evedesign: accessible biosequence design with a unified framework

이 논문은 단백질 공학의 복잡한 조건부 설계와 다목적 최적화 문제를 해결하기 위해 다양한 머신러닝 모델을 통합하고 실험 데이터와의 반복적 연계를 지원하며 웹 인터페이스를 통해 비전문가도 접근할 수 있도록 설계된 오픈소스 프레임워크 'evedesign'을 제안합니다.

핵심

이 논문은 **'evedesign(이브디자인)'**이라는 새로운 도구를 소개합니다. 이 도구를 이해하기 위해 먼저 단백질 설계가 왜 어려운지, 그리고 이브디자인이 어떻게 그 문제를 해결하는지 일상적인 비유로 설명해 드리겠습니다.

🧩 1. 문제: "각자 다른 언어를 쓰는 공방들"

지금까지 단백질 (우리 몸의 기능을 수행하는 분자) 을 설계하려는 과학자들은 마치 서로 다른 공방에서 일하는 장인들 같았습니다.

• A 공방은 "이런 재료를 쓰면 좋은 옷이 만들어져요"라고 말하고,
• B 공방은 "아니, 저런 도구를 써야 해요"라고 합니다.
• C 공방은 "이 옷은 이 옷장 (데이터) 에만 들어가요"라고 합니다.

이들은 서로의 언어를 이해하지 못해, 한 가지 좋은 옷을 만들기 위해 여러 공방을 오가며 수작업으로 재료를 옮겨야 했습니다. 비전문가에게는 이 과정이 너무 복잡해서, "단백질 설계"는 오직 컴퓨터 전문가들만 할 수 있는 고난도 작업이었습니다.

🏗️ 2. 해결책: "evedesign(이브디자인) - 모든 공방을 하나로 묶는 통합 플랫폼"

이브디자인은 이 혼란을 해결하기 위해 등장한 초대형 통합 설계 플랫폼입니다. 마치 레고 블록이나 레고 스테이션을 생각해 보세요.

• 표준화된 블록 (표준 인터페이스): 이브디자인은 모든 공방 (AI 모델) 들이 사용하는 블록의 모양을 통일했습니다. 이제 어떤 공방에서 만든 부품이든, 이브디자인의 플랫폼에 바로 끼워 넣을 수 있습니다.
• 원하는 대로 조합 (유연한 워크플로우): "날씨가 더울 때 입는 옷 (안정성)"과 "특정 벌레를 막는 옷 (항체)"을 동시에 만들고 싶다면? 이브디자인은 여러 공방의 기술을 한 번에 섞어서 그 조건을 만족하는 옷을 설계해 줍니다.
• 실험실과의 소통 (랩-인-더-루프): 실험실에서 만든 옷을 입어보고 "여기 좀 고쳐줘"라고 하면, 그 피드백을 바로 다음 설계에 반영합니다. 마치 의류 디자이너가 모델의 피드백을 받으며 바로 패턴을 수정하는 것처럼요.

🛠️ 3. 이브디자인의 핵심 기능 3 가지

이브디자인은 세 가지 주요 작업을 통해 단백질을 설계합니다.

1. 생성 (Generate): "새로운 옷을 만들어줘!"라고 하면, 기존에 없던 새로운 디자인을 뚝딱 만들어냅니다. (예: 자연계에 없는 새로운 효소)
2. 점수 매기기 (Score): "이 옷이 얼마나 잘 만들어졌어?"라고 물어보면, AI 가 점수를 줍니다. "이 옷은 튼튼하지만 무겁고, 저 옷은 가볍지만 약해"라고 평가해 줍니다.
3. 변환 (Transform): "이 옷의 디자인을 3D 모형으로 바꿔줘" 또는 "이 3D 모형에서 어떤 재료가 쓰였는지 알려줘"라고 하면 서로 다른 형태의 정보를 변환해 줍니다.

🌟 4. 실제 사례: 이브디자인이 뭘 했나요?

이브디자인은 이미 세 가지 분야에서 성공적으로 작동했습니다.

• 효소 설계 (무작위 탐색): 자연에서 발견된 효소들을 분석해, 자연에는 없지만 더 잘 작동하는 새로운 효소를 만들어냈습니다. 마치 자연의 나무를 보고 더 튼튼한 새로운 나무를 설계하는 것과 같습니다.
• 항체 개선 (복합 평가): 항체 (면역 세포) 가 바이러스에 잘 붙는지 확인합니다. 여기서 중요한 건, 단순히 아미노산 서열만 보는 모델과 3D 구조를 보는 모델을 동시에 사용했다는 점입니다.
  • 비유: 옷의 재질 (서열) 만 보고 "좋다"고 할 수도 있지만, 실제로 입어봤을 때 (3D 구조) 팔이 잘 움직이는지 확인해야 합니다. 이브디자인은 두 가지 관점을 모두 고려해 최적의 항체를 찾아냅니다.
• 효소 발견 (지도 학습): "이런 효소는 약을 잘 만드는데, 그중에서 더 잘 만드는 게 뭐가 있을까?"라고 질문하면, 실험 데이터를 학습시켜 가장 효율적인 효소를 찾아냅니다. 마치 최고의 요리사를 찾기 위해 수많은 레시피를 분석하는 것과 같습니다.

🌐 5. 누구나 쓸 수 있는 도구

가장 큰 장점은 누구나 쓸 수 있다는 점입니다.

• 웹 인터페이스: 코딩을 몰라도 웹사이트 (https://evedesign.bio) 에 접속해서 마우스로 클릭만 하면 복잡한 설계를 할 수 있습니다.
• 오픈 소스: 누구나 이 도구를 무료로 사용하고, 자신의 아이디어를 추가해서 더 발전시킬 수 있습니다.
• 보안: 기업이나 병원처럼 비밀이 중요한 곳에서는 이 도구를 자체 서버에 설치해, 데이터가 외부로 나가지 않게 안전하게 사용할 수 있습니다.

💡 요약

evedesign은 단백질 설계라는 복잡하고 어렵고 비싼 작업을, **누구나 쉽게 접근할 수 있고, 다양한 AI 기술을 자유롭게 섞어 쓸 수 있는 '통합 설계 키트'**로 만든 혁신적인 도구입니다.

이제 과학자들은 각자 다른 공방을 돌아다니며 수작업으로 재료를 옮기는 대신, 이브디자인이라는 하나의 플랫폼에서 원하는 단백질을 쉽고 빠르게 설계할 수 있게 되었습니다. 이는 신약 개발, 친환경 제조, 기후 변화 대응 등 인류의 중요한 문제들을 해결하는 데 큰 도움이 될 것입니다.

기술 요약

1. 문제 제기 (Problem)

단백질 공학 분야에서 머신러닝 (ML) 방법론은 급격히 발전하고 있으나, 실제 연구 및 산업 현장에 적용하는 데에는 다음과 같은 심각한 장벽이 존재합니다.

• 상호 운용성 (Interoperability) 부재: 다양한 ML 모델 (MSA 기반, 대규모 언어 모델, 역접힘 모델, 3D 구조 설계 모델 등) 이 각기 다른 데이터 형식과 API 를 사용하여 서로 호환되지 않습니다. 하나의 도구에서 다른 도구로 모델을 교체하거나 결합하려면 맞춤형 (bespoke) 코드 개발이 필수적입니다.
• 복잡한 설계 요구사항 대응 불가: 실제 단백질 설계는 단일 목표가 아닌, 열안정성, pH 내성, T 세포 에피토프 제거, 새로운 표적 결합 등 다중 제약 조건 (conditional design) 하에서 이루어집니다. 또한, 실험 데이터를 지속적으로 반영하여 설계를 개선하는 랩 - 인 - 더 - 루프 (lab-in-the-loop) 워크플로우가 필요하지만, 기존 도구들은 이를 지원하지 못합니다.
• 접근성 및 재현성 부족: 비전문가 (실험실 연구자 등) 가 접근할 수 있는 통합 인터페이스가 부족하며, 대부분 독점적이거나 파편화된 도구만 존재하여 재현성과 공유가 어렵습니다.

2. 방법론 (Methodology)

저자들은 위 문제를 해결하기 위해 evedesign이라는 통합 오픈소스 프레임워크를 제안합니다. 이 프레임워크는 생물학적 분자 설계를 조건부 모델링 (conditional modeling) 문제로 재정의하고, 다음과 같은 핵심 아키텍처를 제공합니다.

가. 표준화된 인터페이스 및 인스턴스 표현 (Unified Interface & Multi-level Instance)

• 조건부 모델링: 사용자는 단백질, DNA/RNA, 리간드 등으로 구성된 분자 시스템과 해당 시스템에 대한 알려진 정보 (서열, 3D 구조, 동족체 등) 를 표준화된 선언적 데이터 구조로 정의합니다.
• 다중 레벨 인스턴스 (Multi-level Instance): 각 설계 후보 (인스턴스) 는 서열 (Sequence), 임베딩 (Embedding), 3D 구조 (PDB) 정보를 동시에 포함하는 계층적 표현을 가집니다. 이는 서로 다른 입력 형식을 사용하는 모델 간에 데이터가 재포맷팅 없이 자연스럽게 흐르도록 합니다.

나. 세 가지 조립 가능한 연산 (Three Composable Operations)

모든 설계 워크플로우는 다음 세 가지 표준화된 연산의 조합으로 표현됩니다.

1. Generate (생성): 시스템 조건에 따라 새로운 설계 인스턴스를 생성합니다.
2. Score (점수 매기기): 각 인스턴스에 정량적 적합도 점수 (예: 로그 가능도) 를 부여합니다.
3. Transform (변환): 서열에서 3D 구조 예측, 임베딩 계산 등 표현 수준 간 매핑을 수행합니다.

• 이 구조를 통해 지도학습 (Supervised) 과 비지도학습 (Unsupervised) 모델을 자유롭게 결합하고, 다중 목표 최적화 (Multi-objective optimization) 를 수행할 수 있습니다.

다. 소프트웨어 구성 요소

• Core Package (Python): 표준 인터페이스를 구현하며, EVmutation2, ESM-2, ProteinMPNN/LigandMPNN 등의 참조 모델을 포함합니다.
• Server & API: 분산 실행 및 상태 추적을 위한 REST API 를 제공하며, 기업이나 임상 환경에서 프라이버시를 위해 사설 인프라에 호스팅 가능합니다.
• Web Interface: 코드 작성 없이 목표 서열부터 DNA 주문 가능한 서열까지의 전체 워크플로우를 시각적으로 수행할 수 있는 대화형 웹 UI 를 제공합니다.

라. EVmutation2 모델

• 기존 EVE 모델의 느린 훈련/파인튜닝 문제를 해결하기 위해 개발된 경량 진화 모델입니다.
• AlphaFold3 의 단일/쌍별 표현을 기반으로 하며, 순서 불변 (order-invariant) 자기회귀 디코더를 사용하여 빠르고 정확한 생성 추론이 가능합니다.
• ProteinGym 벤치마크에서 EVE 와 유사한 성능을 내면서도 타겟별 추가 훈련 없이 즉시 사용 가능합니다.

3. 주요 성과 및 결과 (Results)

세 가지 사례 연구를 통해 evedesign 의 유효성을 입증했습니다.

1. 비지도 효소 설계 (Unsupervised Enzyme Design):

   • Chorismate mutase (EcCM) 의 기능적 변이체를 생성하기 위해 EVmutation2 를 사용했습니다.
   • 생성된 서열은 자연 서열의 1 차 및 2 차 아미노산 통계를 잘 재현했으며 (r=0.98, 0.96), 기능적 서열과 유사한 로그 가능도 점수를 얻었습니다.
   • 기존 Russ et al. 연구의 설계보다 자연 서열과의 유사성이 높으면서도 의미 있는 외삽 (extrapolation) 능력을 보여주었습니다.

2. 서열 및 구조 기반 항체 스코어링 (Complementary Scoring):

   • 7 가지 임상 관련 항체의 단일 잔기 치환에 대해 ESM-2(서열 기반) 와 ProteinMPNN(구조 기반) 을 동시에 적용했습니다.
   • 두 모델은 서로 다른 정보를 제공하며, 특히 항원 - 항체 인터페이스 근처의 변이에 대해 구조 기반 모델이 해로운 변이를 더 정확하게 하향 평가하는 것을 확인했습니다.
   • 이는 다중 모델 접근법이 단일 모델보다 더 강력한 변이 우선순위 지정이 가능함을 보여줍니다.

3. 지도학습을 통한 효소 변이체 발견 (Supervised Discovery):

   • kynureninase (KYNase) 의 촉매 효율 ($k_{cat}/K_m$) 을 예측하기 위해 ESM-2 임베딩과 실험 데이터를 결합한 랜덤 포레스트 회귀 모델을 구축했습니다.
   • 기존 연구 (Eom et al.) 와 유사한 교차 검증 성능 (Spearman $\rho$ = 0.73) 을 달성했으며, 데이터베이스 규모의 미지 서열에 대해 효율적인 변이체를 성공적으로 선별했습니다.

4. 주요 기여 (Key Contributions)

• 통합 프레임워크: 단백질 설계의 파편화를 해결하고, 다양한 ML 모델을 표준화된 인터페이스로 통합하여 상호 운용성을 확보했습니다.
• 조건부 및 다중 목표 설계 지원: 복잡한 제약 조건과 다중 목표를 선언적 방식으로 정의하고 조립할 수 있는 시스템을 제공합니다.
• 랩 - 인 - 더 - 루프 워크플로우: 실험 데이터를 인스턴스 레이블로 직접 연결하여, 새로운 데이터로 설계를 반복적으로 개선하는 사이클을 지원합니다.
• 접근성 및 FAIR 원칙 준수: 오픈소스 (MIT/AGPLv3 라이선스), 웹 인터페이스, 사설 호스팅 옵션을 제공하여 계산 생물학자와 실험실 연구자 모두에게 접근성을 높였습니다.

5. 의의 및 결론 (Significance)

evedesign 은 단백질 공학 분야에서 머신러닝 방법론이 실제 응용 (치료제 개발, 지속 가능한 바이오 제조, 바이오 보안 등) 으로 이어질 수 있는 실용적인 인프라를 제공합니다.

• 커뮤니티 확장: 모듈식 아키텍처를 통해 새로운 모델과 워크플로우가 쉽게 통합될 수 있어, 기술 발전에 따라 프레임워크가 진화할 수 있는 '살아있는 소프트웨어'입니다.
• 민주화: 복잡한 코딩 없이도 고도화된 단백질 설계가 가능하도록 하여, 비전문가 연구자도 최첨단 ML 도구를 활용할 수 있게 했습니다.
• 미래 지향성: 이 프레임워크는 단순한 도구를 넘어, 실험 데이터와 계산 모델이 실시간으로 상호작용하는 차세대 자동화 과학 (AI Scientist) 의 기반이 될 것으로 기대됩니다.

이 논문은 단백질 설계의 복잡성을 단순화하고, 다양한 도구 간의 장벽을 허무는 통합 솔루션을 제시함으로써, 머신러닝 기반 단백질 공학의 실용화와 대중화를 가속화할 것으로 평가됩니다.