DeepRHP: A Hybrid Variational Autoencoder for Designing Random Heteropolymers as Protein Mimics

기술 요약: DeepRHP

문제 정의
합성 무작위 공중합체(Random Heteropolymers, RHPs)는 비천연 환경에서 단백질을 안정화하고 양성자 수송과 같은 기능을 촉진할 수 있는 단백질 유사 재료를 설계하는 경로를 제공한다. 그러나 특정 기능을 가진 RHP를 설계하는 것은 도전적인 과제인데, 이는 합성 RHP 사슬이 결정론적인 서열과 구조를 결능하기 때문이다. 유도 진화(directed evolution)나 de novo 설계와 같은 방법론을 위해 고처리량 시퀀싱과 3D 구조에 의존하는 전통적인 단백질 설계와 달리, RHP 설계는 현재 합리적인 원리가 부족한 상태이다. 기존의 접근 방식은 다양한 단량체 조성과 사슬 길이를 실험실에서 직접 스크리닝해야 하는 시간 집약적인 경험적 방식에 주로 의존하고 있다. 또한, RHP를 개별 사슬이 아닌 앙상블(ensemble)로서 모델링하는 방법에 대한 계산 과학적 문헌이 부족하여, 시스템의 "알파벳"에 얼마나 많은 단량체가 필요한지, 그리고 특정 단백질 기능에 대응하는 단량체 조성을 어떻게 식별할 것인지와 같은 핵심적인 설계 질문들이 해결되지 않은 채 남아 있다.

방법론: DeepRHP
이러한 격차를 해소하기 위해, 저자들은 준지도 학습(semi-supervised) 프레임워크 하에서 훈련된 변형된 변이형 오토인코더(Variational Autoencoder, VAE)인 DeepRHP를 제안한다. 이 모델은 RHP 서열의 패턴과 핵심적인 화학적 특징을 모두 포착하는 저차원의 잠재 표현(latent representation)을 학습하도록 설계되었다.

• 하이브리드 아키텍처: 표준 VAE가 특징들을 하나의 벡터로 결합하는 것과 달리, DeepRHP는 클래식 VAE와 병렬로 작동하는 추가적인 특징 기반 VAE로 구성된 하이브리드 아키텍처를 채택한다. 두 모델은 공통의 잠재 변수 $z$를 공유한다.
• 준지도 학습: 모델은 서열 데이터 $x$와 기능 관련 화학적 특징 $y$(구체적으로 슬라이딩 윈도우의 평균 친수성-친유성 균형(HLB))를 활용한다. $y$는 $x$의 결정론적 변환이므로, 인코더는 $x$에만 의존하며, 디코더는 서열과 특징을 모두 재구성할 수 있도록 갖추어져 있다.
• 목적 함수: 모델은 수정된 증거 하한(Evidence Lower Bound, ELBO)을 최적화함으로써 서열의 로그 가능도(log-likelihood)를 최대화한다. 이 하한은 서열($x$)과 화학적 특징($y$)에 대한 재구성 손실의 가중 합산과 쿨백-라이블러(Kullback-Leibler, KL) 발산 항을 포함한다:
  $$\log p(x) \geq \alpha E_q [\log p(x | z)] + (1 - \alpha) E_q [\log p(y | z)] - D_{KL} (q(z | x) \parallel p(z))$$
  여기서 $\alpha$는 서열 구조와 화학적 특징 충실도 사이의 가중치를 조절하는 하이퍼파라미터이다.
• 구현: 인코더와 디코더는 PyTorch를 사용하여 다층 퍼셉트론(MLP)으로 구현되었다. 모델은 ADAM 옵티마이저를 사용하여 훈련된다.

주요 기여

1. RHP 설계를 위한 최초의 딥러닝 적용: 본 연구는 RHP 앙상블을 위한 해석 가능한 잠재 표현을 학습함으로써, RHP 설계에 딥러닝을 활용하여 근본적인 설계 질문에 답을 제시한 첫 번째 사례이다.
2. 설계 파라미터에 대한 통찰: 모델은 두 가지 핵심 파라미터인 단량체 알파벳 크기와 단량체 조성에 대한 데이터 기반의 통찰을 제공한다.
3. 유연성 및 해석 가능성: 하이브리드 아키텍처를 통해 어떠한 관련 화학적 특징도 통합할 수 있어 다양한 단백질 기능에 대한 범용성을 갖는다. 또한, 잠재 변수를 화학적 특징과 직접 연결함으로써, 주성분 방향이 물리적으로 모호한 클래식 VAE와 달리 해석 가능성을 제공한다.

결과
저자들은 네 가지 메타크릴레이트 기반 단량체(MMA, EHMA, OEGMA, SPMA) 시스템과 UniProt의 30,000개 막 및 구상 단백질 서열을 사용하여 DeepRHP를 검증하였다.

• 단량체 조성 검증: 모델은 Aquaporin Z(AqpZ)와 같은 막 단백질을 안정화하는 데 최적의 비율이 친수성 30%, 소수성 70%의 단량체 비율이라는 경험적 발견을 성공적으로 검증하였다. 잠재 공간의 주성분 분석(PCA) 결과, 이 비율을 가진 RHP 조성(특히 이성분계의 RHP B 및 C)은 천연 막 및 구상 단백질과 유의미하게 중첩되었다.
• 알파벳 크기 분석: 연구는 두 개의 단량체 알파벳이 특정 단백질에 비해 너무 넓은 서열 공간을 생성한다는 것을 입증하였다. 반면, 네 개의 단량체 시스템(친수성/소수성 30:70 균형을 유지하면서 MMA:EHMA 비율을 변화시킴)으로 확장하면 더 국소화된 서열 공간이 형성됨을 보여주었다. AqpZ의 잠재 투영(latent projection)은 네 가지 단량체 공간에서 RHP 4와 RHP 5의 공간을 거의 완전히 덮었다.
• 실험적 일치: 모델은 RHP 4와 RHP 5 조성이 최적일 것이라고 예측하였다. 이 예측은 Panganiban 등(2018)의 실험실 연구 결과와 일치하였는데, 해당 연구에서는 RHP 4와 동일한 단량체 비율을 가진 RHP가 AqpZ를 안정화하는 데 가장 효과적임을 밝힌 바 있다.
• 어블레이션(Ablation): 어블레이션 연구에서, 추가적인 디코딩 회귀 모델이 없는 단일 클래식 VAE와 비교했을 때 하이브리드 DeepRHP 모델이 더 우수한 성능을 보였다.

의의 및 주장
본 논문은 DeepRHP가 단백질 및 기타 생물학적 화합물을 위한 RHP 설계를 가이드하는 데 하이브리드 오토인코더 아키텍처를 활용할 수 있는 잠재력을 보여준다고 주장한다. 경험적 스크리닝과 합리적 설계 사이의 간극을 메움으로써, 이 도구는 표적 단백질과 RHP 서열 간의 유사성 분석을 위한 플랫폼을 제공한다. 저자들은 이 연구를 거대 분자 케모인포매틱스(macromolecular cheminformatics)에 딥러닝을 통합하는 "첫 단계"로 규정한다. 저자들은 현재의 평가가 정성적이며 실험실 결과에 의해 검증되었다는 점을 언급하며 향려 작업에 대해 신중한 태도를 유지한다. 향-후 과제로 잠재 표현의 품질을 평가하기 위한 정량적 척도를 개발하고, 특정 막 단백질을 분류하는 것과 같은 다운스트림 태스크를 수행할 것을 제안한다.