🤖 AI

MolBioKG: Grounding Out-of-Graph Molecules in Biomedical Knowledge Graphs via Multi-Resolution Structural Anchoring

MolBioKG는 다해상도 구조적 앵커링(multi-resolution structural anchoring)과 적응형 LLM 기반 트래버설(adaptive LLM-driven traversal)을 통해 그래프 외부에 존재하는 SMILES 문자열을 대규모 지식 그래프에 접지(grounding)시키는 2계층 시스템을 도입함으로써, 생물 의학적 신약 개발 과정에서 미등록 분자의 콜드 스타트 문제를 해결하고 태스크별 학습 없이도 추론 정확도와 타겟 재현율을 유의미하게 향상시킨다.

원저자: Yiming Zhang, Hikaru Shindo, Shuan Chen, Kaushalya Madhawa, Jun Jin Choong, Yuna Oikawa, Takashi Fujiwara, Keisuke Ozawa

게시일 2026-08-10

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Yiming Zhang, Hikaru Shindo, Shuan Chen, Kaushalya Madhawa, Jun Jin Choong, Yuna Oikawa, Takashi Fujiwara, Keisuke Ozawa

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

거대한 살아있는 도서관을 상상해 보세요. 이곳의 모든 책은 생물학적 지식의 한 조각입니다. 특정 약물이 어떻게 질병과 싸우는지, 단백질이 유전자와 어떻게 상호작용하는지, 혹은 왜 특정 화학 구조가 부작용을 일으키는지와 같은 것들 말이죠. 과학자들은 이를 "생물의학 지식 그래프(Biomedical Knowledge Graph)"라고 부릅니다. 이것은 컴퓨터가 새로운 질병 치료법을 찾아낼 수 있도록 돕는, 사실들이 서로 얽혀 있는 거대한 연결망과 같습니다. 하지만 여기에는 함정이 있습니다. 이 도서관에는 이미 체크인되어 목록에 등록된 분자들에 대한 책들만 존재한다는 점입니다. 만약 오늘날 한 과학자가 이전에 본 적 없는 완전히 새로운 분자를 발명한다면, 이 도서히에는 그에 대한 기록이 없습니다. 그것은 시스템 속의 "유령"이 됩니다. 컴퓨터는 그 유령의 이야기를 읽을 수 없는데, 왜냐하면 그 유령에게는 아직 도서관 회원 카드가 없기 때문입니다. 이는 매우 큰 문제입니다. 왜냐-냐면 새로운 약물들이 발명되는 속도가 사서들이 선반을 업데이트하는 속도보다 빠르기 때문입니다. 만약 우리가 이 새로운, 등록되지 않은 분자들을 기존의 지식 네트워크에 연결하지 못한다면, 우리는 생명을 구하는 치료제나 위험한 부작용을 놓칠 수도 있습니다. 문제는 바로 이것입니다. 어떻게 하면 공식적인 소개 없이 낯선 이방인을 전문가들이 가득한 방에 입성시킬 수 있을까요?

이것이 바로 MolBioKG라는 논문이 해결하고자 하는 문제입니다. 도쿄 대학교와 SB Intuitions의 연구진으로 구성된 저자들은 숙련된 번역가이자 탐정 역할을 하는 영리한 2단계 시스템을 구축했습니다. 새로운 분자가 도서관 카드를 받을 때까지 기다리는 대신, MolBioKG는 그 분자의 "DNA", 즉 화학적 구조를 살펴보고 카드를 가진 친척들을 찾아냅니다.

새로운 분자를 독특한 의상을 입고 파티장에 들어선 사람이라고 생각해 보세요. 비록 당신이 그를 만난 적은 없더라도, 그가 유명 배우와 같은 스타일의 모자를 쓰고 있거나, 록 스타와 같은 신발을 신고 있거나, 과학자와 유사한 가방을 들고 있다는 것을 알아챌 수 있습니다. MolBioKG는 분자를 네 가지 다른 "의상" 또는 관점으로 분해함으로써 이 작업을 수행합니다: 주요 골격(scaffold), 작은 구성 요소(fragments), 화학적 액세서리(functional-groups), 그리고 전체적인 지문(fingerprint)입니다. 그런 다음 시스템은 이러한 특징들을 공유하는 기존의 분자들을 검색합니다.

일단 이 "친척"들을 찾으면, 시스템은 단순히 추측만 하는 것이 아니라 그들의 연결 고리를 추적합니다. 만약 새로운 분자가 파킨슨병을 치료하는 약물과 닮았다면, 시스템은 그것이 파킨션병을 치료할 수도 있다고 제안하지만, 왜 그런 추측을 했는지에 대한 명확한 근거의 흔적을 남깁니다. 논문은 이 시스템을 세 가지 방식으로 테스트했습니다:

"숨겨진 연결 고리" 테스트: 그들은 도서관에 알려진 연결 고리들을 숨긴 뒤, MolBioKG가 그것들을 다시 찾아낼 수 있는지 물었습니다. 시스템은 특히 광범위한 가능한 치료법들을 찾아내는 데 있어 이전의 최고 시스템들보다 더 뛰어난 성과를 보였습니다.
"복잡한 퍼즐" 테스트: 그들은 시스템에 "이 특정 단백질을 표적으로 하는 약물들이 어떤 질병을 치료하는가?"와 같은 까다롭고 다단계적인 질문에 답하도록 요청했습니다. 여기서 그들은 마치 미스터리를 해결하는 탐정처럼 어떤 단서를 따라갈지 결정할 수 있는 Adapt-KG라는 스마트 AI 에이전트를 사용했습니다. 이 접근 방식은 복잡한 퍼즐을 해결하는 시스템의 정확도를 58.5%에서 87.6%로 끌어올렸습니다.
"완전히 새로운 약물" 테스트: 이것이 진정한 '콜드 스타트(cold-start)' 도전 과제였습니다. 그들은 도서관이 알지 못했던 2011년 이후 승인된 199개의 약물을 가져와 MolBioKG에게 그 용도를 맞히도록 했습니다. 다중 관점의 탐정 작업을 사용하여, 시스템은 아무런 도움 없이 추측했을 때보다 새로운 표적을 정확히 식별하는 능력을 두 배로 높였습니다.

논문은 분자를 바라보는 방법이 단 하나에만 의존해서는 안 된다고 주장합니다. 때로는 주요 골격이 핵심이 되기도 하고, 때로는 아주 작은 파편이나 특정 화학 그룹이 전체 이야기를 들려주기도 합니다. 이 모든 관점을 하나로 융합함으로써, MolBioKG는 새로운, 미지의 분자로부터 방대한 알려진 의학적 사실들로 이어지는 "추적 가능한" 경로를 만들어냅니다. 이 시스템은 단순히 답을 내놓는 것이 아니라 증거를 보여줌으로써, 모든 예측이 실제 존재하는 생물학적 데이터에 근거하도록 보장합니다. 저자들은 이 방법이 고립되고 알려지지 않은 화학 구조를 새로운 치료를 위한 연결되고 추적 가능한 후보로 변모시키는, 미래의 신약 개발을 위한 강력한 도구라고 제안합니다.

기술 요약: MolBioKG

문제 정의

생물 의학 지식 그래프(Knowledge Graphs, KGs)는 그래프 신경망(GNNs), 지식 그래프 임베딩(KGEs), 대규모 언어 모델(LLMs)을 통한 약물 재창출 및 링크 예측과 같은 과업을 가능하게 함으로써 계산 기반 신약 개발의 기초가 됩니다. 그러나 표준 파이프라인은 쿼리 분자가 그래프 내에 이미 등록된 엔티티로 존재한다고 가정하는 결정적인 "콜드 스타트(cold-start)" 한계에 직면해 있습니다.

이는 **그래프 외 분자 문제(out-of-graph molecule problem)**를 야기합니다. 시스템이 (최근 승인된 약물이나 생성형 AI의 출력물과 같이) KG에 대응하는 노드와 인접 에지가 없는 새로운 분자를 마주할 경우, 트랜스덕티브(transductive) 모델은 이를 스코어링할 수 없으며, 인덕티브(inductive) 방법론 또한 사전 존재하는 관계적 맥락 없이 실패하는 경우가 많습니다. 결과적으로, 유효한 화학 구조가 타겟, 적응증, 금기 사항과 같은 확립된 생물 의학적 증거로부터 단절됩니다.

방법론: MolBioKG

이를 해결하기 위해 저자들은 **다중 해상도 구조적 앵커링(multi-resolution structural anchoring)**을 통해 미등록 분자를 생물 의학적 증거에 접지(grounding)하도록 설계된 2계층 시스템인 MolBioKG를 소개합니다. 이 시스템은 근저의 그래프 알고리즘을 수정하지 않고, 대신 화학적 구조 인덱스와 포괄적인 생물 의학 KG 사이를 연결합니다.

아키텍처

시스템은 세 가지 핵심 구성 요소로 이루어져 있습니다:

분자 구조 계층(Molecular Structure Layer): PubChem, ChEBL, ChEBI 등의 소스에서 매핑된 274만 개의 분자를 포함하는 특화된 인덱스입니다. 결정적으로, 각 분자는 화학적 유사성의 다양한 측면을 포착하기 위해 네 가지 뚜로 다른 해상도로 인덱싱됩니다:
- 스캐폴드(Scaffolds): 중심 골격을 위한 Bemis–Murcko 스캐폴드.
- 프래그먼트(Fragments): 하위 구조를 위한 BRICS 프래그먼트.
- 작용기(Functional Groups): 광범위한 화학적 특성을 위한 RDKit 디스크립터.
- 핑거프린트(Fingerprints): 국소적 원자 환경을 위한 ECFP4 핑거프린트.
생물 의학 증거 계층(Biomedical Evidence Layer): 약 86만 개의 노드와 960만 개의 에지를 포함하는 포괄적인 KG(RTX-KG2c에서 유도됨)입니다. 이는 12개의 노드 카테고리에 걸쳐 확립된 임상 및 분자 관계(예: 약물-타겟, 약물-질병)를 저장합니다.
교차 계층 브리지(Cross-Layer Bridge): 공유 식별자(InChIKeys, canonical SMILES, same_as 링크)를 사용하여 분자 계층에서 검색된 구조적 유사체를 KG의 대응하는 생물 의학 엔티티로 매핑하는 변환 메커니즘입니다. 이는 구조적 앵커가 새로운 생물학적 주장을 도입하지 않으면서도 추적 가능한 진입점 역할을 하도록 보장합니다.

추론 메커니즘

MolBioKG는 두 가지 상호 보완적인 추론 경로를 채택합니다:

정적 다중 앵커 검색(Static Multi-Anchor Retrieval, RRF):
- 주어진 SMILES 문자열에 대해, 시스템은 네 가지 구조적 뷰를 독립적으로 검색합니다.
- KG로부터 구조적으로 유사한 상위 $K$ 개의 분자를 검색합니다.
- 이 결과들은 **상호 순위 결합(Reciprocal Rank Fusion, RRF)**을 사용하여 서로 다른 뷰의 순위를 통합하며, 이를 통해 단일 표현 방식의 한계에 대한 견고성을 확보합니다.
- 융합된 앵커들의 생물 의학적 이웃들이 후보 증거(타겟, 적응증)로 수집됩니다.
Adapt-KG (LLM 가이드 트래벌):
- 사전 학습된 LLM을 사용하여 증거 수집을 동적으로 오케스트레이션하는 에이전트 프레임워크입니다.
- LLM은 구조적 검색 도구(그래프 외 쿼리용)와 유형화된 KG-홉(KG-hop) 도구(다중 홉 추론용)를 포함한 툴셋에서 행동을 선택합니다.
- LLM은 분자 계층과 생물학적 계층 전반에 걸쳐 증거를 구성하며 그래프를 반복적으로 탐색하며, 충분한 정보가 모일 때까지 수행됩니다.
- 이 과정은 작업별 미세 조정(fine-tuning)을 필요로 하지 않습니다.

주요 기여

프레임워크: 대규모 다중 해상도 구조 인덱스와 생물 의학 KG를 연결하여 그래프 외 분자 문제를 해결하는 새로운 아키텍처인 MolBioKG를 도입했습니다.
이중 추론 경로: 견고한 증거 집계를 위한 정적 RRF 검색 파이프라인과, 적응형 다중 홉 그래프 탐색을 위한 LLM 기반 정책인 Adapt-KG를 개발했습니다.
평가 스위트: 다음을 포함하는 엄격한 3개 트랙 평가를 수행했습니다:
- 그래프 내 링크 복구: 어휘 제한 모델과 비교하기 위해 알려진 에지를 마스킹하여 벤치마킹합니다.
- 복잡한 다중 홉 추론: 분자 및 생물학적 데이터의 자연어 연결을 위한 커스텀 벤치마크(MolBioKG-KGQA)를 사용합니다.
- 그래프 외 일반화: 2011년 이후 승인된 199개의 약물에 대해 적응증과 타겟을 예측하며, 엄격한 시간적 홀드아웃(temporal hold-out)을 보장합니다.
실증적 검증: 여러 구조적 해상도를 융합하고 적응형 탐색을 사용하는 것이 강력한 베이스라인보다 크게 우수함을 입증했습니다.

결과

그래프 내 링크 복구

MolBioKG는 최첨단 그래프 파운데이션 모델인 TxGNN과 비교되었습니다.

MolBioKG는 14개의 유사한 태스크-레짐 조합 중 9개에서 TxGNN보다 높은 Hits@10을 달성했습니다.
다양한 분포 변화(무작위, 스캐폴드, 클러스터 홀드아웃) 상황에서 방향성 효과(T4) 및 적응증(T1) 예측에서 특히 강점을 보였습니다.
TxGNN은 종종 올바른 금기 사항을 1위로 랭크(높은 Hits@1)했지만, MolBioKG는 상위 10개 이내에서 더 넓은 범위의 관련 후보를 복구했습니다.

복잡한 다중 홉 추론

MolBioKG-KGQA 벤치마크(460개 다중 홉 질문)에서:

Adapt-KG는 0.876 Hits@10 및 0.570 macro-F1을 달성하여, 가장 강력한 비적응형 베이스라인인 Graph-CoT(0.585 Hits@10)를 크게 앞질렀습니다.
결과는 성공적인 추론을 위해서는 분자 계층과 생물학적 계층 모두를 탐색해야 함을 강조합니다. 어느 한 계층에만 접근을 제한하면 성능이 급격히 저하되었습니다.

그래프 외 일반화

2011년 이후 승인된(2011년 KG 스냅샷에는 없는) 199개의 약물을 대상으로 평가했습니다:

정적 RRF는 단일 앵커 전략 및 제로샷 베이스라인보다 우수한 성능을 보였습니다.
- 타겟 리콜(Target Recall): 0.145(Zero-shot)에서 0.269(RRF)로 증가했습니다.
- 적응증 리콜(Indication Recall): 0.186(Zero-shot)에서 0.239(RFF)로 증가했습니다.
Adapt-KG는 경쟁력 있는 성능을 보였으나, 이 특정 단일 홉 주석 작업에서는 RRF보다 약간 덜 효과적이었습니다. 이는 집중적인 검색에는 정적 융합이 최적이며, 적응형 탐색은 구성적 추론에 탁월하다는 것을 시사합니다.
신규 리콜 분석: 시스템은 검색된 컨텍스트에 존재하지 않는 골드 엔티티를 복구하는 능력을 보여주었으며, 이는 단순한 엔티티 복사가 아닌 진정한 합성을 수행함을 입증합니다.

의의 및 주장

본 논문은 MolBioKG가 고립된 분자 구조를 추적 가능한 후보 증거로 변환하여, AI 기반 신약 개발을 위한 투명한 토대를 구축한다고 주장합니다. 그 의의는 다음과 같습니다:

콜드 스타트 문제 해결: 모델을 재학습하거나 분자를 KG에 미리 인덱싱할 필요 없이, 등록되지 않은 분자를 기존 생물 의학 지식과 연결할 수 있게 합니다.
보완적 메커니즘: 본 연구는 정적 다중 앵커 검색과 적응형 LLM 가이드 탐색이 서로 다른, 그러나 상호 보완적인 역할을 수행함을 보여줍니다. 즉, 정적 융합은 직접적인 주석을 위한 견고하고 높은 재현율의 증거를 제공하며, 적응형 탐색은 복잡한 다중 홉 추론에 필수적입니다.
추적 가능성: 블랙박스 형태의 생성 모델과 달리, MolBioKG는 모든 예측이 완전히 추적 가능한 구조적 앵커와 출처가 명시된 KG 증거에 의해 뒷받침되도록 보장하여, 화학적 유사성과 생물학적 가설 사이의 연결을 유지합니다.

저자들은 다중 해상도 구조적 앵커링을 통해 그래프 외 분자를 접지함으로써, MolBioKG가 새로운 화학 구조와 확립된 생물학적 지식 사이를 효과적으로 연결하며 현재의 생물 의학 KG 파이프라인의 "사각지대"에 대한 확장 가능한 솔루션을 제공한다고 결론지었습니다.