Structure-Aware Prediction of PROTAC-Mediated Protein Degradability via Graph Neural Networks

기술 요약: 그래프 신경망을 통한 구조 인지형 PROTAC 매개 단백질 분해성 예측

문제 정의
단백질 분해 표적 화합물(PROTAC)은 E3 유비퀴틴 연결효소(E3 ubiquitin ligase)를 모집함으로써 질병 유발 단백질을 분해하는 촉매 메커니즘을 제공한다. 그러나 초기 신약 개발 파이프라인에는 중요한 병목 현상이 존재한다: **표적 선택(target selection)**이다. 특정 단백질이 PROTAC에 의한 분해에 적합한지 결정하려면 후보 분자를 합성하고 비용이 많이 드는 세포 기반 분석을 수행해야 한다. 기존의 계산 방법들(예: DeepPROTACs, DegradeMaster)은 완전한 PROTAC 분자 구조를 입력값으로 사용하므로, PROTAC이 아직 설계되지 않은 초기 표적 평가 단계에서는 사용할 수 없다. 저자들은 표적 선택 단계에서 가용한 최소한의 정보인 표적 단백질의 구조와 E3 연결효소의 정체성만을 사용하여 분해 가능성을 평가할 수 있는 **합성 전 예측 도구(pre-synthesis prediction tool)**의 필요성을 다룬다.

방법론: DegradoMap
저자들은 PROTAC 구조 데이터 없이 이진 분해 가능성(binary degradability)과 연속적 분해 효율을 예측하도록 설계된 그래프 신경망(GNN)인 DegradoMap을 소개한다. 이 아키텍처는 네 가지 주요 모듈로 구성된다:

1. 구조-유비퀴틴화 그래프(SUG) 인코더:

   • 입력: AlphaFold가 예측한 구조(반경 $r=8$ Å)로부터 구축된 단백질 구조 그래프. 노드 특징에는 선택적 ESM-2 임베딩(1,280차원), 물리화학적 특성, pLDDT, SASA, 무질서도(disorder scores), 그리고 알려진 유비퀴틴화 부위 마스크(PhosphoSitePlus 기준)가 포함된다.
   • 메커니즘: 불변 메시지 패싱 GNN(SE(3)-불변)이 $C_\alpha$ 원자 간의 스칼라 유클리드 거리를 사용하여 노드 표현을 업데이트한다.
   • 핵심 혁신: 라이신 가중 글로벌 풀링(lysine-weighted global pooling) 메커니즘. 유비퀴틴은 라이신 잔기에 부착되므로, 모델은 학습된 파라미터에 따라 라이신 잔기에 가중치를 부여하는 per-protein softmax를 적용한다. 결정적으로, 이는 데이터 누수(data leakage)를 방지하기 위해 per-protein 정규화를 사용하며, 단백질 크기가 사소한 지름길(shortcut)로 작용하는 것을 방지하기 위해 $1/\sqrt{N}$ 크기 정규화를 사용한다.
   • 설계 선택: 저자들은 불변(invariant) 아키텍처가 E(3)-등변(equivariant) 설계보다 이 스칼라 예측 작업에 더 적합하며, 등변 모델이 성능이 떨어진다는 점을 발견하여 의도적으로 불변 아키텍처를 선택했다.

2. E3 호환성 모듈:

   • 메커니즘: 단백질 표현(query)과 E3 연결효소 정체성(key/value) 사이의 호환성을 모델링하는 양방향 교차 주의(bidirectional cross-attention) 레이어.
   • 구현: 데이터셋 내 구별되는 E3의 수가 제한적(10개)이므로, E3 연결효소는 구조적 특징 대신 학습된 임베딩으로 표현된다. 이를 통해 모델은 단백질 구조 위에 E3 특이적인 "필터"를 학습할 수 있다.

3. 세포 맥락 인코더(Cellular Context Encoder):

   • 입력: 유전자 발현, 단백질 수준, 경로 멤버십을 포함하여 Cancer Dependency Map(DepMap)에서 추출한 59개의 조직 특이적 특징.
   • 메커니즘: 잔차 MLP(residual MLP)가 E3 발현 수준 및 프로테아좀 용량과 같은 세포 변수를 고려하기 위해 이 특징들을 처리한다.

4. 게이트 퓨전 및 예측(Gated Fusion and Prediction):

   • 학습된 게이팅 메커니즘이 SUG, E3, Context 모듈의 출력을 동적으로 가중 조절한다.
   • 융합된 표현은 두 개의 헤드로 전달된다: 이진 분류기(분해 가능성 - 기본 작업)와 회귀 모델(연속적 효율 - 보조 작업).
   • 학습: 모델은 안정성을 보장하기 위해 멀티태스크 손실(Binary Cross-Entropy, Huber, Focal Loss)과 3단계 학습 전략(SUG 사전 학습, SUG+E3 공동 학습, 전체 미세 조정)을 사용한다.

주요 결과
모델은 PROTAC-8K 벤치마크(3,101개 샘м플, 155개 표적, 10개 E3 연결효소)를 사용하여 세 가지 별도의 분할 방식(Random, Target-Unseen, E3-Unseen)으로 평가되었다.

• Target-Unseen 성능:
  • 개선된 모델(ESM-2 포함)은 3-seed 평균 AUROC 0.646 ± 0.124(최고 시드: 0.7449)를 달성했다.
  • 더 광범위한 6-seed 평가에서는 평균 AUROC 0.603 ± 0.097을 기록했으며, 이는 Gradient Boosting 베이스라인(0.607, $p=0.556$)보다 통계적으로 우월하지 않았다.
  • 저자들은 시드 간 높은 분산을 언급하며, 신뢰할 수 있는 배포를 위해서는 앙상블이 필요함을 시사했다.
• E3-Unseen 전이:
  • 모델은 CRBN 중심의 학습 데이터에서 VHL 전용 테스트 세트로 전이될 때 0.811 AUROC를 달성하여, 연결효소 수준에서의 성공적인 교차 E3 일반화 능력을 입증했다.
  • 그러나 VHL 표적 단백질은 특히 Target-Unseen 분할에서 실패하여(0.396 AUROC, 무작위 확률 미만), CRBN을 위해 학습된 구조적 패턴이 VHL 표적에 잘 일반화되지 않음을 보여주었다.
• E3 추천:
  • 모델은 최적의 E3 연결효소를 성공적으로 추천하였으며, 74%의 Hit@3 정확도와 0.641의 평균 역수 순위(MRR)를 달 기록했다.
• 보정(Calibration):
  • 모델은 Target-Unseen 분할에서 뛰어난 보정 성능(ECE = 0.029)을 보여, 실무자들이 임계값 기반 스크리닝을 위해 신뢰 점수를 믿을 수 있게 한다.
• Ablation 연구 결과:
  • 명시적인 "라이신 지표(lysine indicator)" 특징을 제거했을 때 오히려 성능이 향상되었는데, 이는 아키텍처의 라이신 가중 풀링이 명시적인 특징 주석보다 더 효과적인 귀납적 편향(inductive bias)임을 시사한다.
  • ESM-2 임베딩은 세심한 정규화(낮은 학습률, 감소된 드롭아웃)를 거쳤을 때만 피크 성능을 개선했다. 무분별한 통합은 성능을 저하시켰다.

의의 및 주장
본 논문은 DegradoMap을 모든 지표에서 모든 베이스라인을 압도하는 결정적인 해결책이 아니라, 신약 개발 워크플로우의 특정 공백을 메우는 실용적인 합성 전 도구로 규정한다.

• 최소한의 입력 요구사항: 기존 방법들과 달리, DegradoMap은 AlphaFold 구조를 위한 UniProt ID와 E3 연결효소 이름만을 필요로 하므로, 합성 전 단계에서 평가가 가능하다.
• 상호 보완적 패러다임: 저자들은 DegradoMap을 완전한 정보 기반 방법(예: DegradeMaster)과 상호 보완적인 관계로 설정한다. DegradoMap은 표적 스크리닝(합성 전)을 위한 것이며, 완전 정보 기반 방법은 분자 최적화(합성 후)를 위한 것이다.
• 한계의 투명한 공개: 저자들은 6-seed 평균 성능이 단순한 베이스라인과 비교해 통계적으로 유의미하지 않으며, 성능이 매우 가변적이고 E3 의존적(특히 VHL 표적에서 실패)이라는 점을 명시적으로 인정했다. 그들은 모델의 가치가 원시 AUROC의 우위보다는 구조적 해석 가능성(라이신 어텐션 가중치를 통해), E3 추천 능력, 그리고 잘 보정된 신뢰 점수에 있다고 주장한다.
• 아키텍처적 통찰: 본 논문은 기하학적 딥러닝에 대한 더 넓은 기여를 한다. 특히 스칼라 속성 예측을 위해 불변(invariant) 아키텍처가 등변(equivariant) 아키텍처보다 우수할 수 있다는 점과, 단백질 언어 모델 임베딩을 사용할 때는 작업 특화된 정규화가 필요하다는 점을 밝혔다.

요약하자면, DegradoMap은 구조를 인지하는 효율적인 프레임워크를 제공하여, 데이터 부족 및 시드 분산에 따른 한계를 투명하게 보고하면서도, E3 선택 및 분해 가능성에 대한 실행 가능한 가이드를 제공함으로써 초기 단계의 PROTAC 표적 평가를 지원한다.