Site4Drug: Predicting Drug-Binding Target Sites with an AI Agent

Site4Drug는 다양한 생물학적 근거를 통합함으로써, 특히 막 단백질과 관련하여 실행 가능한 중재 영역을 선택할 때 발생하는 모호함과 실패율을 극복하고, 단백질 상의 순위가 매겨진 모달리티 인식 약물 결합 표적 부위를 예측하는 AI 에이전트입니다.

핵심

당신이 거대하고 복잡한 금고(단백질)의 자물쇠를 따려는 열쇠공이라고 상상해 보십시오. 과거에 과학자들은 이미 자물쇠를 돌릴 정확한 부위(결합 부위)를 알고 있다고 가정하고, 오직 열쇠(약물)를 만드는 데에만 집중하곤 했습니다. 하지만 종종 진짜 문제는 열쇠를 만드는 것이 아니라, 열쇠를 어디에 꽂아야 할지 알아내는 것이었습니다.

특히 "막 단백질(membrane proteins)"의 경우 이 작업은 매우 까다로운데, 이들은 마치 벽 속에 박혀 있는 금고와 같습니다. 어떤 부분은 벽 안에 숨겨져 있고, 어떤 부분은 끈적끈적한 테이프(당쇄)로 덮여 있으며, 어떤 부분은 너무 붐벼서 접근조차 불가능합니다. 만약 당신이 테이프로 덮여 있거나 벽 속에 파묻힌 자물쇠를 따려고 한다면, 당신의 열쇠가 아무리 훌륭하더라도 작동하지 않을 것입니다.

Site4Drug는 열쇠를 만들기 시작하기도 전에 이 "어디에"라는 문제를 해결하기 위해 설계된 새로운 AI "탐정"입니다.

탐정의 도구 상자

단순히 추측하는 대신, Site4Drug는 단백질의 "신분증"(아미노산 서열)으로부터 단서를 수집하는 매우 똑똑한 요원처럼 행동합니다. 이 모델은 단백질의 3D 설계도가 없어도, 단지 텍스트를 읽는 것만으로도 상황을 파악할 수 있습니다. 작동 방식은 다음과 같습니다.

1. 지도 확인 (토폴로지): 단백질을 살펴보고 어떤 부분이 밖으로 돌출되어 있는지(접근 가능 여부)와 어떤 부분이 벽 안에 파묻혀 있는지(관통 막 영역)를 확인합니다. 이 모델은 자물쇠가 벽 안에 있다면 그곳을 딸 수 없다는 것을 알고 있습니다.
2. 끈적한 테이프 스캔 (PTM): "번역 후 변형(PTMs)"을 확인합니다. 이는 당이나 인산염처럼 자물쇠를 덮어버릴 수 있는 끈적한 메모지나 두꺼운 테이프와 같습니다. 만약 특정 지점이 테이프로 덮여 있다면, 탐정은 그곳을 "위험함" 또는 "차단됨"으로 표시합니다.
3. 특수 패턴 탐색 (모티프): 단백질의 기능에 중요한 역할을 하는 특정 패턴을 스캔합니다. 이 패턴을 건드리면 단백질이 망가질 수 있다는 것을 알기에, 이를 주의 사항으로 분류하여 표시합니다.
4. "끈끈한 쌍" 확인 (이황화 결합): "시스테인"(아미노산의 한 종류)의 개수를 세어 단백질이 내부적으로 매듭지어져 있는지 확인합니다. 만약 특정 지점이 꽉 조여진 매듭의 일부라면, 약물과 결합하기에는 너무 경직되어 있을 수 있습니다.

"에이전트" 방식

Site4Drug가 특별한 이유는 단순히 숫자 목록을 내뱉는 것이 아니라, 전문가 팀이 회의를 하는 것처럼 작동하기 때문입니다.

• 생물학자는 해당 지점이 생물학적 약물(예: 항체)에 적합한지 확인합니다.
• 화학자는 해당 지점이 화학적 약물(예: 알약)에 적합한지 확인합니다.
• 리스크 관리자는 모든 위험 신호를 지적합니다 (예: "이 지점은 설탕 테이프로 덮여 있습니다!").

최종 **결정 에이전트(Decision Agent)**는 모든 이의 의견을 듣고 순위가 매겨진 보고서를 생성합니다. 이 모델은 단순히 "여기가 최적의 장소입니다"라고 말하지 않습니다. 다음과 같이 말합니다:

• "여기가 최적인 지점입니다."
• "우리가 왜 이곳이 좋다고 생각하는지에 대한 이유입니다."
• "발생 가능한 위험 요소들입니다 (예: '설탕으로 덮여 있음')."
• "우리의 신뢰 수준입니다."

이러한 방식은 **감사 가능(auditable)**하게 만듭니다. 만약 나중에 약물이 실패한다면, 과학자들은 보고서를 보고 "아, 우리가 설탕 테이프로 덮인 지점을 골랐구나. 그래서 실패했구나"라고 말할 수 있으며, 단순히 추측에 의존하지 않게 됩니다.

얼마나 잘 작동하는가?

저자들은 두 가지 유형의 자락쇠를 대상으로 이 탐정을 테스트했습니다:

1. 소분자 포켓 (Small Molecule Pockets): 화학 약물이 들어가는 단백질 내부의 아주 작은 구멍입니다. Site4Drug는 단백질의 3D 지도 없이도, 3D 지도를 필요로 하는 기존 도구들만큼이나 효과적으로 이 지점들을 찾아냈습니다!
2. 항체 에피토프 (Antibody Epitopes): 항체가 붙잡는 단백질 외부의 "손잡이" 부분입니다. Site4Drug는 서열 단서를 통해 이 손잡이들을 성공적으로 식별해 냈습니다.

이러한 컴퓨터 시뮬레이션 테스트 외에도, 연구의 결론 부분에서 흥미로운 한 가지 사실이 언급됩니다. 저자들은 이 AI 가 예측한 결과 중 단 하나의 경우가 실제 실험실에서 실험적으로 검증되었다고 밝혔습니다. 구체적인 실험의 세부 사항은 공개되지 않았지만, 이는 이 방법이 단순히 컴퓨터상에서 잘 작동하는 것을 넘어, 실제 실험실 환경에서도 그 타당성을 입증한 첫 번째 실마리라는 점에서 매우 고무적인 신호입니다.

"인수인계"

Site4Drug는 좋은 지점을 찾는 데서 멈추지 않습니다. 찾은 정보를 실제로 약물을 설계하는 다른 도구들에게 전달할 수 있습니다.

• 만약 "포켓"을 찾았다면, 좌표를 소분자 설계를 위한 도구로 보낼 수 있습니다.
• 만약 "에피토프"를 찾았다면, 좌표를 항체나 펩타이드 설계를 위한 도구로 보낼 수 있습니다.

핵심 요약

Site4Drug는 신약 개발을 위한 스마트한 GPS 와 같습니다. 눈을 감고 주차 공간(결합 부위)을 찾으려고 무작정 운전하는 대신, 도로 표지판, 교통량, 도로 상태를 분석하여 어디에 주차해야 하는지, 그 자리가 왜 좋은지, 그리고 주의해야 할 잠재적 위험 요소(예: 공사 중이거나 주차 금지 구역)가 무엇인지 알려줍니다. 이는 신약 개발의 가장 혼란스러운 첫 단계를 더 명확하고, 안전하며, 이해하기 쉽게 만들어 줍니다.

기술 요약

기술 요약: Site4Drug – AI 에이전트를 이용한 약물 결합 표적 부위 예측

1. 문제 정의

특정 단백질 영역을 치료적 개입을 위한 표적으로 선택하는 것(표적 부위 선택)은 이후의 결합 분자 선택보다 더 모호하고 실패 가능성이 높은 병목 구간인 경우가 많습니다. 이러한 과제는 특히 막 단백질(membrane proteins)에서 두드러지는데, 접근성, 토폴로지(topology), 그리고 번역 후 변형(PTM)이 실행 가능한 영역을 제한하기 때문입니다.

현재의 신약 개발 파이프라인은 결합 부위가 이미 알려져 있다고 가정하고, 대신 도킹(docking), 스크리닝, 또는 결합체 생성(예: BoltzGen, DrugCLIP)에 집중하는 경향이 있습니다. 그러나 팀들은 종종 더 상위 단계의 질문인 어디를, 그리고 어떤 양상(modality)(예: 저분자 화합물 vs 항체/펩타이드)으로 단백질을 타겟팅해야 하는가라는 문제에서 정체되곤 합니다.

• 기존 리소스의 한계: IEDB와 같은 큐레이션된 데이터베이스는 특정한 실험 환경에 의존적이며 불완전한 면역 에피토프 증거를 집계합니다. 이는 치료적 부위 선택을 위한 맥락에서는 불충분할 수 있습니다. 또한, "알려진 포켓(known pockets)"은 흔히 공결정화된 리간드와 접촉하는 잔기들에 의해 운영적으로 정의되는데, 이러한 정의는 리간드가 결합된 구조가 없는 단백질(예: 암 신생 항원)에 대해서는 취약합니다.
• 기존 도구의 한계: 기하학적 도구(예: fpocket) 및 학습된 구조 표현(예: RAPID-Net)은 전형적인 결합 포켓을 식별하는 데는 능숙하지만, 다양한 메타데이터를 통합하거나 대안적인 약물 양상을 위한 부위를 정의하는 데는 어려움을 겪습니다.
• 공백: 후보 영역을 제안하고, 실현 가능성 제약 조건에 따라 이들을 순위화하며, 결합 모델의 실패와 잘못된 부위 선택을 구분하기 위해 선택 근거를 명시적으로 기록할 수 있는 감사 가능한(auditable) 증거 통합 시스템이 부족합니다.

2. 방법론: Site4Drug 에이전트

Site4Drug는 부위 선택을 제약 조건 우선 및 증거 통합형 결정 문제로 재정의하도록 설계된 양상 인식(modality-aware) AI 에이전트입니다. 이는 두 개의 모듈로 구성된 파이프라인을 통해 작동합니다.

모듈 1: 증거 집계 및 영역 발견

이 모듈은 3D 구조 입력 없이 단백질 서열만으로 잔기 및 영역 수준의 증거 요약을 구축합니다. 세 가지 클래스의 신호를 처리합니다:

1. 토폴로지 및 접근성 사전 정보: 슬라이딩 윈도우 방식의 Kyte–Doolittle 소수성 프로파일과 휴리스틱 막 관통(TM) 탐지기를 사용하여 거친 접근성 사전 정보를 도출합니다. TM 세그먼트와 겹치는 영역은 tmd/restricted(막 관통/제한됨)로 표시되며, 그 외의 영역은 outside/exposed(외부/노출됨)로 표시됩니다.
2. PTM 예측 및 이웃 마스킹: MusiteDeep 기반 추출기를 사용하여 PTM 사이트를 추출하고 규칙 기반 보강을 수행합니다. 각 사이트는 유형화된 로컬 마스크(예: 211 번의 인산화 세린에 대한 잔기 208–214)로 확장됩니다. 시스템은 후보 영역과 이러한 마스크 간의 중첩을 기록하며, 여기에는 PTM 유형과 국소 밀도가 포함됩니다.
3. 모티프 히트 및 시스테인/이황화 결합 프록시: ScanPro 인해 ScanProsite 쿼리를 수행하여 모티프 스팬(motif spans)을 확인하고, 기능적 제약으로 인한 잠재적 중첩을 "motif-overlap"으로 플래그를 지정합니다. 시스테인 개수는 이황화 결합으로 제한된 세그먼트에 대한 경량 프록시로서 추적됩니다.

후보 생성 및 순위 결정:
서열과 압축된 증거 요약에 따라, 대규모 언어 모델(LLM) 은 순위가 매겨진 JSON 형식의 후보 영역 리스트를 제안합니다.

• 스코어링 로직: 후보들은 양상별 휴리스틱을 사용하여 점수가 매겨집니다: $S_0(r) = s_{mode}(r) - p_{TM}(r) - p_{PTM}(r) - p_{motif}(r)$.
  • 에피토프 (Epitope) 모드: 극성, 비-TM, PTM 이 적은 윈도우를 선호합니다.
  • 포켓 (Pocket) 모드: 소수성에 더 많은 가중치를 두며 PTM 페널티를 약하게 적용합니다.
• 리스크 플래그: 별도의 리스크 벡터가 타입화된 주석 (예: TM-overlap, glyco-mask-overlap, disulfide-constrained) 을 점수와 함께 생성합니다.
• 전문가 판정: 전문가 에이전트 패널 (BioAgent, ChemAgent, RiskAgent) 이 주장과 증거에 대해 2 차 비평을 제공합니다. DecisionAgent 는 이 비평들을 종합하여 최종적인 양상 결정 및 조정된 순위를 도출하며, 문맥에 존재하는 증거를 엄격히 준수합니다.

모듈 2: 양상별 설계 핸드오프 (Handoff)

모듈 1 에서 생성된 순위 기반 출력은 다운스트림 설계 도구의 인터페이스 역할을 합니다.

• 에피토프 모드: 가장 높은 순위를 받은 스팬 (span) 은 펩타이드 또는 항체 결합체 설계 도구 (예: BoltzGen) 로 전달됩니다.
• 포켓 모드: 가장 높은 순위를 받은 포켓 영역은 저분자 화로 설계 또는 스코어링 도구 (예: DrugCLIP, BindCLIP) 로 전달됩니다.

3. 주요 기여

• 제약 조건 우선 부위 발견: Site4Drug 는 후보를 제안하기 전에 실현 가능성 제약 조건 (토폴로지, PTM, 모티프) 을 우선시하는 프레임워크를 도입하여, 화학적으로는 타당하지만 생물학적으로 차단된 부위를 피하도록 보장합니다.
• 양상 불가지론 (Modality Agnosticism): 특정 약물 유형을 가정하는 기존 도구와 달리, Site4Drug 는 부위 발견에 사용된 것과 동일한 증거를 바탕으로 결합 양상 (항체/펩타이드 vs 저분자 화합물) 을 추천할 수 있습니다.
• 감사 가능성 (Auditability): 시스템은 추천된 양상, 순위가 매겨진 후보, 명시적인 증거 요약, 리스크 플래그 및 추적 가능한 결정 로그를 포함하는 구조화된 보고서를 출력하여 부위 선택 과정을 디버깅 가능하게 만듭니다.
• 서열 기반 작동: 시스템은 직접적인 단백질 구조 입력 없이도 서열 유래 증거 집계를 통해 구조적 타당성을 달성합니다.

4. 실험 결과

저자들은 고정된 벤치마크 대신 89 개의 타겟 (저분자 화합물 55 개, 항체 26 개, 혼합 양상 8 개) 으로 구성된 큐레이션된 데이터셋을 사용하여 Site4Drug 를 평가했습니다. 이는 새로운 부위 발견에 있어 확정적인 정답 (ground truth) 이 부족하다는 점을 인정한 것입니다.

저분자 화합물 타겟 (포켓)

• 설정: 알려진 공결정 구조 (RCSB) 를 가진 63 개 타겟에 대해 평가되었습니다. 정답은 리간드로부터 4 Å 이내의 잔기로 정의되었으며, 이를 입력 서열로 재매핑했습니다.
• 성능: Site4Drug 는 직접적인 구조 정보 없이도 fpocket(구조 기반 베이스라인) 과 대등한 포켓 부위 국소화 성능을 달ato했습니다.
• 의미: 통계적으로 유의미한 top-1 결과는 주로 특징적인 반복 포켓을 가진 키나아제 (kinase) 에서 나타났습니다.
• 절제 연구 (Ablation): 명시적인 TM/PTM/모티프 증거가 없는 서열 전용 베이스라인은 전체 파이프라인에 비해 현저히 낮은 중첩 (63 개 중 top-1 에서 3/63) 을 보였으며, 이는 명시적 증거 집계의 가치를 입증합니다.

항체 타겟 (에피토프)

• 설정: 에피토프 위치가 주석 처리된 ABCD 데이터베이스의 26 개 타겟을 대상으로 평가되었습니다.
• 성능: Site4Drug 는 26 개 중 8 개 사례 (top-1) 와 11 개 사례 (top-5) 에서 주석 처리된 에피토프와 유의미한 중첩 ($p < 0.05$) 을 보였습니다.
• 시사점: 벤치마크의 희소성과 노이즈에도 불구하고, 시스템은 서열 유래 증거로부터 의미 있는 에피토프 유사 영역을 성공적으로 회복했습니다.

구조적 신뢰성

• 검증: 63 개 포켓 모드 타겟에 대해 AlphaFold3 를 사용하여 구조를 예측하고, 예측된 부위의 pLDDT(predicted Local Distance Difference Test) 값을 분석했습니다.
• 결과: 예측된 상위 1 위 (top-1) 부위는 일반적으로 상위 5 위 (top-5) 세트보다 높은 평균 pLDDT 를 보였습니다. 이는 서열 기반의 증거 집계가 구조적 신뢰도와 상관관계가 있는 신호를 암묵적으로 회복하고 있음을 시사합니다.

엔드 투 엔드 (End-to-End) 설계 (개념 증명)

• 포켓 모드: 상위 순위의 EGFR 포켓을 사용하여, DrugCLIP 은 알려진 EGFR 억제제 (예: lapatinib) 와 구조적으로 유사한 분자들을 검색했으며, 하이퍼기하 분포 검정 결과 높은 구조적 중첩 ($p < 10^{-11}$) 을 보였습니다.
• 에피토프 모드: 상위 순위의 EGFR 에피토프를 사용하여, BoltzGen 은 펩타이드 결합체를 생성했습니다. 생성된 결합체 순위는 알려진 구조적 특징 (예: Domain III 타겟팅) 및 막 토폴로지 제약 조건과 상관관관계가 있었습니다.

실험적 검증 (Experimental Validation)

논문의 결론 부분에서 저자들은 시스템이 생성한 예측 중 하나에 대해 실험적 검증을 수행하여 성공적인 결합을 확인했다고 명시하고 있습니다. 구체적인 실험 세부 사항은 공개되지 않았으나, 이는 시스템이 제안한 가설 중 적어도 하나가 실제 생물학적 맥락에서 유효함을 보여주는 단일 사례 (single instance) 로서 제시되었습니다.

5. 의의 및 한계점

의의:
본 논문은 Site4Drug 가 제약 조건 인지형 영역 제안과 감사 가능한 결정 로그를 생성함으로써 표적 부위 선택의 신뢰성과 투명성을 개선한다고 주장합니다. 이는 구조적 정보가 제한적인 타겟에 대해, 결합체 또는 저분자 화합물 설계 워크플로우를 위한 해석 가능한 상위 인터페이스 역할을 합니다.

한계점:

• 데이터 규모: 검증 데이터셋의 규모가 작으며, 특히 신뢰할 수 있는 부위 수준 주석을 확보하기 어려운 항체 관련 타겟의 경우 더욱 그러합니다.
• 베이스라인 비교: 훈련 데이터베이스 (예: scPDB/RCSB) 의 중복으로 인해 기존 구조 학습 ML 모델과의 직접적인 비교가 어렵습니다.
• 구조적 게이팅: 시스템이 구조 없이 작동하지만, 포켓 모드는 본질적으로 구조적 맥락에 의존합니다. 일부 모델은 구조적 입력을 필요로 하며, 이는 토큰 소모가 많고 확장성이 떨어질 수 있습니다.
• 4 차 구조 (Quaternary Structure): 현재 모델은 단일 단백질 서열을 수용하며, 채널 단백질에서 흔히 나타나는 4 차 구조나 다중 도메인 조립을 고려하지 않습니다.
• 감독 (Supervision): 초기 실험에서 지도 미세 조정 (SFT) 시 숏컷 행동 (예: 반복적인 N-터미널 선택) 이 나타났으며, 이는 향후 단순한 포맷팅 감독이 아닌 생물학적으로 근거 있는 보상 신호가 필요함을 시사합니다.
• 농도 의존성: 현재 모델은 농도 의존적인 타겟 결합 (target engagement) 을 고려하지 않습니다.

저자들은 Site4Drug 의 출력값이 검증된 치료 후보가 아니라 실험적 후속 조치를 위한 '가설'로 취급되어야 하며, 다운스트림 분자들은 결합, 특이성 및 안전성에 대한 독립적인 검증이 필요함을 강조합니다.