MolX: A Geometric Foundation Model for Protein-Ligand Modelling

본 논문은 300 만 개 이상의 단백질 주머니와 500 만 개 이상의 분자 데이터를 기반으로 E(3)-공변성 그래프 트랜스포머 아키텍처를 통해 단백질 - 리간드 상호작용의 기하학적 및 화학적 특성을 통합적으로 학습하고, 다양한 하류 작업에서 최첨단 성능과 해석 가능성을 보여주는 새로운 지각 모델 'MolX'를 제안합니다.

핵심

🧩 MolX: "약과 열쇠"를 동시에 이해하는 천재 설계사

약 개발에서 가장 중요한 것은 **약 (작은 분자)**이 **표적 단백질 (병의 원인을 만드는 열쇠 구멍)**에 정확히 끼워지는지 확인하는 것입니다. 기존 컴퓨터 프로그램들은 이 두 가지를 따로따로 보거나, 단순히 2 차원 그림처럼만 봐서 정확한 3 차원 공간 관계를 놓치는 경우가 많았습니다.

MolX는 이 문제를 해결하기 위해 태어난 **'3 차원 공간 감각이 뛰어난 천재 설계사'**입니다.

1. 기존 방식 vs MolX 의 차이점

• 기존 방식 (단순한 나열): 약의 성분 목록 (문자열) 과 단백질의 아미노산 나열 (문자열) 을 따로 읽어서 "이게 맞을 것 같아"라고 추측하는 수준입니다. 마치 레시피만 보고 요리가 어떻게 생겼는지 상상하는 것과 비슷합니다.
• MolX 방식 (입체적 조립): 약과 단백질을 **3 차원 입체 모형 (레고)**으로 만들어서, 서로 어떻게 맞물리는지, 어떤 모양이 서로를 끌어당기는지 직접 보고 학습합니다. 마치 실제 레고 블록을 손으로 만져가며 맞춰보는 것과 같습니다.

2. MolX 가 어떻게 배우나요? (거대한 도서관과 미션)

MolX 는 약 300 만 개의 단백질 구멍과 500 만 개의 분자 데이터를 바탕으로 공부했습니다. 이 학습 과정은 두 가지 미션으로 나뉩니다.

• 미션 1: "눈가림 게임" (자기 학습)
  • 분자의 3 차원 좌표나 원자 종류를 일부러 지워버리고, AI 가 "어떤 원자가 어디에 있었지?"라고 맞춰보게 합니다.
  • 비유: 퍼즐 조각의 일부가 사라진 상태에서, 나머지 조각의 모양과 공간감을 보고 어떤 조각이 원래 어디에 있어야 할지 추리하는 훈련입니다. 이를 통해 AI 는 분자의 3 차원 구조를 완벽하게 이해하게 됩니다.
• 미션 2: "물리 법칙 퀴즈" (지도 학습)
  • 약이 얼마나 기름기 있는지 (LogP) 나 에너지가 얼마나 들었는지 같은 과학적 사실을 정답으로 알려주며 학습시킵니다.

3. 왜 MolX 가 더 잘할까요? (공간 감각의 마법)

MolX 의 가장 큰 특징은 **E(3)-equivariant(입체 대칭성)**라는 기술을 썼다는 점입니다.

• 비유: 우리가 어떤 물건을 보고 "이건 의자야"라고 알 때, 의자를 뒤집거나 옆으로 눕혀도 여전히 의자인 걸 알죠? MolX 도 마찬가지입니다. 단백질과 약을 3 차원 공간에서 돌리거나 뒤집어도 그 관계와 결합 방식을 똑같이 이해합니다.
• 기존 모델들은 "순서"만 중요하게 생각했지만, MolX 는 **"거리와 각도"**를 중요하게 여깁니다. 원자 A 와 B 가 얼마나 떨어져 있는지, 어떤 각도로 마주보고 있는지가 결합의 성패를 결정하기 때문입니다.

4. "왜?"에 대한 답을 줍니다 (해석 가능성)

대부분의 AI 는 "정답은 A 입니다"라고만 말하지만, "왜 A 인지"는 말해주지 않습니다. 하지만 MolX 는 **스파르타 (SAE)**라는 장치를 통해 내부 작동 원리를 설명해 줍니다.

• 비유: MolX 가 "이 약이 잘 들어맞습니다"라고 말할 때, **"왜?"**라고 물으면, "이 약의 **특정 부분 (예: 고리 모양)**이 단백질의 **특정 구멍 (예: 주머니 모양)**과 딱 들어맞기 때문입니다"라고 구체적인 부위를 가리키며 설명해 줍니다.
• 이는 마치 검은 상자에 들어있는 기계의 톱니바퀴를 하나하나 열어보며, 어떤 톱니가 어떻게 돌아가는지 보여주는 것과 같습니다.

5. 실제로 얼마나 잘하나요?

MolX 는 다양한 테스트 (항체 - 약물 접합체, PROTAC 같은 최신 약물, 일반적인 결합력 예측 등) 에서 기존 최고의 모델들보다 압도적으로 좋은 점수를 받았습니다. 특히, 데이터가 부족한 새로운 종류의 약이나 복잡한 결합 상황에서도 잘 적응하여 범용성을 입증했습니다.

🚀 요약: MolX 가 가져오는 변화

1. 정확도 향상: 3 차원 구조를 제대로 이해하므로, 약이 단백질에 잘 붙을지 예측하는 정확도가 훨씬 높아졌습니다.
2. 이해의 폭 확장: 단순히 "맞다/안 맞다"를 넘어, 어떤 구조적 특징이 결합을 결정하는지 과학적으로 설명해 줍니다.
3. 약 개발 가속화: 실험실에서 수많은 약을 만들어 볼 필요 없이, 컴퓨터 시뮬레이션으로 가장 유망한 후보를 먼저 찾아낼 수 있어 시간과 비용을 아낄 수 있습니다.

결론적으로, MolX는 약 개발의 '눈'이 되어, 보이지 않던 3 차원 세계의 미세한 결합을 선명하게 보여주고 그 이유까지 설명해 주는 차세대 인공지능 도약입니다.

기술 요약

1. 문제 정의 (Problem)

구조 기반 약물 설계 (Structure-based Drug Discovery) 의 핵심은 작은 분자 (리간드) 와 단백질 결합 주머니 (Pocket) 간의 상호작용을 이해하는 것입니다. 기존 계산적 접근법들은 다음과 같은 한계를 가지고 있습니다:

• 분리된 표현 (Decoupled Representations): 단백질과 리간드를 별도로 인코딩하거나, 단순화된 구조 표현을 사용하여 결합 인터페이스의 3D 기하학적 제약과 물리화학적 상보성을 명시적으로 모델링하지 못함.
• 기하학적 정보의 부재: 시퀀스 기반 방법은 3D 구조 정보를 생략하여 상호작용 기하학을 포착하지 못함.
• 국소적 관점의 한계: 기존 3D 모델들은 단백질과 리간드를 독립적으로 처리하거나 국소 원자 기하학에만 집중하여, 두 구성 요소가 결합될 때 발생하는 고차원적인 상호작용 패턴을 놓침.

2. 방법론 (Methodology)

저자들은 MolX라는 그래프 트랜스포머 기반의 사전 학습 모델 (Foundation Model) 을 제안했습니다. 이는 대규모 3D 구조 데이터 (300 만 개 이상의 단백질 주머니, 500 만 개 이상의 분자) 에서 단백질 주머니와 리간드를 공동으로 학습합니다.

주요 아키텍처 및 기술적 특징:

• E(3)-공변성 그래프 트랜스포머 (E(3)-equivariant Graph Transformer):

  • 단백질 주머니와 리간드를 모두 3D 그래프로 표현하며, 회전, 병진, 반사에 불변 (invariant) 이거나 공변 (equivariant) 하는 특성을 유지합니다.
  • 공간적 편향 (Spatial Position Bias): 기존 트랜스포머의 위치 인코딩을 개선하여, 원자 간의 유클리드 거리에 기반한 편향을 어텐션 메커니즘에 통합합니다. 이를 통해 분자의 토폴로지적 연결성이 아닌 실제 3D 기하학적 근접성에 따라 정보 전파가 조절됩니다.
  • 다중 인코딩: 중심성 인코딩 (Centrality), 엣지 인코딩 (화학 결합), 공간 인코딩 (Graphormer 기반) 을 통합하여 메시지 패싱을 수행합니다.

• 하이브리드 사전 학습 전략 (Hybrid Pretraining):

  • 지도 학습 (Supervised): LogP (소수성) 와 HOMO-LUMO 에너지 갭 회귀를 예측하여 물리화학적 특성을 학습합니다.
  • 자기 지도 학습 (Self-supervised):
    • 좌표 노이즈 및 재구성 (Coordinate Noising & Reconstruction): 3D 원자 좌표에 가우시안 노이즈를 추가하고 이를 복원하는 과제를 통해 기하학적 일관성을 학습합니다.
    • 원자 타입 예측 (Atom-type Prediction): 마스킹된 원자 타입을 예측합니다.
  • 이 하이브리드 전략은 모델이 일반화 가능한 분자 이해를 하도록 유도합니다.

• 해석 가능성 모듈 (Interpretability via Sparse Autoencoder):

  • 학습된 잠재 표현 (Latent Representations) 을 희소 자동 인코더 (Sparse Autoencoder, SAE) 를 통해 분해합니다.
  • 이를 통해 추상적인 신경 활성화 패턴을 해석 가능한 생물학적 구성 요소 (특정 단백질 영역, 분자 하부 구조) 로 변환하여 예측의 메커니즘을 규명합니다.

3. 주요 기여 (Key Contributions)

1. 통합된 3D 기하학 기반 파운데이션 모델: 단백질과 리간드를 분리하지 않고 하나의 E(3)-공변성 그래프 트랜스포머 프레임워크 내에서 공동으로 학습하여, 결합 인터페이스의 고차원적 상호작용 패턴을 포착합니다.
2. 대규모 데이터 학습: 300 만 개 이상의 단백질 주머니와 500 만 개 이상의 분자를 활용한 대규모 사전 학습을 통해 강력한 일반화 능력을 확보했습니다.
3. 해석 가능성의 혁신: 희소 자동 인코더를 도입하여 모델의 예측이 어떤 특정 단백질 도메인 (예: E3 리가제 결합 부위) 이나 분자 하부 구조 (예: 방향족 고리) 에 기반하는지 구체적으로 설명할 수 있는 메커니즘을 제공합니다.
4. 공간적 편향의 도입: 트랜스포머 어텐션 메커니즘에 물리적 거리를 반영한 편향을 도입하여, 분자의 실제 3D 구조를 더 정확하게 반영하도록 했습니다.

4. 결과 (Results)

MolX 는 8 가지 이상의 다운스트림 벤치마크에서 기존 최첨단 (SOTA) 모델들 (MolE, FradNMI, TorchMD-Net, Atom3D 등) 을 압도하는 성능을 보였습니다.

• 분류 작업 (Classification):

  • ADC (항체 - 약물 접합체), PROTAC (프로테아좀 표적 키메라), Molecular Glue, LIT-PCBA 데이터셋에서 일관된 SOTA 성능 달성.
  • PROTAC 벤치마크: AUC 0.9211 (MolE 대비 +22.1%p 향상), F1 점수 0.8365.
  • Molecular Glue 벤치마크: AUC 0.9962, F1 0.9767 로 거의 포화 상태의 성능 달성.
  • 다양한 서브셋 (Target-E3 쌍 등) 에서도 일관된 성능 향상을 보이며 데이터 희소성 하에서도 강력한 일반화 능력을 입증했습니다.

• 회귀 작업 (Regression):

  • 결합 친화도 (Binding Affinity): PDBbind 데이터셋의 Kd, Ki, IC50 예측에서 모든 지표 (MAE, RMSE, Spearman 상관관계) 에서 최하의 오차를 기록.
  • 물리화학적 특성: MISATO 벤치마크 (전자 친화도, 전기 음성도 등) 에서 기존 기하학 기반 모델 (SphereNet, Atom3D) 보다 우수한 성능을 보임.

• 기하학적 민감도 분석:

  • 3D 좌표 노이즈 제거 실험 (Ablation Study) 을 통해 좌표 재구성 작업이 모델 성능 향상에 가장 결정적인 역할을 함을 입증했습니다.
  • 공간적 편향을 제거하거나 무작위화했을 때 성능이 급격히 저하되어, 3D 기하학 정보가 모델의 핵심임을 확인했습니다.

• 해석 가능성 검증:

  • SAE 분석을 통해 모델이 PROTAC 설계에 중요한 E3 리가제 결합 부위 (VHL, CRBN 등) 와 표적 단백질 도메인 (Kinase, Bromodomain 등) 간의 상호작용 패턴을 학습했음을 시각적으로 확인했습니다.
  • 분자 수준에서는 결합에 중요한 화학적 하부 구조 (방향족 고리, 극성 작용기 등) 에 높은 활성화가 집중됨을 보였습니다.

5. 의의 및 결론 (Significance)

MolX 는 단백질 - 리간드 상호작용 모델링 분야에서 다음과 같은 중요한 의의를 가집니다:

• 통합 프레임워크: 기존에 분리되어 있던 단백질과 리간드 모델링을 통합하여, 결합 인터페이스의 복잡한 3D 기하학과 물리화학적 상호작용을 동시에 포착하는 새로운 표준을 제시했습니다.
• 신약 개발 가속화: PROTAC, 분자 접착제 (Molecular Glue) 등 차세대 치료제 개발에 필수적인 복잡한 상호작용을 정확하게 예측하고 해석할 수 있어, 초기 단계의 약물 스크리닝 효율성을 크게 높일 수 있습니다.
• 해석 가능한 AI: 블랙박스 모델의 한계를 극복하고, 예측의 근거를 생물학적/화학적 맥락에서 설명할 수 있게 함으로써, 신뢰할 수 있는 AI 기반 약물 설계 (AI-driven Drug Discovery) 를 실현하는 데 기여합니다.

결론적으로, MolX 는 확장 가능하고 해석 가능한 분자 표현 학습을 위한 파운데이션 모델로서, 구조 기반 약물 발견의 정밀도와 효율성을 혁신적으로 향상시킬 것으로 기대됩니다.