Effective sequence-to-expression prediction for a model membrane protein using machine learning and computational protein design

매우 구체적이고 복잡한 케이크(막 단백질)를 바쁜 주방(살아있는 세포)에서 구워내려고 한다고 상상해 보십시오. 문제는 이 케이크가 구워내기가 매우 까다롭다는 점입니다. 대부분의 경우 타버리거나, 익지 않거나, 혹은 아예 부풀어 오르지 않습니다. 과학자들은 어떤 재료와 단계를 거쳐야 완벽한 케이크를 보장할 수 있는지 알려주는 '레시피 가이드'를 간절히 원해 왔지만, 연구할 수 있는 성공적인 레시피가 충분하지 않았기 때문에 계속 막혀 있었습니다.

이 논문은 정교한 베이킹 실험과 컴퓨터 학습을 결합하여 그 가이드를 만드는 방법에 관한 것입니다.

거대한 실험
연구진은 완벽한 레시피를 추측하려고 노력하는 대신, 컴퓨터를 사용하여 특정 유형의 막 단백질에 대한 12,248개의 약간씩 다른 "케이크 레시피"(단백질 변이체)로 구성된 방대한 라이브러리를 설계했습니다. 그런 다음 이들을 일반적인 주방, 즉 대장균(E. coli)이라 불리는 흔한 박테리아에서 모두 구워냈습니다.

데이터의 난제
보통 과학자들은 컴퓨터가 결과를 예측하는 법을 배우기 위해 수천 개의 성공 및 실패한 레시피가 필요합니다. 하지만 여기서는 12,000개가 넘는 레시피 중 약 2,000개의 데이터만을 가지고 있었습니다. 이는 마치 전체 가능한 케이크의 아주 작은 부분만을 보여주며 학생에게 베이킹을 가르치려는 것과 같습니다.

"스마트 어시스턴트"
연구팀은 그 2,000개의 알려진 레시피를 연구하기 위해 머신 러닝 도구(예시를 통해 학습하는 일종의 컴퓨터 프로그램)를 사용했습니다. 그들은 컴퓨터에게 재료(단백질 서열)를 보고 결과가 "좋은 케이크"(높은 발현)가 될지 아니면 "나쁜 케이크"(낮은 발현)가 될지를 추측하도록 가르쳤습니다.

놀랍게도, 제한된 데이터에도 불구하고 컴퓨터는 전문가가 되었습니다. 본 적 없는 새로운 레시피로 테스트했을 때, 컴퓨터는 믿기 힘들 정도로 정확했습니다. 그 후 연구진은 이 "스마트 어시스턴트"를 사용하여 아직 실제로 굽지 않은 나머지 10,000개 이상의 레시피에 대한 결과를 예측했습니다.

검증의 마법
어시스턴트가 단순히 추측하는 것이 아님을 증명하기 위해, 연구진은 실험실로 돌아가 상위 예측값들을 실제로 구워보았습니다. 결과는 어떠했을까요? 완벽한 100%의 성공률이었습니다. 컴퓨터가 좋다고 예측한 모든 케이크는 실제로 좋았고, 실패할 것이라고 말한 모든 케이크는 실제로 실패했습니다.

코드 해독
연구진은 단순히 예측에 그치지 않고, "설명 가능한 AI" 도구를 사용하여 컴퓨터에게 왜 그런 선택을 했는지 물었습니다. 이는 마치 어시스턴트에게 "왜 설탕을 더 넣으면 케이크를 망칠 것이라고 생각했나요?"라고 묻는 것과 같습니다. 컴퓨터는 재료를 바꾸었을 때 가장 큰 차이를 만든 레시피의 특정 지점들을 지목했습니다.

최종 결과
이러한 통찰력을 바탕으로, 연구진은 원래 굽기가 매우 어려웠던 "나쁜 케이크" 레시피를 컴퓨터의 조언에 따라 수정했습니다. 그 결과, 이 케이크는 이전보다 8배 더 만들기 쉬워졌습니다.

핵째 핵심 요약
이 논문은 이 특정하고 통제된 단백질 레시피 세트에 대해서는, 문제를 해결하기 위해 초고도로 복잡하고 신비로운 AI가 반드시 필요한 것은 아니라고 결론짓습니다. 직관적이고 이해 가능한 컴퓨터 모델만으로도 이러한 까다로운 단백질이 세포 내에서 잘 발현되도록 만드는 "비밀 언어"를 해독할 수 있습니다.