Deconvolving mutation effects on protein stability and function with disentangled protein language models

이 논문은 단백질 언어 모델의 예측에서 안정성 영향을 제거하여 기능적 타당성 점수를 추정함으로써 단백질의 안정성과 기능을 분리해 내고, 기능적으로 중요한 부위를 식별하며 합리적 단백질 공학을 지원할 수 있는 새로운 딥러닝 프레임워크인 DETANGO 를 제안합니다.

핵심

🧩 핵심 개념: 단백질은 '안정성'과 '기능'이라는 두 마리 토끼를 잡는 예술가입니다

단백질은 우리 몸에서 일을 하는 작은 기계입니다. 이 기계가 제대로 작동하려면 두 가지 조건이 필요합니다.

1. 안정성 (Stability): 기계가 무너지지 않고 튼튼하게 유지되어야 합니다. (예: 건물이 무너지지 않음)
2. 기능 (Function): 기계가 제 역할을 해야 합니다. (예: 전구가 빛을 내거나, 문이 열림)

지금까지 과학자들은 단백질의 유전자에 작은 변화 (변이) 가 생겼을 때, 그 단백질이 "망가진 것"인지 "잘 작동하는 것"인지 판단하기 어려웠습니다. 왜냐하면 안정성이 무너지면 기능도 함께 망가지기 때문입니다. 마치 건물이 무너지면 그 안에 있는 전구도 빛을 낼 수 없는 것과 같습니다.

하지만 문제는, 건물이 튼튼해도 전구 자체를 빼버리면 빛이 안 나온다는 점입니다. 즉, **"건물은 튼튼한데 (안정성 OK), 전구는 고장 난 경우 (기능 저하)"**를 구별해 내는 것이 매우 어려웠습니다.

🛠️ DETANGO 의 등장: "왜 망가졌는지"를 찾아내는 해부수술

이 연구팀이 만든 DETANGO는 바로 이 문제를 해결하는 마법 같은 도구입니다.

비유: 요리사의 레시피 분석
상상해 보세요. 어떤 요리를 먹었는데 맛이 없었습니다.

• 기존 방법: "이 요리는 실패했다!"라고만 말합니다. (왜 실패했는지 모름)
• DETANGO 의 방법: "이 요리는 **재료 (안정성)**는 신선한데, **조리법 (기능)**이 잘못되어 맛이 없구나!"라고 정확히 분석해 줍니다.

DETANGO 는 거대한 단백질 데이터 (진화 역사) 를 학습한 인공지능 (언어 모델) 을 기반으로 합니다. 그런데 기존 인공지능은 "무너지면 안 되니까"라는 안정성 신호와 "제대로 작동해야 해"라는 기능 신호가 뒤섞여 있었습니다.

DETANGO 는 이 두 신호를 **분리 (Disentangle)**하는 특별한 공정을 거칩니다.

1. 안정성 신호 제거: "이 변이가 단백질 구조를 무너뜨리는가?"를 먼저 계산합니다.
2. 기능 신호 추출: 구조는 무너지지 않았는데도 작동이 안 된다면? 그건 순수하게 기능만 망가진 것입니다.

🔍 DETANGO 가 찾아낸 놀라운 사실들

이 도구를 통해 과학자들은 다음과 같은 것들을 찾아냈습니다.

1. "튼튼하지만 일 안 하는" 변이 (SBI) 찾기
단백질이 구조적으로는 아주 튼튼한데, 정작 제 역할을 하지 못하는 변이들을 찾아냅니다. 마치 튼튼한 자동차인데 엔진이 고장 난 상태와 같습니다. 이런 부위는 단백질이 일을 할 때 핵심적인 역할을 하는 곳 (예: 약물이 붙는 자리, 화학 반응을 일으키는 자리) 일 가능성이 매우 높습니다.

2. 숨겨진 약국 찾기 (약물 개발)
약물은 단백질의 특정 부위에 붙어서 작동합니다. DETANGO 는 단백질의 3D 구조를 보지 않고도, 어떤 부위가 약이나 다른 분자와 결합하는지를 찾아냅니다. 특히, 평소에는 보이지 않다가 약이 붙었을 때만 열리는 **숨겨진 문 (Cryptic pockets)**까지 찾아내어, 기존에 약을 만들 수 없던 질병을 치료할 새로운 길을 열어줍니다.

3. 진화의 비밀 해독
수백만 년 동안 진화해 온 단백질 가족들 (예: 혈액의 헤모글로빈) 을 비교해 보면, 어떤 부위는 모든 가족이 공유하는 공통된 기능 (산소 운반) 을 하고, 어떤 부위는 가족마다 다른 특수한 기능 (특정 환경 적응) 을 한다는 것을 찾아냅니다. 마치 한 가문의 모든 구성원이 공통적으로 가진 특징과 각자 개성을 살린 특징을 구별해 내는 것과 같습니다.

🚀 왜 이것이 중요한가요?

• 정밀한 질병 치료: 유전병이 왜 생기는지, 단백질이 구조가 무너져서인지, 아니면 기능만 망가져서인지 정확히 알 수 있어 치료제 개발에 도움이 됩니다.
• 새로운 약물 개발: 약이 붙을 수 있는 숨겨진 부위를 찾아내어, 기존에 치료 불가능했던 병을 치료할 수 있는 기회를 줍니다.
• 인공 단백질 설계: 우리가 원하는 기능을 가진 새로운 단백질을 설계할 때, "구조는 튼튼하게, 기능은 이렇게 바꿔보자"는 식으로 정교하게 설계할 수 있게 됩니다.

💡 한 줄 요약

DETANGO는 단백질이 망가진 원인을 **"구조가 무너져서"**인지, **"기능이 고장 난 것"**인지 정확히 가려내는 고급 분석 도구입니다. 이를 통해 우리는 단백질의 작동 원리를 더 깊이 이해하고, 더 효과적인 약과 치료법을 만들 수 있게 되었습니다.

기술 요약

논문 요약: DETANGO (Disentangled Protein Language Model)

1. 문제 정의 (Problem)

단백질 진화 과정에서 발생하는 돌연변이의 효과는 **구조적 안정성 (Stability)**과 **기능 (Function)**이라는 두 가지 상호 연관된 제약 조건에 의해 결정됩니다.

• 현재의 한계: 기존의 단백질 언어 모델 (pLMs) 은 돌연변이가 단백질에 미치는 전체적인 진화적 타당성 (evolutionary plausibility) 을 예측할 수 있지만, 이 점수는 안정성 저하와 기능 상실이라는 두 가지 메커니즘이 섞여 있어 (conflated) 구분이 어렵습니다.
• 핵심 과제: 돌연변이로 인한 기능 손실이 단백질 접힘 (folding) 의 불안정성 때문인지, 아니면 활성 부위 등 기능적 메커니즘의 직접적인 교란 때문인지 구분하는 것이 필수적입니다. 특히, 구조는 안정하지만 기능이 상실된 '안정하지만 비활성 (Stable-But-Inactive, SBI)' 변이를 식별하고, 기능적으로 중요한 잔기를 정확히 찾아내는 것은 단백질 공학 및 치료제 개발에 중요하지만 기존 방법으로는 어렵습니다.

2. 방법론 (Methodology)

저자들은 DETANGO라는 새로운 딥러닝 프레임워크를 제안하여 pLM 의 예측을 안정성과 기능으로 명시적으로 분리 (disentangle) 합니다.

• 수학적 모델링:

  • 단백질 서열 $x$의 진화 확률 $p_e(x)$를 구조적 확률 $p_s(x)$와 구조적 제약으로 설명되지 않는 기능적 확률 $p_f(x)$의 곱으로 가정합니다: $p_e(x) = p_s(x)p_f(x)$.
  • 돌연변이 $x_{MT}$의 기능적 타당성 (Functional Plausibility) $f(x_{MT})$은 전체 진화적 타당성 $e(x_{MT})$에서 구조적 타당성 $s(x_{MT})$를 뺀 값으로 정의됩니다:
    $$f(x_{MT}) = e(x_{MT}) - s(x_{MT})$$
  • 여기서 $e(x_{MT})$는 기존 pLM (ESM-1v) 이 예측한 로그-오즈 (log-odds) 값이며, $s(x_{MT})$는 안정성 측정치 (FoldX $\Delta\Delta G$ 또는 실험적 세포 풍부도) 를 기반으로 추정됩니다.

• 아키텍처:

  • 사전 학습된 pLM (ESM-1v) 을 기반으로 하며, 학습 가능한 프로그래밍 (reprogramming) 방식을 사용합니다.
  • 분리 과정: pLM 의 임베딩을 두 개의 잠재 표현 (latent representation) 으로 분해합니다.
    1. 안정성 표현 (Stability Representation): 안정성 측정치 ($\Delta\Delta G$ 등) 를 예측하도록 학습됩니다.
    2. 기능 표현 (Function Representation): 전체 진화적 표현에서 안정성 표현을 뺀 나머지 부분으로, 기능적 제약에 해당합니다.
  • 학습 목적 함수: 원래 pLM 이 예측한 진화적 점수와 (분해된 구조적 점수 + 기능적 점수) 의 합 사이의 오차를 최소화하도록 학습하여, 분리 과정이 원래 진화 신호를 왜곡하지 않도록 합니다.

3. 주요 기여 (Key Contributions)

1. SBI 변이 식별: 구조는 안정하지만 기능이 손상된 변이 (SBI) 를 정확하게 분류할 수 있는 새로운 프레임워크를 제시했습니다.
2. 기능적 중요 잔기 매핑: 안정성 신호를 제거함으로써, 진화적으로 보존된 기능적 부위 (리간드 결합, 촉매, 알로스테리 등) 를 기존 방법보다 정확하게 식별합니다.
3. 비지도 학습 (Unsupervised) 접근: 잔기 수준의 기능 주석 (annotation) 이 없는 상태에서도, 오직 서열과 구조 정보, 그리고 안정성 데이터만으로 기능적 중요도를 추론할 수 있습니다.
4. 가족 수준의 패턴 분석: 단일 단백질을 넘어 동족 단백질 패밀리 (Globin, RAS superfamily 등) 에서 공유되거나 차별화된 기능적 패턴을 발견하여 진화적 적응 메커니즘을 규명했습니다.

4. 실험 결과 (Results)

• SBI 변이 분류 성능: 11 개의 단백질에 대한 다차원 돌연변이 스크리닝 (MAVE) 데이터를 기반으로 한 벤치마크에서 DETANGO 는 기존 방법 (FoldX, ESM-1v, ESM-2, Func-ESM 등) 보다 SBI 변이 분류에서 AUROC, AUPRC, nDCG 모든 지표에서 우수한 성능을 보였습니다. 특히, 안정성만 고려하거나 진화적 보존만 고려하는 방법들보다 훨씬 정확했습니다.
• 기능적 잔기 식별: 인간 도메인 (Human Domainome) 데이터셋에서 CDD(Conserved Domains Database) 로 주석된 기능적 잔기를 식별하는 데 있어 DETANGO 는 다른 모든 비지도 및 지도 기반 베이스라인을 능가했습니다.
• 리간드 결합 부위 및 알로스테리 사이트 탐지:
  • BioLiP2 데이터셋을 통해 DNA, RNA, 펩타이드, 금속 이온, 소분자 등 다양한 리간드 결합 부위를 정확히 예측했습니다.
  • 잠재적 결합 주머니 (Cryptic pockets): 리간드가 결합하기 전 (Apo 상태) 에는 보이지 않다가 결합 후 (Holo 상태) 에 나타나는 주머니를 서열과 Apo 구조만으로 성공적으로 예측했습니다 (예: CooC1 단백질).
  • KRAS 알로스테리 사이트: KRAS 와 다양한 결합 파트너 간의 알로스테리 조절 부위를 기존 방법보다 정확하게 매핑했으며, 임상적으로 승인된 알로스테리 억제제 (Sotorasib) 의 결합 부위도 식별했습니다.
• 단백질 패밀리 분석: 헤모글로빈 ($\alpha$/$\beta$) 과 RAS 슈퍼패밀리 분석을 통해, DETANGO 가 서열 보존도만으로는 구분하기 어려운 패밀리 간 기능적 차이 (Specificity-determining positions) 를 포착할 수 있음을 입증했습니다.

5. 의의 및 중요성 (Significance)

• 기계적 이해의 심화: 단백질의 진화적 제약을 안정성과 기능으로 분리함으로써, 돌연변이가 단백질 기능에 미치는 영향을 분자 수준에서 명확히 해석할 수 있는 틀을 제공합니다.
• 합리적 단백질 공학 (Rational Protein Engineering): 기능 향상과 안정성 유지가 상충되는 상황에서, 기능을 해치지 않는 안정화 전략이나 기능을 향상시키는 변이 위치를 선별하는 데 필수적인 도구가 됩니다.
• 약물 개발: 알로스테리 사이트와 잠재적 결합 주머니를 발견함으로써, 기존에 '약물 표적이 불가능 (undruggable)'하다고 여겨지던 단백질에 대한 새로운 치료 표적을 제시할 수 있습니다.
• 확장성: DETANGO 는 특정 pLM 에 국한되지 않으며, 실험적 데이터나 계산적 안정성 예측치를 유연하게 통합할 수 있어 다양한 생물학적 발견에 적용 가능한 범용 도구로 평가됩니다.

결론적으로, DETANGO 는 단백질 언어 모델이 가진 진화적 정보를 해체하여 안정성과 기능이라는 두 가지 핵심 요소를 분리해냄으로써, 단백질의 구조 - 기능 관계를 이해하고 이를 공학적으로 활용하는 데 있어 혁신적인 진전을 이루었습니다.