SpeciefAI: Multi-species mRNA-level Antibody Framework Generation using Transformers

이 논문은 인간과 개 등 여섯 종의 mRNA 공간에서 직접 작동하는 트랜스포머 기반 모델인 SpeciefAI 를 제안하여, 주어진 CDR 에 맞춰 각 종의 자연스러운 프레임워크 영역을 생성하고 최적화된 mRNA 서열을 설계함으로써 치료용 항체의 종 특이적 발현과 면역원성 문제를 해결합니다.

핵심

🧬 1. 문제 상황: "외국인 의사가 만든 약은 왜 안 먹을까?"

항체라는 것은 우리 몸의 면역 체계가 만드는 '정교한 열쇠' 같은 단백질입니다. 이 열쇠로 세균이나 바이러스라는 '자물쇠'를 열 수 있죠.

하지만 여기서 문제가 생깁니다.

• 상황: 우리는 실험실에서 '쥐'나 '알파카' 같은 동물을 이용해 항체를 개발합니다.
• 문제: 이 동물이 만든 항체를 그대로 사람에게 주면, 사람의 몸은 "이건 내 것이 아니야! 침입자야!"라고 생각해서 **면역 반응 (거부 반응)**을 일으킵니다. 마치 외국인이 만든 옷을 입었을 때 피부가 가려워지거나 알레르기가 오는 것과 비슷합니다.
• 해결책: 그래서 약을 만들 때는 동물이 만든 항체의 '열쇠 끝부분 (CDR)'은 그대로 두고, 몸에 들어가는 '옷 (프레임워크)' 부분만 사람의 옷 스타일로 바꿔줘야 (인간화, Humanization) 합니다.

🧵 2. 기존 방식의 한계: "의사만 고치고, 옷감은 따로 재단"

기존에는 이 작업을 두 단계로 나눴습니다.

1. 단백질 단계: 먼저 동물의 옷을 사람의 옷 스타일로 바꿉니다. (단백질 설계)
2. 유전자 단계: 바뀐 옷을 만드는 '설계도 (mRNA)'를 다시 그립니다. (역번역)

하지만 이 방식에는 치명적인 단점이 있습니다.

• 옷의 디자인 (단백질) 을 먼저 정해버리면, 그 디자인을 만드는 데 필요한 원단 (유전자/코돈) 선택의 자유가 사라집니다.
• 사람 몸속에서 이 원단을 잘 다룰 수 있는지 (효율성) 를 고려하지 못해, 약이 제대로 만들어지지 않을 수 있습니다.

🤖 3. SpeciefAI 의 등장: "한 번에 옷도, 원단도 맞춰주는 마법사"

이 논문에서 개발한 SpeciefAI는 이 모든 것을 한 번에 해결합니다.

• 비유: SpeciefAI 는 단순히 옷을 입히는 게 아니라, 사람이 입을지, 개가 입을지, 알파카가 입을지 정해달라고 하면, 그 동물에게 딱 맞는 '옷 (단백질)'과 그 옷을 만드는 '원단 (mRNA)'을 동시에 설계해 줍니다.
• 기술: 이 모델은 '트랜스포머 (Transformer)'라는 최신 AI 기술을 사용합니다. 마치 번역기가 여러 언어를 동시에 이해하듯, SpeciefAI 는 여러 종 (Species) 의 데이터를 한 번에 학습해서, 어떤 동물이든 그 동물에게 최적화된 설계를 만들어냅니다.

🎯 4. 주요 성과: "완벽한 맞춤 제작"

이 모델이 얼마나 잘하는지 실험 결과로 확인했습니다.

1. 사람과 개를 위한 맞춤 제작:

   • 사람용 항체를 만들면, 사람의 몸에서 아주 자연스럽게 작동하도록 (효율성 99% 이상) 설계됩니다.
   • 개용 항체를 만들면, 개의 몸에도 완벽하게 어울립니다.
   • 마치 재단사가 고객 (동물) 의 체형에 딱 맞는 옷을 재단하듯, 유전자 코드까지 정밀하게 맞춰줍니다.

2. 다양한 디자인 제안:

   • 같은 열쇠 (항원 결합부위) 를 가지고도, AI 는 수천 가지의 다른 옷 디자인을 제안할 수 있습니다.
   • 이는 약을 개발할 때 실패 확률을 줄이고, 가장 좋은 약을 고르는 데 큰 도움이 됩니다.

3. 알파카 항체의 인간화:

   • 알파카에서 나온 작은 항체 (나노바디) 를 사람용으로 바꿀 때도 성공했습니다. 비록 완벽하지는 않지만, 기존 방식보다 훨씬 나아진 결과를 보여줍니다.

💡 5. 결론: "왜 이것이 중요한가?"

이 연구는 약 개발의 비용을 줄이고, 안전성을 높이는 획기적인 방법입니다.

• 기존: 동물의 약을 사람에게 쓸 때, 실험실과 임상 시험을 반복하며 수년 걸리고 비용이 천문학적이었습니다.
• SpeciefAI: AI 가 "이 약은 사람 몸에 딱 맞고, 개 몸에도 잘 어울려"라고 한 번에 설계해 줍니다.

한 줄 요약:

"SpeciefAI 는 동물이 만든 항체 약을, 사람이나 개 등 다양한 동물이 먹어도 거부 반응 없이 잘 소화할 수 있도록, 유전자 설계도부터 옷 스타일까지 완벽하게 맞춰주는 '초능력의 AI 재단사'입니다."

이 기술이 상용화되면, 암 치료제나 바이러스 백신 등을 더 저렴하고 빠르게 개발할 수 있게 될 것입니다.

기술 요약

1. 문제 정의 (Problem)

항체 (Ab) 와 나노바디 (Nb) 를 mRNA 로 인코딩하여 체내에서 치료 단백질을 생산하는 접근법은 유망하지만, 두 가지 종 (species) 의존적 요구사항을 동시에 충족해야 하는 어려움이 있습니다.

1. 효율적인 발현: mRNA 서열이 숙주 종 (예: 인간, 개) 에서 효율적으로 발현되도록 코돈 적응도 (Codon Adaptation Index, CAI) 를 최적화해야 합니다.
2. 면역원성 최소화: 인코딩된 단백질 서열이 수용체 종의 자연적인 항체 레퍼토리와 유사해야 면역 거부 반응 (Immunogenicity) 을 최소화할 수 있습니다.

기존의 방법론 (프레임워크 셔플링 등) 은 주로 단백질 수준에서 작동하며, 이후 mRNA 로 역변환 (back-translation) 하는 과정을 거칩니다. 이 방식은 단백질 서열이 mRNA 서열에 제약을 가해 최적의 코돈 사용을 제한하는 단점이 있습니다. 또한, 대부분의 기존 AI 모델은 인간화 (Humanization) 에만 집중되어 다양한 종에 대한 적용이 부족했습니다.

2. 방법론 (Methodology)

저자들은 SpeciefAI라는 다종 (Multi-species) mRNA 수준의 항체 프레임워크 생성 모델을 제안했습니다.

• 아키텍처: T5 기반의 텍스트-투-텍스트 (Text-to-Text) 트랜스포머 (Transformer) 모델을 사용합니다. 인코더 - 디코더 구조를 채택하여 입력 (CDR 서열) 과 출력 (프레임워크, FR 서열) 간의 명확한 매핑을 학습합니다.
• 입출력 공간: 단백질 (아미노산) 수준이 아닌 직접 mRNA (핵산) 공간에서 작동합니다. 이는 코돈 최적화와 서열 조화를 동시에 달성할 수 있게 합니다.
• 토큰화: 6-mer 기반 토크나이저를 사용하여 코돈 삼중체 (triplet) 의 프레임 시프트 (frame shift) 를 방지하면서도 어휘 크기를 효율적으로 관리합니다.
• 학습 데이터: 인간, 쥐, 생쥐, 원숭이, 개, 알파카 등 6 종의 항체 mRNA 데이터를 활용했습니다. (OAS, COGNANO, DoggifAI 등 다양한 소스)
• 학습 전략:
  • 프리트레이닝: 마스킹된 언어 모델링 (Masked Language Modeling) 을 통해 대규모 데이터로 사전 학습.
  • 파인튜닝: CDR 서열을 입력으로 주고, 해당 종에 맞는 FR 서열을 출력으로 생성하도록 학습. 클래스 불균형 문제를 해결하기 위해 희소 종 (개 등) 의 오버샘플링과 다수 종의 언더샘플링을 적용한 재균형 (Rebalancing) 전략 사용.
• 평가 지표:
  • Ed: 서열 간의 최소 치환 및 갭 수 (전역 정렬).
  • EB (Biology-aware): 단백질의 화학적 특성을 고려한 PAM30 점수와 갭 페널티를 반영한 생물학적 오류 지표.
  • T20/cT20 점수: 인간/개 항체 서열과의 유사성 (인간화/개화 정도) 평가.
  • CAI 차이: 생성된 서열과 자연 서열 간의 코돈 적응도 분포 비교.

3. 주요 기여 (Key Contributions)

1. 최초의 다종 mRNA 수준 생성 모델: 단백질 생성 후 역변환하는 기존 방식과 달리, mRNA 공간에서 직접 CDR 에 맞는 종 특이적 FR 을 생성하여 코돈 최적화와 면역원성 감소를 동시에 해결합니다.
2. 종 간 언어 (Interlingual) 표현 학습: 모델이 각 종마다 완전히 다른 서열을 생성하는 것이 아니라, 항체의 기본 구조를 나타내는 '종 간 언어 (Interlingual)' 표현을 학습하고, 이를 기반으로 종 특이적 돌연변이를 적용하여 서열을 조정함을 발견했습니다.
3. 다양한 생성 능력: 단일 CDR 입력에 대해 수천 개의 다양한 후보 서열을 생성할 수 있으며, 이는 임상적 적용을 위한 후속 실험에 유리합니다.
4. 개 (Canine) 치료제 개발 지원: 인간뿐만 아니라 개를 포함한 수의학 분야에서도 적용 가능한 모델임을 입증했습니다.

4. 결과 (Results)

• 서열 분포 유사성: 생성된 서열은 자연 서열의 분포와 매우 유사했습니다. t-SNE 및 KDE 분석을 통해 생성된 서열이 자연 서열 공간에 잘 분포함을 확인했습니다.
• 코돈 적응도 (CAI): 인간과 개에 대해 각각 평균 절대 CAI 차이 0.013 과 0.033 을 기록하여, 자연 서열과 매우 유사한 발현 효율을 가짐을 보였습니다.
• 종 특이성 점수:
  • 생성된 인간 서열은 T20 점수 0.95로 매우 높은 인간화 수준을 보였습니다.
  • 생성된 개 서열은 cT20 점수 0.95로 높은 개화 수준을 보였습니다.
• 다종 vs 단일 종 모델: 다종 모델은 단일 종 모델 (Human-only, Dog-only) 과 비교했을 때 인간 데이터에서는 오히려 성능이 더 좋았으며, 개 데이터에서는 단일 종 모델과 유사하거나 약간 낮은 수준 (EB(P) 88.79 vs 74.90) 이었으나, 여전히 유의미한 성능을 보였습니다. 이는 다종 데이터가 모델의 일반화 능력을 향상시켰음을 시사합니다.
• 알파카 나노바디 인간화: 알파카 CDR 을 기반으로 인간 FR 을 생성했을 때 T20 점수가 0.777 에서 0.810 으로 향상되었으나, 구조적 차이 (CDR3 길이 등) 로 인해 인간 항체 기반 생성 (0.95) 보다는 낮은 점수를 기록했습니다.

5. 의의 및 결론 (Significance)

SpeciefAI 는 치료용 항체 및 나노바디 개발 과정에서 mRNA 최적화와 면역원성 감소라는 상충되는 두 목표를 동시에 달성할 수 있는 강력한 도구입니다. 특히, mRNA 치료제의 생산 비용 절감과 체내 발현 효율 향상에 기여할 수 있으며, 인간뿐만 아니라 수의학 (개 등) 분야에서도 적용 가능한 범용성을 입증했습니다.

또한, 이 연구는 AI 가 항체의 구조적 핵심 (Interlingual representation) 을 학습하고 종에 따라 이를 변형한다는 점을 밝혀내어, 단백질 공학 및 mRNA 치료제 설계에 대한 새로운 통찰을 제공했습니다. 향후 실험적 검증 (in vitro) 을 통해 생성된 서열의 실제 결합 친화도와 면역원성 감소 효과를 입증한다면, 차세대 치료제 개발의 핵심 기술로 자리 잡을 것으로 기대됩니다.