GYDE: A collaborative drug discovery platform for AI-powered protein design and engineering

GYDE 는 실험실 연구자들이 인공지능 기반 단백질 및 항체 설계 도구를 쉽게 접근하고 협업할 수 있도록 설계된 오픈소스 웹 기반 플랫폼입니다.

핵심

이 논문은 **'GYDE(가이드 유어 디자인 앤 엔지니어링)'**이라는 새로운 도구에 대해 소개하고 있습니다. 이를 쉽게 설명하기 위해 **'마법 같은 과학자 워크숍'**이라는 비유를 사용해 보겠습니다.

🧪 GYDE 란 무엇인가요?

과거에 과학자들이 새로운 약을 만들거나 단백질을 연구할 때는 마치 각자 다른 언어를 쓰는 여러 명의 장인이 모여 일하는 것과 같았습니다.

• 어떤 사람은 구조를 그리는 도구만 다뤘고,
• 어떤 사람은 데이터 표를 다루는 도구만 썼으며,
• 또 다른 사람은 인공지능 (AI) 모델을 실행하는 복잡한 코딩을 해야 했습니다.

이들은 서로 소통하기 어렵고, 데이터를 옮기려면 번거로운 과정을 거쳐야 했습니다. 마치 레고 블록을 조립할 때, 한 장인은 벽돌을, 다른 장인은 접착제를, 또 다른 장인은 설계도를 따로 들고 와서 서로 맞춰보느라 시간이 너무 오래 걸리는 상황과 비슷했습니다.

**GYDE 는 바로 이 문제를 해결해 주는 '모든 것을 한곳에 모은 슈퍼 워크숍'**입니다.

• 웹 기반 플랫폼: 복잡한 설치 없이 웹 브라우저만 열면 됩니다.
• 코딩 불필요: 과학자가 컴퓨터 코딩을 몰라도 마우스 클릭만으로 모든 작업을 할 수 있습니다.
• 통합된 공간: 단백질의 '서열 (문자)', '구조 (3D 모양)', '기능 (실험 결과)'을 한 화면에서 동시에 볼 수 있습니다.

---

🛠️ GYDE 의 핵심 기능 (마법 도구들)

GYDE 는 과학자들에게 다음과 같은 마법 같은 도구들을 제공합니다.

1. 동기화된 3D 안경 (구조 시각화):
   과학자가 테이블에서 특정 단백질 줄을 클릭하면, 옆에 있는 3D 모델이 자동으로 그 부분을 확대해 보여줍니다. 마치 현미경을 통해 세포를 볼 때, 특정 세포를 터치하면 그 세포의 3D 구조가 바로 튀어나와 회전하는 것과 같습니다.

2. AI 마법사 (구조 예측 및 설계):
   AlphaFold 나 ProteinMPNN 같은 최신 AI 모델들이 GYDE 안에 숨어 있습니다. 과학자가 "이 단백질을 더 튼튼하게 만들어줘"라고 말하면, AI 가 즉시 수천 가지의 새로운 디자인을 제안해 줍니다. 이는 요리사가 "맛있는 스테이크를 만들어줘"라고 말하자마자 AI 가 수백 가지 레시피를 추천해 주는 것과 같습니다.

3. 데이터의 지도 (히트맵 및 그래프):
   방대한 실험 데이터를 복잡한 표로 보는 대신, GYDE 는 이를 색깔이 다른 지도로 바꿔줍니다. 어떤 부분이 문제가 되는지, 어떤 변이가 좋은 효과를 내는지 색깔로 한눈에 파악할 수 있습니다.

4. 함께 일하는 공간 (협업):
   과학자들은 자신의 연구 세션을 링크 하나로 공유할 수 있습니다. 이는 동료에게 "내 작업대 상태를 그대로 보여줄게"라고 말하며 링크를 보내는 것과 같아, 서로의 아이디어를 실시간으로 공유하고 발전시킬 수 있습니다.

---

🌟 실제 사례: GYDE 가 어떻게 세상을 바꿨나요?

논문에서는 GYDE 가 실제로 어떻게 쓰였는지 6 가지 사례를 소개합니다.

• 단백질 짝짓기 찾기: 1,381 개의 단백질이 서로 만날지 예측할 때, GYDE 를 사용하면 수일이 걸리던 작업을 몇 시간 만에 끝내고 가장 유망한 짝을 찾아냈습니다.
• 항체 (Antibody) 설계: 코로나바이러스를 막는 항체를 개선할 때, GYDE 의 '히트맵' 기능을 통해 어떤 아미노산을 바꿔야 가장 효과적일지 눈으로 확인하며 설계했습니다.
• 새로운 약용 단백질 만들기: LRRC15 라는 암 표지자에 결합하는 작은 단백질을 처음부터 설계할 때, GYDE 를 통해 1,000 개 이상의 후보 중 실험실로 가져갈 만한 120 개를 빠르게 선별했습니다.

---

💡 결론: 왜 이것이 중요한가요?

GYDE 는 복잡한 컴퓨터 과학과 실험실 과학 사이의 벽을 허문 도구입니다.
이전에는 컴퓨터 전문가와 실험실 과학자가 따로 놀아야 했지만, GYDE 는 모든 과학자가 AI 의 힘을 빌려 자유롭게 상상하고 실험할 수 있는 무대를 제공합니다.

마치 모두가 쉽게 다룰 수 있는 스마트폰 앱이 등장하여 복잡한 카메라 설정을 몰라도 고화질 사진을 찍을 수 있게 된 것처럼, GYDE 는 복잡한 단백질 공학을 누구나 쉽게 접근하고 협업할 수 있게 만들어 약 개발의 속도를 획기적으로 높여줄 것으로 기대됩니다.

이 도구는 오픈 소스로 공개되어 있어, 전 세계의 과학자들이 무료로 사용할 수 있으며, 새로운 기술이 나오면 언제든지 이 워크숍에 추가할 수 있도록 유연하게 설계되었습니다.

기술 요약

GYDE: AI 기반 단백질 설계 및 엔지니어링을 위한 협업형 약물 발견 플랫폼

1. 문제 정의 (Problem)

최근 알파폴드 (AlphaFold), 로제타폴드 (RosettaFold), ProteinMPNN, RFDiffusion 등 단백질 과학을 위한 계산 도구 및 머신러닝 모델의 급속한 발전은 약물 발견 워크플로우에 혁신을 가져왔습니다. 그러나 이러한 도구들의 빠른 발전 속도와 복잡성으로 인해 실험실 연구원 (Bench Scientists) 이 이를 효과적으로 활용하는 데 다음과 같은 심각한 장벽이 존재합니다.

• 도구 간 단절 (Fragmentation): 각 도구가 서로 다른 환경에서 구축되어 있어, 시퀀스, 구조, 기능 데이터를 하나의 통합된 환경에서 분석하기 어렵습니다.
• 높은 기술적 진입 장벽: 도구들을 연결하고 실행하기 위해 상당한 프로그래밍 지식과 IT 인프라 투자가 필요하여, 비전공자 연구자들이 접근하기 힘듭니다.
• 비효율적인 협업: 분석 결과가 각기 다른 파일이나 도구 (스프레드시트, 시퀀스 뷰어, 구조 뷰어 등) 에 분산되어 있어, 데이터 공유와 연속적인 워크플로우 구축이 어렵습니다.
• 상용 솔루션의 한계: 상용 End-to-End 솔루션은 비용이 비싸고, 소스 코드가 폐쇄적이며, 최신 AI 모델 도입이 느려 유연성이 부족합니다.

2. 방법론 (Methodology)

이러한 문제를 해결하기 위해 개발된 GYDE (Guide Your Design and Engineering) 는 오픈소스 기반의 웹-기반 협업 플랫폼입니다. GYDE 는 다음과 같은 설계 원칙과 아키텍처를 기반으로 합니다.

• 핵심 설계 원칙:

  1. 코드 없는 (No-code) 인터페이스: 프로그래밍 지식 없이도 직관적으로 사용할 수 있도록 설계되었습니다.
  2. 시퀀스 - 구조 - 기능의 통합: 단백질 과학의 핵심인 이 세 요소의 관계를 단일 환경에서 시각화하고 분석할 수 있도록 통합되었습니다.
  3. 최신 도구 및 데이터 접근성: Slivka Compute API 를 활용하여 새로운 AI 모델 (AlphaFold, Chai, Boltz 등) 을 유연하게 추가하고 실행할 수 있습니다.
  4. 협업 강화: 세션 저장 및 공유 기능을 통해 연구자들이 데이터와 분석 결과를 쉽게 공유할 수 있습니다.

• 시스템 아키텍처:

  • 모듈형 구조: 사용자 인터페이스 (UI), 백엔드 서버, 데이터 관리, 계산 리소스 (Slivka) 가 모듈화되어 상호 통신하며 확장성을 보장합니다.
  • 주요 구성 요소:
    • MSA 뷰어: MAFFT 또는 항체 전용 정렬기 (Absolve) 를 통해 시퀀스 정렬 및 주석 작성이 가능합니다.
    • 구조 시각화 (Mol Viewer):* 선택된 시퀀스에 대응하는 분자 구조를 표시하며, AlphaFold 등 예측 결과를 자동으로 오버레이하여 보여줍니다.
    • 플롯팅 및 데이터 분석: 실험 데이터 (예: SPR, 발현량) 와 계산 데이터를 통합하여 히스토그램, 산점도, 히트맵, 시퀀스 로고 등을 생성하고 상호작용적으로 탐색합니다.
    • 이미지 뷰어: SPR 센서그램 등 정적 이미지를 데이터 행과 연결하여 비교 분석합니다.
  • 데이터 모델: MongoDB 기반의 영구적 데이터 모델을 사용하여 행 (분자 어셈블리) 과 열 (실험/계산 값) 의 유연한 데이터프레임 구조를 제공합니다. 외부 데이터베이스 (PDB, UniProt) 및 LIMS 와의 통합을 지원합니다.

3. 주요 기여 (Key Contributions)

• 통합 분석 환경 제공: 시퀀스, 구조, 기능 데이터를 분리된 도구 없이 하나의 웹 인터페이스에서 실시간으로 연결하여 분석할 수 있는 최초의 플랫폼 중 하나입니다.
• ** democratization (민주화) of AI Tools:** 복잡한 계산 도구를 코드 없이 사용할 수 있게 하여, 실험실 연구원들이 직접 AI 기반 단백질 설계 및 엔지니어링을 수행할 수 있게 했습니다.
• 확장성 및 유연성: Slivka API 를 통해 새로운 AI 모델과 계산 리소스를 쉽게 통합할 수 있어, 빠르게 변화하는 단백질 과학 환경에 적응 가능합니다.
• 협업 기능 강화: "View-in-GYDE" API 및 세션 공유 기능을 통해 연구 팀 간 데이터 흐름을 원활하게 하고, 반복적인 데이터 입출력을 제거했습니다.

4. 결과 (Results)

GYDE 는 초기 약물 발견 단계의 6 가지 사례 연구를 통해 그 유용성을 입증했습니다.

1. 단일 통과 막관통 (STM) 올리고머 구조 예측: 1,381 개의 잠재적 단백질 상호작용에 대해 AlphaFold2-multimer 를 실행하여, 실험 데이터 및 STRING 데이터베이스와 비교 분석했습니다. GYDE 를 통해 고신뢰도 예측군을 시각적으로 식별하고 새로운 상호작용 후보를 발굴했습니다.
2. 공-접힘 (Co-folding) 방법 벤치마킹: Boltz-1 과 Chai-1r 모델을 사용하여 Runs-N-Poses 데이터셋을 재분석했습니다. GYDE 의 통합 뷰어를 통해 예측 정확도와 훈련 데이터 유사성 간의 관계를 직관적으로 확인하고, 기존 연구 결과를 재현했습니다.
3. 항체 엔지니어링 (SARS-CoV-2 및 Anti-PD-1):
   • SARS-CoV-2 항체: NGS 시퀀스 데이터와 구조 예측을 결합하여 CDR 영역의 변이 패턴을 히트맵으로 분석하고, 항원 결합 부위를 예측했습니다.
   • Anti-PD-1 항체: ProteinMPNN 을 활용하여 비정형 이황화 결합을 제거하면서도 친화력을 유지하는 변이체를 설계했습니다. GYDE 의 빈도 분석 (Frequency Analysis) 과 구조 뷰어를 통해 최적의 변이 (Ala-Ala 등) 를 신속하게 선별하고 실험적으로 검증했습니다.
4. 단백질 설계 (HyperTEV): ProteinMPNN 을 사용하여 TEV 프로테아제의 촉매 효율을 20 배 향상시킨 변이체 (HyperTev) 를 설계하는 과정을 재현했습니다. 복잡한 설계 공간 (Design Space) 을 시각적으로 정의하고 결과를 필터링하는 데 GYDE 가 효과적이었습니다.
5. De Novo 미니단백질 설계 (LRRC15): RFDiffusion, BindCraft, ProteinMPNN 을 조합하여 AAV 캡시드에 삽입 가능한 LRRC15 결합 단백질을 설계했습니다. 1,000 개 이상의 후보를 GYDE 에서 실험 데이터 (VLP 수율, 결합 친화력) 와 통합하여 분석하고 최적 후보를 선별했습니다.

5. 의의 및 결론 (Significance)

GYDE 는 단백질 과학 및 약물 발견 분야에서 계산 도구와 실험실 연구 간의 격차를 해소하는 중요한 도구입니다.

• 효율성 증대: 연구자들은 수일이 걸리던 분석 작업을 시간 또는 분 단위로 단축할 수 있으며, 반복적인 데이터 처리 없이 직관적인 시각화를 통해 가설을 검증할 수 있습니다.
• 학제간 협업 촉진: 생물학자, 화학자, 계산 과학자 등 다양한 배경의 연구자가 동일한 플랫폼에서 데이터를 공유하고 협업할 수 있어 혁신 속도를 가속화합니다.
• 미래 지향성: GYDE 는 새로운 AI 모델의 도입에 유연하게 대응할 수 있으며, 향후 대규모 언어 모델 (LLM) 기반의 프롬프트 인터페이스와의 통합을 통해 더욱 지능화된 분석 환경을 제공할 것으로 기대됩니다.

결론적으로, GYDE 는 오픈소스, 웹 기반, 협업 중심의 아키텍처를 통해 AI 기반 단백질 설계의 장벽을 낮추고, 학술계 및 산업계 모두에서 차세대 약물 발견 플랫폼으로 자리매김할 잠재력을 가지고 있습니다.