을 입증했습니다.
• 히트 식별: 표적별 재학습 없이 CDK2 및 AKT1 표적에서 도킹 점수와 약물 유사성 측면에서 GAN 기반 모델 (DrugGEN) 을 능가했습니다.
• 어텐션 분석: Qwen2-Instruct-7B 의 어텐션 메커니즘을 프로빙한 결과, 블록 기반 표현이 기능적 블록과 해당 생물학적 설명 간의 국소화된 어텐션을 가능하게 하는 반면, 원시 SMILES 는 무작위적이고 비구조적인 어텐션을 생성한다는 것이 확인되었습니다.

중요성 및 주장

본 논문은 LLM 주도 분자 설계의 주요 병목 현상이 기반 모델의 능력이 아니라 분자와 생물학적 문맥이 모델에게 전달되는 방식이라고 주장합니다.

• 화학적 직관: 결과는 LLM 이 "올바른 언어로 프로빙될 때" 이미 유능한 분자 설계 보조자 역할을 할 수 있는 능력을 보유하고 있음을 시사합니다.
• 표현의 중요성: 화학적으로 의미 있는 표현 (이름이 포함된 블록 기반 SMILES) 과 생물학적으로 근거된 구조적 문맥을 사용함으로써, 시스템은 범용 LLM 이 복잡한 화학적 추론을 수행할 수 있는 잠재력을 unlocking 합니다.
• 자율성: MolLingo 는 자율적 다중 에이전트 시스템이 최소한의 인간 개입으로 약물 발견의 복잡한 화학 및 생물학적 공간을 탐색할 수 있음을 보여주며, 정적 파이프라인과 동적 증거 기반 발견 간의 격차를 해소합니다.

저자들은 중형 데이터셋으로 훈련된 오라클 모델에 대한 의존성, AutoDock Vina 를 통한 경직된 도킹을 통한 결합 친화도의 근사화, 그리고 예측된 개선을 위한 실험적 검증의 부재 등 한계를 지적합니다. 향후 연구는 단백질 유연성을 통합하고 습식 실험실 실험적 검증과 순환을 닫는 것을 목표로 합니다.