Pan-Pharmacological Drug-Target Interaction Prediction with 3D-Informed Protein Encoding at Scale

본 논문은 BindingDB 의 200 만 개 이상의 화합물 - 단백질 쌍으로 학습된 'OmniBind'라는 멀티태스크 프레임워크를 소개하며, 이는 3 차원 단백질 구조를 토큰 시퀀스로 인코딩하여 단일 순전달로 4 가지 약리학적 엔드포인트를 동시에 예측하고, 구조적 정보를 통해 높은 정확도와 해석 가능성을 확보하여 신약 개발 및 표적 재창출에 활용될 수 있음을 보여줍니다.

핵심

1. 왜 이 연구가 필요한가요? (문제 상황)

약 개발은 마치 수조 개의 열쇠 (약) 중 올바른 자물쇠 (단백질) 를 찾는 것과 같습니다.

• 기존의 어려움 1 (속도 vs 정확도): 자물쇠의 3 차원 모양을 정밀하게 분석하면 정확하지만, 시간이 너무 오래 걸려서 모든 열쇠를 다 테스트할 수 없습니다. 반대로 빠르게 분석하려면 모양을 무시해야 해서 정확도가 떨어집니다.
• 기존의 어려움 2 (한 가지 기능만 봄): 기존 AI 는 "이 약이 얼마나 잘 붙는가 (결합력)"만 예측했습니다. 하지만 실제 약은 "세포 안에서 얼마나 잘 작동하는가 (효과)"도 중요하죠. 한 가지 지표만 보면 약의 전체적인 성격을 알 수 없습니다.
• 기존의 어려움 3 (새로운 약에 약함): AI 가 과거 데이터만 외워서 새로운 약이나 새로운 단백질에는 엉뚱한 답을 내놓는 경우가 많았습니다.

2. OmniBind 의 해결책: "3D 지도를 텍스트로 변환한 마법사"

OmniBind 는 이 모든 문제를 한 번에 해결합니다.

🏗️ 핵심 아이디어: 3D 구조를 '알파벳'으로 바꾸다

기존에는 약과 단백질의 3 차원 구조를 분석하려면 무거운 컴퓨터 연산이 필요했습니다. 하지만 OmniBind 는 단백질의 3 차원 구조를 마치 '알파벳'이나 '문장'처럼 단순한 텍스트 (토큰) 로 변환합니다.

• 비유: 복잡한 3D 건축 도면을 보고 계산하는 대신, **"이 벽은 단단하고, 이 창문은 작다"는 식의 간단한 설명서 (텍스트)**로 바꾸는 것입니다. 이렇게 하면 AI 가 문장을 읽듯이 매우 빠르게 구조를 이해할 수 있게 됩니다.

🤝 두 가지 눈을 동시에 뜨다 (게이트 퓨전)

OmniBind 는 단백질 정보를 볼 때 두 가지 눈을 동시에 사용합니다.

1. 아미노산 서열 (기본 정보): 단백질의 기본 구성 성분을 봅니다.
2. 3D 구조 정보 (위치가 중요한 정보): 위에서 설명한 '알파벳'으로 바뀐 3D 구조를 봅니다.

이 두 정보를 단순히 더하는 게 아니라, "이 상황에서는 기본 정보가 중요하고, 저 상황에서는 3D 구조가 더 중요하다"고 AI 가 스스로 판단하여 섞어줍니다. (이를 '게이트 퓨전'이라고 합니다.)

• 비유: 요리할 때 레시피 (서열) 만 보는 게 아니라, 재료를 다듬은 모양 (구조) 도 보고 "오늘은 레시피를 따르고, 내일은 재료를 더 잘게 썰어야겠다"고 상황에 맞게 조절하는 현명한 요리사와 같습니다.

🎯 한 번에 네 가지 점수 내기 (멀티태스크)

기존 AI 는 한 번에 한 가지 점수만 냈다면, OmniBind 는 한 번에 네 가지 점수를 동시에 예측합니다.

• 결합력 (얼마나 단단히 붙는가?)
• 억제력 (얼마나 잘 멈추게 하는가?)
• 세포 내 효과 (실제로 얼마나 잘 작동하는가?)
• 효능 (최종적으로 얼마나 좋은가?)

이것은 약의 '종합 건강 진단서'를 한 번에 만들어주는 것과 같습니다.

3. 이 모델이 얼마나 뛰어난가요? (성과)

연구팀은 이 모델을 실제 데이터로 시험해 보았습니다.

• 새로운 약에도 강함: 과거에 본 적 없는 새로운 약과 새로운 단백질 조합을 예측해도 매우 정확하게 맞췄습니다. 이는 AI 가 단순히 과거 데이터를 외운 게 아니라, 약과 단백질이 만나는 '물리 법칙'을 진짜로 이해했기 때문입니다.
• 의미 있는 발견: AI 가 "어떤 부위에 집중해서 보았는가 (Attention)"를 분석해 보니, 실제로 약이 결합하는 중요한 부위 (예: 암 치료제인 이마티닙이 결합하는 ABL1 단백질의 특정 부위) 를 정확히 찾아냈습니다. 심지어 약이 듣지 않는 변이 (T315I) 가 생기면 AI 가 그 변화를 감지하고 주의를 기울이는 정도를 줄였습니다.
  • 비유: AI 가 단순히 "이 약은 암을 치료한다"고 외운 게 아니라, **"이 약이 암세포의 열쇠구멍 (T315) 에 꽂히는 모습을 정확히 보고 있다"**는 뜻입니다.
• 실제 약 재발견 (Drug Repositioning): 이미 시판 중인 약 (클로자핀 등) 을 우리 몸의 2 만 개가 넘는 단백질에다 대고 검색해 보니, 기존에 알려진 부작용이나 새로운 치료 효과를 정확히 찾아냈습니다. 특히 구조가 비슷한 두 약 (클로자핀과 클로미프라민) 을 구별해 내는 능력도 뛰어났습니다.

4. 요약: 왜 이것이 중요한가요?

OmniBind 는 **약 개발 과정을 가속화하는 '초고속 스캐너'**입니다.

• 빠름: 수천 개의 단백질 구조를 수천 분이 아닌 수 초 안에 분석합니다.
• 정확함: 3D 구조 정보를 포함하면서도, 새로운 약에 대해 잘 일반화됩니다.
• 이해 가능: AI 가 왜 그 약을 선택했는지, 어떤 부위를 보고 결정했는지 설명할 수 있습니다.

이 기술이 발전하면, 새로운 약을 개발하거나 기존 약을 새로운 병에 쓰는 (약 재창출) 작업이 훨씬 빨라지고, 부작용을 미리 예측하여 환자들에게 더 안전하고 효과적인 약을 제공할 수 있게 될 것입니다.

한 줄 요약: "복잡한 3D 구조를 간단한 언어로 바꿔서, AI 가 약과 단백질의 만남을 빠르고 정확하게, 그리고 이유까지 설명하며 예측하는 새로운 시스템!"

기술 요약

논문 개요: OmniBind

이 논문은 약물 - 표적 상호작용 (DTI) 예측 분야에서 기존 딥러닝 모델이 겪는 구조 정보 통합의 계산 비용 문제, 단일 지표 예측의 한계, 그리고 실제 데이터의 노이즈와 편향이라는 세 가지 핵심 과제를 해결하기 위해 제안된 새로운 멀티태스크 프레임워크 OmniBind를 소개합니다.

1. 연구 배경 및 문제 정의 (Problem)

• 약물 개발의 비효율성: 신약 개발 과정에서 임상 단계 통과율이 10% 미만이며, 이는 방대한 화학 공간과 수만 개의 인간 단백질 간의 상호작용을 정확히 예측하기 어렵기 때문입니다.
• 기존 방법론의 한계:
  • 분자 도킹 (Molecular Docking): 고해상도 실험 구조가 필요하고 계산 비용이 매우 높아 대규모 스크리닝에 부적합합니다.
  • 기존 딥러닝 모델: 대부분 단일 약리학적 지표 (예: $K_i$ 또는 $IC_{50}$) 만 예측하며, 구조 정보를 통합할 경우 계산량이 급증하거나, 단순한 시퀀스 기반 모델은 실험 데이터의 노이즈와 편향 (ligand bias) 에 취약하여 새로운 화합물에 대한 일반화 능력이 떨어집니다.
  • 다중 지표 예측 부재: 실제 임상적 관련성을 평가하려면 결합 친화도 ($K_i, K_d$) 와 세포 내 효능 ($IC_{50}, EC_{50}$) 을 동시에 고려해야 하지만, 이를 통합하는 프레임워크는 부재했습니다.

2. 방법론 (Methodology)

OmniBind 는 세 가지 설계 원칙을 기반으로 한 멀티태스크 딥러닝 아키텍처입니다.

가. 3D 구조 정보의 효율적 인코딩 (3D-Informed Encoding)

• 3Di 토큰 시퀀스: 단백질의 3 차원 구조를 직접적인 3D 그래프나 볼륨 데이터로 표현하는 대신, ProstT5 모델을 사용하여 아미노산 서열을 기반으로 3Di(3D Structure Index) 토큰 시퀀스를 생성합니다. 이는 20 개의 이산 토큰으로 국소적인 생리화학적 환경을 표현하여, 구조 정보를 시퀀스 수준의 계산 속도로 처리할 수 있게 합니다.
• 이중 모달리티 인코딩:
  1. 화합물 인코더: SMILES 를 그래프로 변환하여 그래프 합성곱 신경망 (GCN) 으로 원자 수준의 특징을 추출합니다.
  2. 단백질 인코더: 아미노산 서열과 3Di 구조 시퀀스를 각각 별도의 Transformer 인코더로 처리합니다.

나. 적응형 게이트 퓨전 (Adaptive Gated Fusion)

• 단순한 연결 (concatenation) 이나 덧셈 (addition) 이 아닌, 게이트 퓨전 (Gate Fusion) 레이어를 도입했습니다.
• 학습 가능한 시그모이드 게이트를 통해 결합 컨텍스트에 따라 서열 특징과 구조 특징의 기여도를 동적으로 가중치 조절합니다. 이는 두 모달리티가 상호 보완적이며 상황에 따라 중요도가 달라진다는 것을 반영합니다.

다. 멀티태스크 예측 (Multitask Prediction)

• 하나의 포워드 패스 (forward pass) 를 통해 네 가지 약리학적 지표 ($pK_i, pK_d, pIC_{50}, pEC_{50}$) 를 동시에 예측합니다.
• Transformer 디코더는 크로스 어텐션 (cross-attention) 메커니즘을 사용하여 화합물과 단백질 간의 상호작용을 모델링하며, 마스킹 (masking) 전략을 통해 BindingDB 의 불완전한 라벨 데이터도 효과적으로 학습합니다.

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

가. 성능 평가 (Benchmarking)

• 적대적 평가 (Label Reversal Test): 화합물의 활성/비활성 라벨을 단백질별로 뒤집어 모델이 화합물 구조만 외우는 것이 아니라 단백질 특이적 상호작용을 학습했는지 검증했습니다. OmniBind 는 DTI-LM 및 TransformerCPI 2.0 보다 낮은 RMSE 를 기록하며 우수한 일반화 능력을 입증했습니다.
• 시간적 평가 (Temporal Validation): 2023 년 5 월 데이터로 훈련하고 2024 년 11 월에 추가된 완전히 새로운 화합물/단백질 쌍으로 테스트했습니다. OmniBind 는 기존 모델들을 압도하며 미래의 신약 발견 시나리오에서도 견고함을 보였습니다.

나. 해석 가능성 및 생물학적 타당성 (Interpretability)

• 어텐션 분석: ABL1 키나제와 이마티닙 (imatinib) 의 상호작용을 분석한 결과, 모델이 게이트키퍼 잔기 T315에 높은 어텐션 가중치를 부여함을 확인했습니다.
• 돌연변이 감지: T315I (약물 내성) 돌연변이를 입력했을 때, 해당 잔기의 어텐션 가중치가 유의미하게 감소하여 모델이 단일 잔기 수준의 구조적 변화와 임상적 의미를 포착할 수 있음을 보였습니다.

다. 실용적 적용 (Proteome-wide Screening)

• 전체 인간 프로테옴 스크리닝: 20,421 개의 인간 단백질을 대상으로 클로자핀 (clozapine) 과 클로미프라민 (clomipramine) 의 오프 - 타겟을 스크리닝했습니다.
  • 클로자핀: 알려진 주요 표적 (HTR2A) 이 1 위, 부작용 관련 표적 (HRH1, ADRA1A 등) 이 상위 200 위 이내에 모두 포함되었습니다 (정확도 85.7%).
  • 구조적 유사성 구분: 구조적으로 유사한 클로미프라민과 구별하여 각 약물의 고유한 약리학적 프로파일을 정확히 재현했습니다.
• 약물 재창출 (Drug Repositioning): FDA 승인 약물에 대해 새로운 표적 (PDE5, KLKB1, SIRT3) 을 예측하고, 볼츠 -2(Boltz-2) 와 도킹 시뮬레이션을 통해 결합 모드를 구조적으로 검증했습니다.

4. 의의 및 결론 (Significance)

1. 고효율 3D 구조 통합: AlphaFold 3 나 도킹 시뮬레이션과 같은 고비용 방법론 없이도, 3Di 토큰을 통해 3D 구조 정보를 밀리초 단위로 처리하여 전체 프로테옴 스크리닝을 가능하게 했습니다.
2. 포괄적 약리학적 프로파일링: 단일 지표가 아닌 다중 약리학적 지표를 동시에 예측함으로써, 리드 최적화 (lead optimization) 와 안전성 평가 (off-target safety) 에 더 유용한 정보를 제공합니다.
3. 강건한 일반화: 대규모 BindingDB 데이터와 적응형 퓨전 메커니즘을 통해 실험 데이터의 노이즈와 편향을 극복하고, 물리화학적 상호작용 원리를 학습하여 새로운 화합물/단백질 공간에서도 뛰어난 성능을 발휘합니다.
4. 해석 가능한 AI: 어텐션 메커니즘을 통해 약물 내성 돌연변이와 같은 생물학적으로 중요한 부위를 식별할 수 있어, 신뢰할 수 있는 약물 발견 플랫폼으로서의 가치를 입증했습니다.

결론적으로, OmniBind 는 구조 기반 정보의 효율적 통합과 멀티태스크 학습을 결합하여, 대규모 규모의 정밀한 약물 - 표적 상호작용 예측을 가능하게 하는 차세대 플랫폼으로, 신약 개발 파이프라인의 초기 단계에서 리드 후보 선정 및 안전성 평가에 혁신적인 도구가 될 것으로 기대됩니다.