기술 요약: PhAME – 잠재 확산을 통한 표현형 인식 분자 편집

문제 정의

소분자 신약 개발은 단일 표적 결합 분석보다는 세포 형태 (Cell Painting) 및 전사체 프로파일 (L1000) 과 같은 고차원 생물학적 서명 (표현형) 에 대한 후보 분자 최적화에 점점 더 의존하고 있습니다. 주된 워크플로는 활성 "시드 (seed)" 분자가 원래 히트 (hit) 와 구조적 근접성을 유지하면서 효능을 개선하거나 작용 기전을 변경하기 위해 반복적으로 정제되는 히트 - 리드 (Hit-to-Lead, H2L) 및 리드 최적화 (Lead Optimization, LO) 를 포함합니다.

기존 생성 방법은 이 특정 워크플로를 효과적으로 처리하지 못합니다:

• 리간드 중심 생성기는 유효한 분자를 생성하지만 복잡한 표현형 표적을 향해 유도하거나 특정 시드에 고정하는 메커니즘이 부족합니다.
• 표현형 조건부 생성기(예: GxVAE, SmilesGEN) 는 일반적으로 알려진 히트에서 시작해야 한다는 필요성을 무시하고 표현형 표적로부터 de novo로 분자를 생성합니다.
• 확산 모델의 표준 분류기 없는 안내 (Classifier-Free Guidance, CFG) 는 단일 안내 스케일을 사용하여 목표 표현형 일치와 시드 분자의 구조적 유사성 유지 사이의 불가피한 트레이드오프를 강요합니다.

방법론: PhAME 프레임워크

저자들은 사전 훈련된 그래프 기반 변분 오토인코더 (VAE) 의 잠재 공간 내에서 분자 최적화를 편집 작업으로 재구성하는 PhAME(표현형 인식 분자 편집) 라는 잠재 확산 프레임워크를 제안합니다.

1. 잠재 공간 및 아키텍처

• 기본 모델: PhAME 는 분자 그래프를 연속 잠재 벡터 ($z_0$) 로 인코딩하고 유효한 SMILES 문자열로 다시 디코딩하는 사전 훈련된 그래프 기반 VAE 인 DGVAE[34] 의 잠재 공간에서 작동합니다. 인코더와 디코더는 고정되며 확산 모델만 훈련됩니다.
• 표현형 인식 임베딩: 생성을 표현형 관련성을 고려하면서 시드 분자에 고정하기 위해 PhAME 는 InfoAlign[24] 임베딩을 활용합니다. 원시 화학 지문과 달리 InfoAlign 임베딩은 정보 병목을 통해 분자 구조를 세포 반응 프로파일 (Cell Painting 및 L1000) 에 정렬합니다. 이 임베딩 ($z_{align}$) 은 표현형적으로 관련 있는 유사성을 반영하는 구조적 앵커 역할을 합니다.

2. 훈련 전략

• 데이터 구성: 훈련 쌍은 속성 임계값 (예: 결합 대 비결합, 또는 높은 대 낮은 logP) 의 반대쪽에 있는 구조적으로 유사한 분자를 선택하여 구성됩니다.
• 목적: 탈노이즈 네트워크 $\epsilon_\theta$ 는 다음에 조건부인 목표 분자의 잠재 표현에 추가된 노이즈를 예측하도록 훈련됩니다:
  1. 목표 표현형 서명 ($c$).
  2. 시드 분자의 InfoAlign 임베딩 ($z_{align}$).
• 손실 함수: 훈련 목적 함수는 표준 확산 손실 ($L_{diff}$) 과 탈노이즈된 샘플이 시드의 InfoAlign 임베딩에서 너무 멀리 벗어나는 것을 억제하여 구조적 일관성을 보장하는 정렬 손실 (alignment loss, $L_{align}$) 을 결합합니다.

3. 구성적 분류기 없는 안내 (Compositional Classifier-Free Guidance, c-CFG)

PhAME 의 핵심 혁신은 표준 CFG 를 구성적 안내 체계로 대체하는 것입니다. 단일 안내 스케일 $w$ 대신 PhAME 는 안내 신호를 별도의 스케일을 가진 두 개의 독립적인 항으로 분해합니다:
$$\tilde{\epsilon}_\theta(\hat{z}_t, t, c, z_{align}) = \epsilon_\theta(\hat{z}_t, t, \emptyset, \emptyset) + w_c \Delta_c + w_a \Delta_a$$
여기서:

• $\Delta_c$ 는 목표 표현형 ($c$) 을 향한 기울기 방향입니다.
• $\Delta_a$ 는 시드 구조 ($z_{align}$) 를 향한 기울기 방향입니다.
• $w_c$ 는 표현형 일치 강도를 제어합니다.
• $w_a$ 는 구조적 앵커링 강도를 제어합니다.

이러한 분리는 실무자가 새로운 생물학적 속성 최적화와 시드에 대한 구조적 유사성 유지 사이의 트레이드오프를 명시적으로 제어할 수 있게 하여, 단일 스케일 CFG 에 내재된 강제적인 타협을 제거합니다.

4. 추론 모드

• 분자 편집: 시드 분자가 인코딩되고 부분적으로 노이즈가 추가됨 (탐색 반경 제어) 한 후, 이중 안내 체계를 사용하여 탈노이즈되어 유사체를 생성합니다.
• De Novo 생성: 모델은 $w_a=0$으로 순수 노이즈 ($\hat{z}_T \sim \mathcal{N}(0, I)$) 에서 샘플링하여 표준 표현형 조건부 생성기로 기능할 수 있습니다.

주요 기여

1. 잠재 확산 분자 편집: 그래프-VAE 잠재 공간 내에서 복잡한 생물학적 서명에 의해 안내되는 체계적인 히트 - 리드 최적화를 가능하게 하는 프레임워크 도입.
2. 구성적 안내 메커니즘: 표현형 일치와 시드 근접성을 독립적으로 제어하기 위해 두 개의 독립적인 스케일 ($w_c$ 및 $w_a$) 을 활용하는 CFG 의 새로운 일반화로, 이러한 목표 간의 트레이드오프를 효과적으로 해결.
3. 최첨단 성능: 높은 화학적 유효성과 신규성을 유지하면서 도킹 점수 최적화, 전사체 조건부 생성, Cell Painting 기반 작용 기전 (MoA) 생성 등 다양한 모달리티에서 우수한 결과 입증.

실험 결과

저자들은 PhAME 를 네 가지 고유한 벤치마크에서 평가했습니다:

1. 제어된 속성 편집 (logP)

• 작업: MOSES 벤치마크에서 시드 분자와의 구조적 유사성을 유지하면서 logP 값을 최적화합니다.
• 결과: PhAME 는 Mol-CycleGAN, DiGress, PURE 와 같은 베이스라인을 능가하는 가장 높은 NTS 점수(Novelty, Target success, Similarity 의 복합 지표) 를 달성했습니다. $w_c$와 $w_a$의 독립적 튜닝이 모델로 하여금 DiGress 와 같은 높은 목표 성공률이나 PURE 와 같은 높은 유사성과 같은 전문 방법의 특정 강점을 동시에 달성할 수 있음을 입증했습니다.

2. 도킹 점수 최적화

• 작업: ZINC250k 에서 3 단계 커리큘럼 학습 접근법을 사용하여 5 가지 단백질 표적 (PARP1, FA7, 5HT1B, BRAF, JAK2) 에 대한 새로운 고친화도 결합체를 생성합니다.
• 결과: PhAME 는 새로운 최첨단 결과를 설정하여 5 개 표적 모두에서 최고의 도킹 점수를 달성했고, 5 개 표적 중 4 개에서 가장 높은 신규 히트 비율을 기록했습니다. 특히 PhAME 가 생성한 분자의 상위 5% 는 ZINC250k 전체 훈련 세트의 상위 5% 보다 더 강력한 효능을 보였습니다.

3. 전사체 안내 생성

• 작업: 특정 표적 (예: AKT1, HDAC1) 에 대한 유전자 발현 프로파일 (L1000) 에 조건부인 분자를 생성합니다.
• 결과: PhAME 는 약물 유사성 (QED) 과 합성 접근성 (SA) 측면에서 유전자 조건부 베이스라인 (TRIOMPHE, GxVAE, SmilesGEN) 을 능가했습니다. 특히 베이스라인에 비해 알려진 결합체와의 구조적 유사성이 현저히 높았으며 (HDAC1 의 경우 최대 +90% 개선), 발현 데이터만 사용하여 알려진 약리작용기를 효과적으로 복원함을 입증했습니다.

4. 세포 표현형 안내 생성 (MoA)

• 작업: 특정 작용 기전 (MoA) 에 해당하는 Cell Painting 형태 중심에 조건부인 de novo 분자를 생성합니다.
• 결과: PhAME 는 여러 표현 공간 (ECFP, CLOOME, InfoAlign) 에서 Top-1 클러스터 정확도와 MoA 검색률 측면에서 베이스라인 (DGVAE, CPMolGAN, GFlowNet) 을 크게 능가했습니다. 이는 특정 임베딩에 과적합되는 것이 아니라 구조 - 활성 관계를 진정으로 학습했음을 나타내는 모든 공간에서 우연한 기준선을 일관되게 초과한 유일한 방법이었습니다.

중요성 및 주장

이 논문은 PhAME 가 현대 신약 개발의 중요한 병목 현상인 알려진 히트를 동시에 편집하고 복잡한 시스템 수준의 생물학적 신호로 유도할 수 있는 기존 생성 모델의 무능력을 해결한다고 주장합니다. 최적화를 잠재 공간 편집으로 재정의하고 구성적 안내를 도입함으로써 PhAME 는 구조적 보존과 표현형 최적화라는 상충되는 목표 간의 균형을 맞추는 제어 가능한 메커니즘을 제공합니다.

저자들은 이 프레임워크가 단일 표적 결합 분석에 의존하지 않고도 특정 생물학적 결과 (예: 유전자 녹다운 또는 형태학적 변화) 를 표적으로 하면서 알려진 활성 화합물 주변의 화학 공간을 탐색할 수 있게 함으로써 더 효율적인 히트 - 리드 프로세스를 가능하게 한다고 주장합니다. 결과는 PhAME 가 표현형 안내만 사용하여 시드 분자로부터 알려진 치료제를 복원할 수 있음을 시사하며, 이는 약물 재창출 및 리드 최적화에 대한 잠재력을 강조합니다.