기술 요약: 구조 정규화된 해석 가능한 TCR-에피토프 예측 (TCR-SRIM)

문제 정의

T세포 수용체(TCR)-에피토프 결합 예측은 적응 면역에서 매우 중요한 과제로, 백신 개발 및 면역 요법 설계에 필수적입니다. MHC 결합 예측을 위한 도구들은 성숙 단계에 접어들었으나, 실험적으로 규명된 구조의 부족과 기존 모델의 한계로 인해 TCR-pMHC 결합 예측은 여전히 어려운 과제로 남아 있습니다. 현재의 접근 방식은 세 가지 범주(서열 기반: 비지도 클러스터링 또는 지도 학습 기반 딥러닝, 구조 기반, 또는 하이브리드 모델)로 나뉩니다. 그러나 이러한 모델들은 미지의 에피토프에 대한 일반화 능력이 떨어지고 해석 가능성이 부족하다는(블랙박스로 작동함) 단점이 있습니다. 또한, 계산적으로 예측된 구조(예: AlphaFold3)를 사용하는 것이 실험적으로 규명된 구조를 사용하는 것에 비해 모델 학습 및 해석 가능성에 어떤 영향을 미치는지에 대해서도 명확하지 않습니다.

기존의 해석 가능한 모델들은 사후 분석(post-hoc analysis)에 의존하거나(이는 불안정할 수 있음) 구조 정보를 통합하지 못하는 사전 정의된 생물학적 규칙에 의 rely합니다. 따라서 "해석 가능하도록 설계(interpretable-by-design)"되어 구조적 지식을 학습에 유도할 수 있고, 추론 시에는 서열 입력만을 사용하여 작동할 수 있는 모델이 필요합니다.

방법론: TCR-SRIM

저자들은 TCR-SRIM(Structure-Regularized Interpretable Model)을 제안합니다. 이 프레임워크는 단백질 언어 모델(PLM) 임베딩과 소수의 구조 데이터를 통해 정규화된 해석 가능한 접촉 프로토타입(contact prototypes)을 결합합니다.

1. 아키텍처 개요

모델은 세 가지 주요 구성 요소로 이루어집니다:

• 단백질 언어 모델(PLM) 백본: 모델은 사전 학습된 PLM(ProteinBERT, ESM-1b, ESM-2)을 활용하여 TCR $\alpha$ 체인($E_a$), $\beta$ 체인($E_b$), 그리고 에피토프 펩타이드($E_e$)에 대한 풍부한 임베딩을 생성합니다.
• 특징 강화 및 융합(FEF): 이전 연구(EGM)에서 영감을 얻은 이 모델은 교차 주의(cross-attention) 메커니즘을 사용하여 TCR 체인과 펩타이드 사이의 특징을 융합합니다. 이를 통해 특정 체인과 펩타이드 간의 상호작용을 포착하는 풍부한 표현($F_{e}^{a \to b}$, $F_{e}^{b \to a}$ 등)을 생성합니다.
• 접촉 프로토타입 레이어: 표준 분류 헤드 대신, 모델은 잔기 수준의 접촉을 명시적으로 모델링하기 위해 프로토타입 기반 레이어를 사용합니다.
  • 두 융합된 임베딩($F_u, F_v$) 사이의 접촉 거리는 학습 가능한 온도 파라미터 $\tau$에 의해 스케일링된 코사인 유사도로 모델링됩니다.
  • 접촉 맵은 유사도 점수에 사용자 정의 임계값을 적용한 후, 시그모이드 함수를 적용하고 소프트맥스 가중치를 통해 집계하여 생성됩니다.
  • 최종 예측은 CDR3-펩타이드 쌍 사이의 접촉 점수 중 최댓값이며, 이는 하나의 TCR 체인이 인식을 주도하는 경우가 많다는 경험적 관찰을 반영합니다.

2. 구조 정규화

핵사의 혁신은 추론 시에는 구조를 요구하지 않으면서 학습된 접촉 프로토타입을 실제 구조 데이터와 정렬시키는 구조 정규화 과정입니다.

• 그라운드 트루스(Ground Truth) 도출: 주어진 구조 쌍(예: CDR3 및 펩타이드)에 대해, 잔기 간 최소 원자 거리를 계산하여 접촉 맵을 도출합니다.
• 정규화 및 마스킹: 거리 맵을 정규화하고 역전시켜 중요도 맵을 생성합니다. 공간적으로 인접한 잔기를 식별하기 위해 임계값 $\epsilon$을 기반으로 이진 마스크를 구축합니다.
• 손실 함수: 모델은 예측된 접촉 프로토타입과 구조적 그라운드 트루스 사이의 마스크된 평균 제곱 오차 손실($L_r$)을 사용하여 정규화됩니다.
• 해상도 가중치 적용: 구조의 다양한 해상도를 고려하여, 해상도 값이 낮은(품질이 높은) 구조에 더 높은 가중치를 부여하는 해상도 가중치 손실이 적용됩니다.
• 훈련 절차: 훈련은 대규모 서열 데이터에 대한 표준 지도 학습과 구조 데이터셋을 사용한 정규화 단계를 번갈아 수행하며 진행됩니다.

주요 기여

1. 해석 가능하도록 설계된 프레임워크: TCR-SRIM은 사후 설명 방법을 사용할 필요 없이 접촉 프로토타입을 통해 해석 가능성을 아키텍처에 직접 내장합니다.
2. 구조 정규화 학습: 모델은 소수의 고해 resolution 구조를 사용하여 구조적 지식을 서열 기반 모델로 성공적으로 전이시키며, 이를 통해 미지의 에피토프트에 대한 일반화 성능을 향상시킵니다.
3. 예측된 구조와 실제 구조의 벤치마킹: 본 연구는 생성된 구조(AlphaFold3, TCRModel2, tFold-TCR)가 모델 학습에 미치는 영향을 체계적으로 평가합니다.

실험 결과

예측 성능

• 미지의 에피토프트: 288개의 미지 에피토프트로 구성된 컴파일 데이터셋에서, TCR-SRIM(ProteinBERT 사용)은 top-100 ROC-AUC 0.989를 달성하여 MixTCRpred(0.906) 및 TULIP(0.821)와 같은 베이스라인보다 각각 약 9% 및 17% 높은 성능을 보였습니다.
• 종합 벤치마크: 독립적인 종합 벤치마크에서 TCR-SRIM은 ROC-AUC 0.571(ProteinBERT 백본) 및 AUPRC 0.587(ESM2-150M)을 기록하며, PISTE 및 vibtcr와 같은 선도적인 모델들을 능가하거나 대등한 수준의 최첨단 성능을 달성했습니다.

해석 가능성 (TCR-XAI 벤치마크)

• 결합 영역 적중률(Binding Region Hit Rate, BRHR) 지표를 사용하여, TCR-SRIM은 블랙박스 모델에 적용된 사후 분석 방법보다 실제 결합 잔기를 식별하는 데 있어 우수한 능력을 보여주었습니다.
• 구체적으로, 펩타이드 $\to$ CDR3b 상호작용에 대해 ProteinBERT를 사용한 TCR-SRIM은 BRHR 1.0에 근접하여 베이스라인을 크게 앞질렀습니다.
• 접촉 프로토타입 시각화를 통해 모델이 핵심 접촉 영역(예: 펩타이드와 가장 가까운 CDR3b 잔기)을 정확하게 식별함을 확인하였으며, 더 큰 PLM 백본(ESM2-650M)이 더 높은 "해상도"의 접촉 패턴을 생성함을 확인했습니다.

생성된 구조의 영향

저자들은 정규화를 위한 예측 구조 사용의 효과를 평가했습니다:

• 성능: 예측된 구조(AlphaFold3, TCRModel2, tFold-TCR)로 정규화된 모델은 실제 구조를 사용한 모델(예: top-100 ROC-AUC ~0.91–0.94)보다 약간 낮은 성능을 보였으나 경쟁력 있는 수준을 유지했습니다 (실제 구조의 경우 0.953).
• 해석 가능성: 해석 가능성에서 상당한 격차가 관찰되었습니다. 예측된 구조로 정규화된 모델은 실제 구조(>0.80)에 비해 펩타이드-CDR3b 상호작용에 대한 BRHR이 현저히 낮게 나타났습니다(0.40 미만).
• 결합 부위 다양성: 예측된 구조는 "과도하게 매끄러운(over-smoothed)" 접촉 맵을 생성하였고, 결합 부위의 위치가 이동하는 현상(예: 실제 범위인 8-12 대신 13-14 잔기에 집중)을 보였습니다. 또한, 예측된 구조는 실험 데이터에서 발견되는 다양한 형태에 비해 결합 부위의 다양성이 감소한 모습을 보였습니다.

의의 및 주장

본 논문은 구조 정규화가 서열 기반 모델을 생물학적으로 의미 있는 접촉 패턴으로 효과적으로 유도할 수 있음을 입증함으로써, 예측 정확도와 해석 가능성을 모두 향상시킨다는 점에서 TCR-SRIM이 중요한 진전임을 주장합니다.

결정적으로, 본 연구는 현재의 구조 예측 모델이 가진 한계점을 강조합니다. 실험 데이터가 없을 때 예측된 구조가 효과적인 대체제가 될 수는 있지만, 이는 모델이 TCR-에피토프 상호작용의 전체 스펙트럼을 학습하는 것을 방해하는 아티팩트(예: 결합 부위 다양성 감소 및 부정확한 상호작용 패턴)를 유발합니다. 저자들은 TCR-SRIM과 같은 해석 가능하도록 설계된 모델이 예측뿐만 아니라, 생성된 생물학적 구조의 품질과 유용성을 평가하는 진단 도구로서도 가치가 있다고 결론짓습니다.