IMMREP25: Unseen Peptides

IMMREP25 컨테스트는 기존 데이터가 없는 '미확인' 펩타이드에 대한 TCR:pMHC 결합 예측을 평가한 결과, 구조 모델링을 활용한 최상위 방법들이 무작위 추측을 유의미하게 능가하는 성과를 거두었음을 보여줍니다.

핵심

이 논문은 **"IMMREP25"**라는 이름의 흥미진진한 **'예측 대결'**에 대한 이야기입니다. 이 대결은 면역학의 가장 난해한 퍼즐 중 하나를 해결하려는 과학자들의 시도를 담고 있습니다.

간단히 말해, **"새로운 바이러스가 나타났을 때, 우리 몸의 방어군 (T 세포) 이 그 바이러스를 정확히 찾아낼 수 있을까?"**를 예측하는 기술에 대한 평가입니다.

이 내용을 일상적인 비유로 쉽게 설명해 드릴게요.

---

1. 배경: 우리 몸의 '수색대'와 '범인 수첩'

우리 몸에는 T 세포라는 특수 부대가 있습니다. 이 부대는 다른 세포들이 들고 다니는 **패키지 (pMHC)**를 검사합니다.

• 패키지 (pMHC): 세포가 들고 있는 작은 조각 (바이러스 조각 등).
• 수색대 (T 세포): 그 조각이 '나'인지 '남'인지 확인하는 경호원.

과거 과학자들은 **"이미 잡힌 범인 (알려진 바이러스 조각)"**에 대해서는 수색대가 어떻게 반응하는지 대략적인 '수첩 (데이터베이스)'을 만들어 예측했습니다. 하지만 이번 대결의 핵심은 **"아무도 본 적 없는 새로운 범인 (Unseen Peptides)"**이었습니다.

비유: 경찰이 과거에 잡은 도둑들의 사진만 보고 새로운 도둑을 잡는 건 쉽습니다. 하지만 아무도 본 적 없는 완전히 새로운 도둑이 나타나면, 기존 수첩은 쓸모가 없어집니다. 이번 대결은 바로 이 '완전 낯선 도둑'을 찾아내는 능력을 테스트한 것입니다.

2. 대결의 규칙: 1,000 명의 수색대 vs 20 명의 낯선 도둑

이번 대결 (IMMREP25) 에서는 다음과 같은 상황이 주어졌습니다.

• 1,000 명의 수색대 (TCR): 각자 고유한 얼굴을 가진 T 세포들.
• 20 명의 낯선 도둑 (Peptides): 과거에 한 번도 기록된 적 없는 20 가지의 새로운 바이러스 조각.
• 과제: "이 1,000 명의 수색대 중 누가 이 20 명의 낯선 도둑을 찾아낼 수 있을까?"를 예측하는 것.

과거의 예측 프로그램들은 "이 도둑은 전에 본 적이 없어서, 아무나 잡을 거야"라고 말하며 무작위 추측 (동전 던지기) 수준에 머물렀습니다. 하지만 이번에는 상황이 달랐습니다.

3. 승자들의 비법: "눈으로 직접 보는 것" (구조 모델링)

이번 대결에서 우승한 팀들은 기존의 '수첩 (데이터)'만 믿지 않았습니다. 대신 가상 현실 (VR) 안경을 쓰고 직접 3D 구조를 만들어본 방식을 사용했습니다.

• 기존 방식 (데이터 기반): "이 도둑은 키가 크고 빨간 모자를 썼으니, 빨간 모자를 쓴 수색대가 잡을 거야." (이론만 믿음)
• 우승 방식 (구조 기반): "잠깐, 이 도둑의 얼굴 모양과 수색대의 손 모양을 3D 로 만들어서 정말 맞을지 직접 끼워봐보자." (직접 시뮬레이션)

특히 **알파폴드 3 (AlphaFold 3)**라는 최신 AI 기술을 이용해, T 세포와 바이러스 조각이 어떻게 물리적으로 맞물리는지 3D 로 조립해 본 팀들이 가장 좋은 성적을 거두었습니다.

비유: 마치 레고 블록을 조립할 때, 설명서 (이전 데이터) 를 보는 것보다 직접 블록을 손으로 끼워보면서 (3D 구조 예측) 어떤 모양이 잘 맞는지 확인하는 것과 같습니다. 낯선 블록이라도 모양을 보면 끼울 수 있는지 알 수 있죠.

4. 결과: 큰 진보, 하지만 아직 갈 길은 멀다

• 성공: 이전에는 무작위 추측 (50%) 수준이었던 예측이, 최상위 기술로는 60% 수준까지 올라갔습니다. 이는 "완전히 새로운 도둑"을 잡는 데 있어 과학이 큰 한 걸음을 내디뎠다는 뜻입니다.
• 한계: 하지만 여전히 100% 는 아닙니다. 60% 라는 숫자는 "대략 맞출 수는 있지만, 실수할 확률도 여전히 높다"는 뜻입니다.
• 통계적 편견: 흥미롭게도, 어떤 종류의 바이러스 조각 (HLA-A02:01) 은 예측이 잘 되지만, 다른 종류 (HLA-B40:01) 는 여전히 어렵습니다. 이는 과거에 특정 종류의 데이터가 너무 많아서 AI 가 그쪽에만 익숙해졌기 때문입니다.

5. 결론: 무엇을 배웠을까?

이 논문은 우리에게 두 가지 중요한 메시지를 줍니다.

1. 데이터만으로는 부족하다: 과거의 기록 (데이터베이스) 만으로는 완전히 새로운 위협을 예측할 수 없습니다.
2. 구조 (모양) 가 답이다: 분자들의 3D 모양과 구조를 이해하고 시뮬레이션하는 것이, 낯선 상황을 해결하는 핵심 열쇠입니다.

마무리 비유:
과거에는 "이 도둑은 과거에 잡힌 도둑과 비슷하니, 비슷한 경찰이 잡을 거야"라고 추측했습니다. 하지만 이번 대결은 **"이 도둑의 얼굴과 경찰의 손 모양을 3D 로 만들어서, 실제로 손이 맞을지 시뮬레이션해 보자"**는 접근으로 바뀌었습니다. 아직 완벽하지는 않지만, 우리는 이제 낯선 적을 대할 때 '눈'을 더 많이 쓸 수 있게 되었습니다.

이 기술이 발전하면, 앞으로 나타날 새로운 바이러스나 암세포에 대해 우리 몸이 어떻게 반응할지, 혹은 새로운 백신을 어떻게 만들지 훨씬 빠르게 예측할 수 있게 될 것입니다.

기술 요약

논문 요약: IMMREP25 - 미확인 (Unseen) 펩타이드에 대한 TCR:pMHC 결합 예측

1. 문제 정의 (Problem)

T 세포 수용체 (TCR) 가 주요 조직 적합성 복합체 (MHC) 분자가 제시하는 펩타이드 (pMHC) 에 결합하는지 예측하는 것은 진단, 치료 및 기초 면역학 연구에 필수적입니다.

• 기존 한계: 2022 년과 2023 년의 이전 IMMREP 대회에서는 실험 데이터가 존재하는 "보인 (Seen)" 펩타이드에 대해서는 기계학습 모델이 유의미한 정확도 (중앙값 AUC_0.1 ≥ 0.7) 를 보였습니다.
• 핵심 과제: 그러나 실험 데이터가 전혀 존재하지 않는 "미확인 (Unseen)" 펩타이드에 대해서는 기존 모델들이 무작위 추측 (Random Guessing) 수준으로 성능이 저하되었습니다. 이는 새로운 병원체나 암 항원에 대한 TCR 특이성을 예측할 때 심각한 장벽이 됩니다.
• 목표: IMMREP25 는 완전히 새로운 펩타이드 (Unseen peptides) 에 대한 TCR:pMHC 결합 예측의 최전선 기술을 평가하기 위해 기획되었습니다.

2. 방법론 (Methodology)

2.1 평가 데이터셋 구축

• 데이터 구성: Adaptive Biotechnologies 가 제공한 1,000 개의 고유한 TCR 과 20 개의 미확인 펩타이드 (Virally-derived) 로 구성되었습니다.
• MHC 컨텍스트: 두 가지 MHC 분자 (HLA-A02:01, HLA-B40:01) 에 제한되었으며, 각 펩타이드당 50 개의 TCR 이 실험적으로 확인되었습니다.
• 펩타이드 특성: 기존 IEDB, VDJdb 등 공개 데이터베이스의 펩타이드와 Levenshtein 거리 4 이상, 공유 서브스트링 5 개 미만의 조건을 만족하여 완전히 새로운 서열로 설계되었습니다.
• 레이블링: MIRA(Multiplex Identification of T cell Receptor-Antigen specificity) 및 pairSEQ 실험을 통해 양성 (Positive) 및 음성 (Negative) 레이블이 생성되었습니다. 총 10,000 개의 레코드 (1,000 양성, 9,000 음성) 중 8,938 개가 최종 평가에 사용되었습니다.

2.2 평가 지표

• 주요 지표: Macro-AUC_0.1 (최대 거짓 양성률 10% 까지의 ROC-AUC 평균). 이는 불균형 데이터셋에서 소수 클래스 (결합하는 TCR) 를 얼마나 잘 찾아내는지를 평가합니다.
• 평가 방식: 공개 리더보드 (2 개 펩타이드) 와 비공개 리더보드 (나머지 18 개 펩타이드) 로 나뉘어 진행되었으며, 최종 순위는 비공개 리더보드 점수로 결정되었습니다.

2.3 참가 방법론

• 총 126 개의 제출물이 접수되었으며, 주요 접근법은 다음과 같이 분류됩니다.
  • 구조 기반 모델링 (Structural Modeling): AlphaFold 3 (AF3), Chai-1, Boltz-1, TCRdock 등을 사용하여 TCR-pMHC 복합체의 3D 구조를 예측하고, 이를 기반으로 결합 점수 (pLDDT, ipTM, PAE 등) 를 도출하는 방식.
  • 시퀀스 기반 모델 (Sequence-based): ESM-2 임베딩, XGBoost, 그래프 신경망 (GNN) 등을 활용한 순서 기반 예측.
  • 하이브리드 및 클러스터링: 구조 예측 결과를 시퀀스 클러스터링과 결합하거나, 지식 증류 (Knowledge Distillation) 를 적용한 방법.

3. 주요 결과 (Key Results)

• 성능 향상: 무작위 추측 (0.50) 을 유의미하게 상회하는 결과가 도출되었습니다. 최상위 방법들의 Macro-AUC_0.1 은 0.60에 달했습니다. 이는 이전 대회 (Unseen 펩타이드에서 무작위 수준) 와 비교할 때 획기적인 진전을 의미합니다.
• 구조적 접근법의 우위:
  • 상위권 방법 (AUC 0.57~0.60) 은 모두 **구조 모델링 (Structural Modeling)**을 핵심으로 사용했습니다.
  • 1 위 (Bradley 팀): AlphaFold 3 기반의 TCRdock 파이프라인을 수정하여 TCR-pMHC 의 표준 기하학적 구조를 유도하고, pLDDT 점수를 평균화하여 사용 (AUC 0.601).
  • 2~5 위: AlphaFold 3 또는 Chai-1 을 사용하여 복합체 구조를 예측하고, PAE(예측 정렬 오차) 나 ipTM(인터랙션 템플릿 모델) 등의 내장 신뢰도 지표를 결합하거나 XGBoost 분류기를 적용한 방법들 (Altin, Pierce, Gowthaman, Wang 팀 등).
• 시퀀스 기반 모델의 한계:
  • 완전히 시퀀스만 기반으로 한 모델 (STAPLER) 은 AUC 0.518 로 상대적으로 낮은 성능을 보였습니다.
  • TAPIR3는 시퀀스를 입력으로 하지만, Chai-1 의 구조적 신뢰도 지표를 지식 증류 (Distillation) 한 모델로, 순수 시퀀스 모델보다 우수하며 일부 구조 모델보다 높은 성능 (AUC 0.538) 을 보였습니다. 이는 잠재적 구조 정보의 중요성을 시사합니다.
• HLA 편차: HLA-A02:01 펩타이드에 대한 예측 성능이 HLA-B40:01 보다 유의하게 높았습니다. 이는 훈련 데이터 (VDJdb, PDB) 에서 HLA-A*02:01 관련 구조 데이터가 압도적으로 많기 때문입니다.

4. 주요 기여 (Key Contributions)

1. Unseen Peptides 에 대한 첫 번째 대규모 벤치마크: 실험 데이터가 전혀 없는 펩타이드에 대한 TCR 예측 능력을 평가하는 최초의 체계적인 커뮤니티 도전 (IMMREP25) 을 수행했습니다.
2. 구조 모델링의 패러다임 전환 증명: 기존의 시퀀스 기반 기계학습이 실패했던 영역에서, AlphaFold 3 및 차세대 구조 예측 도구 (Chai-1, Boltz-1) 를 활용한 구조 기반 접근법이 현재 가장 유망한 해결책임을 입증했습니다.
3. 성능 기준 설정: Unseen 펩타이드 예측에서 무작위 추측을 벗어난 유의미한 성능 (Macro-AUC_0.1 > 0.60) 을 달성한 구체적인 방법론과 점수 기준을 제시했습니다.
4. 데이터 공개: 평가에 사용된 1,000 개 TCR 과 20 개 펩타이드의 실험 데이터셋을 MIT 라이선스로 공개하여 향후 연구의 기반을 마련했습니다.

5. 의의 및 시사점 (Significance)

• 임상적/연구적 의의: 새로운 병원체나 종양 항원에 대한 TCR 반응을 예측할 수 있는 가능성이 열렸습니다. 이는 맞춤형 면역 치료제 개발 및 백신 설계에 중요한 통찰을 제공합니다.
• 계산적 한계와 기회: 현재 최상위 성능을 내는 구조 기반 모델은 계산 비용이 매우 높아 대규모 TCR 레퍼토리 (Repertoire) 스케일 적용에는 한계가 있습니다. 따라서 TAPIR3 와 같은 지식 증류 (Distillation) 기법을 통해 구조 정보를 시퀀스 모델에 효율적으로 주입하는 방향이 향후 연구의 핵심 과제로 부상했습니다.
• 미래 전망: IMMREP25 는 TCR:pMHC 예측 분야에서 "구조적 이해 (Structural Understanding)"가 필수불가결함을 보여주었으며, IMMREP26 및 향후 연구에서는 계산 효율성을 높이면서도 구조적 정확도를 유지하는 하이브리드 모델 개발이 기대됩니다.

결론적으로, IMMREP25 는 TCR:pMHC 결합 예측이 '시퀀스 유사성'을 넘어 '3 차원 구조 모델링'으로 전환되는 중요한 이정표가 되었으며, 미확인 펩타이드에 대한 예측 가능성을 현실화했습니다.