What comes after de novo? Automated lead optimization of proteins with CRADLE-1

이 논문은 사전 훈련된 단백질 언어 모델을 실험실 데이터와 결합하여 자동화된 'CRADLE-1' 프레임워크를 제안함으로써, 기존 합리적 설계보다 4~7 배 빠른 속도로 다양한 단백질 모달리티의 다중 특성을 동시에 최적화하는 새로운 접근법을 제시합니다.

핵심

🧪 1. 문제: "완벽한 레시피를 찾는 고된 과정"

약이나 효소 (단백질) 를 개발할 때, 과학자들은 먼저 "기능은 하는데 좀 더 튼튼하고, 부작용은 없는" 후보 물질을 찾습니다. 이를 '리드 (Lead)'라고 부릅니다. 하지만 이 후보는 아직 완벽하지 않습니다. 마치 맛은 좋은데 너무 짜거나, 식감이 거칠거나, 냉장고에 두면 금방 상하는 초콜릿을 만든 것과 같습니다.

이 초콜릿을 완벽하게 다듬는 과정이 바로 **'리드 최적화'**입니다.

• 기존 방식: 과학자들이 "여기 설탕을 조금 더 넣고, 저기 온도를 낮춰보자"라고 추측하며 실험합니다.
• 문제점: 이 과정은 12~36 개월이나 걸리고, 한 후보물질당 500 만~1,500 만 달러라는 천문학적 비용이 듭니다. 게다가 실패할 확률도 매우 높습니다.

🤖 2. 해결책: CRADLE-1, "단순한 요리사가 아닌 AI 셰프"

이 논문은 CRADLE-1이라는 AI 시스템을 소개합니다. 이 시스템은 단순히 레시피를 수정하는 게 아니라, **수천 가지 변형을 한 번에 상상하고, 가장 좋은 조합을 찾아내는 '초능력의 AI 셰프'**입니다.

🌟 핵심 기능 3 가지

1. "만들기-테스트하기-배우기"의 자동화 (Design-Build-Test-Learn)

• 전통적 방식: 요리사가 요리를 만들고 (Design), 맛을 보고 (Test), "아, 짜네"라고 생각한 뒤 다음 요리를 만듭니다. 이 과정이 몇 달씩 걸립니다.
• CRADLE-1 방식: AI 가 수천 가지 레시피를 동시에 상상합니다. 실험실에서 맛을 본 결과 (데이터) 를 AI 에게 주면, AI 는 하루 만에 "다음에는 이 재료를 이렇게 섞으면 더 맛있을 거야"라고 새로운 레시피를 제안합니다.
• 결과: 기존보다 4~7 배 더 빠릅니다.

2. "한 번에 여러 마리 토끼 잡기" (Multi-property Optimization)

• 보통 약은 "효능은 좋지만 독성이 있다"거나 "효능은 좋지만 체내에서 쉽게 녹는다"는 식의 **트레이드오프 (상충 관계)**에 시달립니다.
• CRADLE-1 은 효능, 안정성, 부작용, 생산성 등 여러 조건을 동시에 만족하는 '완벽한 레시피'를 찾아냅니다. 마치 "맛도 좋고, 영양가도 높고, 냉장고에서도 1 년은 버티는 초콜릿"을 한 번에 찾아내는 것과 같습니다.

3. "블랙박스"도 가능 (Black Box Learning)

• 보통 과학자들은 "왜 이 약이 잘 작동하는지" 그 화학적 원리를 알아야 합니다. 하지만 CRADLE-1 은 원리를 몰라도 됩니다.
• "이걸 넣으면 결과가 좋았어, 저걸 넣으면 나빴어"라는 결과 데이터만 주면, AI 는 그 패턴을 찾아내어 더 좋은 결과를 만들어냅니다. 마치 요리의 화학적 원리를 몰라도, "이 조합이 맛있다"는 경험만 쌓아도 훌륭한 요리사가 될 수 있는 것과 같습니다.

📊 3. 실제 성과: "다양한 분야의 영웅들"

이 시스템은 다양한 분야에서 이미 성공을 거두었습니다.

• 바이러스 퇴치 (SARS-CoV-2): 변이 바이러스에도 잘 붙으면서 체내에서 오래 버티는 항체를 만들었습니다.
• 독 (Snake Venom): 여러 종류의 뱀 독을 동시에 중화하는 항독소를 개발했습니다.
• 산업용 효소: 고온에서도 잘 작동하는 효소를 만들어 공장 효율을 높였습니다.
• 유전자 가위 (CRISPR): 유전자 편집의 정확도를 높이고 부작용을 줄였습니다.

특히, 기존에 인간 과학자들이 8 번의 실험을 거쳐 17 배 개선한 효소 활성을, CRADLE-1 은 3 번의 실험으로 40 배 이상 개선해냈습니다.

💡 4. 왜 이것이 중요한가?

이 기술은 단순히 "빠르다"는 것을 넘어, 약 개발의 패러다임을 바꿉니다.

• 비용 절감: 실험 횟수가 줄어들어 막대한 개발 비용이 아껴집니다.
• 실패 감소: AI 가 "이건 안 될 것 같다"고 미리 예측하면, 쓸데없는 실험을 하지 않아도 됩니다.
• 새로운 가능성: 기존에는 "너무 어렵다"고 포기했던 난치병 치료제나 복잡한 유전자 치료도 시도해 볼 수 있게 됩니다.

🎯 결론

이 논문은 **"약 개발이라는 거대한 퍼즐을 인간이 하나하나 맞추는 대신, AI 가 전체 그림을 보고 가장 빠른 길을 찾아준다"**는 것을 보여줍니다. CRADLE-1 은 이제 막 시작되었지만, 앞으로 우리가 더 안전하고 효과적이며 저렴한 약을 더 빨리 만날 수 있게 해줄 핵심 열쇠가 될 것입니다.

한 줄 요약:

"약 개발의 '시행착오'를 AI 가 대신해 주어, 더 빠르고 정확하게 '완벽한 약'을 찾아내는 혁명."

기술 요약

1. 문제 정의 (Problem)

• 리드 최적화의 병목 현상: 신약 개발 파이프라인에서 '리드 (Lead)' 분자를 식별한 후, 이를 실제 적용 가능한 후보 물질로 다듬는 '리드 최적화' 과정은 전체 개발 기간의 1236 개월, 비용의 500 만1,500 만 달러를 차지하는 가장 비효율적인 단계입니다.
• 기존 방법의 한계: 전통적인 리드 최적화는 인간이 주도하는 합리적 설계 (Rational Design) 와 실험실의 '설계 - 제작 - 테스트 - 학습 (Design-Build-Test-Learn)' 사이클에 의존합니다. 이는 수백 번의 실험 반복이 필요하며, 여러 특성 (친화력, 안정성, 발현량 등) 을 동시에 최적화하기 어렵습니다.
• 데이터 부족: 초기 단계에서는 시퀀스 - 기능 (Sequence- wet lab data) 데이터가 부족하여 머신러닝 모델을 훈련시키기 어렵고, 구조 데이터만으로는 정확한 기능 예측이 제한적입니다.

2. 방법론 (Methodology: CRADLE-1)

CRADLE-1 은 단백질 언어 모델 (Protein Language Models, PLMs) 을 기반으로 한 자동화된 워크플로우로, 다음과 같은 기술적 스택을 사용합니다.

A. 모델 아키텍처 및 학습 전략

1. 기초 모델 (Foundation Models): 대규모 단백질 서열 데이터베이스 (UniRef 등) 로 사전 학습된 PLM 을 기반으로 합니다.
2. Evotuning (진화적 미세조정): 템플릿 서열의 진화적 이웃 (Evolutionary Neighborhood) 을 기반으로 마스크 언어 모델링 (Masked Language Modeling) 을 통해 비지도 학습으로 모델을 미세 조정합니다. 이는 서열의 자연스러운 변이 패턴을 학습하게 합니다.
3. Supervised Fine-tuning (지도 학습):
   • Logiter (선호도 최적화): 실험실 데이터 (Sequence-Function pairs) 를 사용하여 그룹 직접 선호도 최적화 (g-DPO, Group Direct Preference Optimization) 를 적용합니다. 이는 특정 속성을 가진 서열 쌍을 선호하도록 모델을 조정하여, 실험 데이터와 모델의 로그 가능도 (Log-likelihood) 간의 정렬을 개선합니다.
   • Predictor (회귀 모델): 서열을 입력받아 특정 속성 (친화력, 안정성 등) 을 직접 예측하는 회귀 헤드를 추가하여 훈련합니다.
4. 생성 및 탐색 (Generation):
   • Beam Search: 템플릿 서열을 변형하여 후보를 생성할 때, Logiter 가 선호하는 변이를 기반으로 빔 서치를 수행합니다.
   • Double Beam Search: 생성 온도가 시간이 지남에 따라 증가함에 따라, 현재 수용된 시퀀스와 '백업' 시퀀스를 병렬로 유지하며 탐색 공간을 확장합니다.
   • 다중 속성 최적화: Predictor 를 통해 생성된 후보들을 다중 속성 (Binding, Stability, Expression 등) 에 따라 랭킹하고, 파레토 프론티어 (Pareto Frontier) 를 개선하는 방향으로 선택합니다.

B. 워크플로우 특징

• 자동화 및 블랙박스 처리: 실험실 데이터 (Wet Lab Data) 를 내부 메커니즘을 알 필요 없이 '블랙박스' 형태로 소비할 수 있습니다. API 또는 UI 를 통해 데이터를 입력하면 최적화된 단백질 서열을 반환합니다.
• Zero-shot (Zero-shot) 대응: 초기 데이터가 없는 경우에도 진화적 컨텍스트 (Evotuning) 만으로 작동 가능하며, 데이터가 축적되면 모델을 실시간으로 업데이트하여 성능을 높입니다.
• 다양한 모달리티 지원: VHH, scFv, IgG, 펩타이드, 효소, CRISPR 시스템, 백신 등 다양한 단백질 유형에 적용 가능합니다.

3. 주요 기여 및 성과 (Key Contributions & Results)

논문은 CRADLE-1 이 합리적 설계 (Rational Design) 보다 4~7 배 빠르며 (실험 라운드 수 기준), 다양한 모달리티와 속성에서 성공적으로 작동함을 입증했습니다.

주요 성공 사례

1. EGFR scFv 최적화 (Adaptyv Bio 대회): Cetuximab 의 scFv 템플릿을 기반으로 프레임워크 영역을 최적화하여, 기존 6.64 nM 결합력을 가진 템플릿보다 훨씬 강력한 339 pM ~ 4.51 nM의 결합력을 가진 12 가지 변이를 생성했습니다. (대회 1 위)
2. SARS-CoV-2 VHH (나노바디): 와일드타입 및 오미크론 변이에 대한 다중 결합력, 열안정성, 발현량을 동시에 최적화했습니다. 결과적으로 186 pM (WT) 및 **11.4 nM (Omicron)**의 결합력을 가지며, 열안정성이 70.9°C 로 향상되고 발현량이 1.88 배 증가한 변이를 도출했습니다.
3. 뱀독 중화제 (Snake Venom): 3 가지 다른 신경독에 대한 다중 결합력, 열안정성, 발현량을 동시에 최적화하여 <100 pM 수준의 결합력과 76.7°C의 열안정성을 달성했습니다.
4. 효소 활성 최적화 (P450): 합리적 설계로 8 라운드에 걸쳐 17.9 배 개선에 그쳤던 P450 효소의 활성을, CRADLE-1 은 3 라운드 만에 40.6 배 개선했습니다.
5. IgG 다중 속성 최적화: 6 가지 특성 (효능, 응집, 비특이적 결합, 세포 결합, 면역원성, 발현) 을 동시에 최적화하여 개발 가능한 후보 물질을 성공적으로 도출했습니다.
6. CRISPR 시스템: 온-타겟 편집 활성을 높이고 오프-타겟 활성을 낮추는 다중 목적 최적화를 성공적으로 수행했습니다.

벤치마크 비교

• 기존 ML 방법 (ESM-2 기반) 및 합리적 설계 대비: CRADLE-1 은 초기 라운드부터 파레토 프론티어를 효과적으로 확장하며, 후속 라운드에서 성능이 급격히 향상되는 반면, 기존 방법들은 초기에는 좋으나 이후 정체되거나 무작위적인 결과를 보였습니다.
• 실험 효율성: 단일 96 웰 플레이트 (약 96 개 후보) 의 데이터만으로도 모델 학습이 가능하며, 1~3 라운드의 실험으로 최적화 목표를 달성했습니다.

4. 의의 및 영향 (Significance)

• 비용 및 시간 절감: 리드 최적화 기간을 12~36 개월에서 단축하고 비용을 획기적으로 줄여 신약 개발의 경제성을 높입니다.
• 자동화된 의사결정: "최적화 여백 (Optimization Headroom)"을 정량적으로 추정하여, 더 이상 개선이 불가능한 캠페인을 조기에 중단시키는 '스unk 비용 오류 (Sunk Cost Fallacy)'를 방지합니다.
• 데이터 효율성: 구조 데이터 없이도 시퀀스 - 기능 쌍만으로 고도화된 설계를 가능하게 하여, 실험 데이터가 부족한 상황에서도 적용 가능합니다.
• 범용성: 치료제뿐만 아니라 산업용 효소, 백신, 유전자 가위 등 다양한 단백질 공학 분야에 적용 가능한 범용 플랫폼임을 입증했습니다.

결론

CRADLE-1 은 단백질 리드 최적화 과정을 인간 중심의 반복적 실험에서 데이터 기반의 자동화된 머신러닝 사이클로 전환하는 획기적인 도구입니다. 이 시스템은 복잡한 다중 속성 최적화 문제를 해결할 수 있으며, 실험실 데이터와 머신러닝을 긴밀하게 결합하여 신약 개발의 속도와 성공률을 비약적으로 높일 것으로 기대됩니다.