Structure-free, site-resolved contrastive learningextends small-molecule discovery beyond the reachof structure-based modeling
이 논문은 명시적인 3D 포즈 구축 없이 단백질 서열과 2D 화학 구조를 직접 임베딩함으로써, 은폐된 부위(cryptic sites)와 무질서한 부위(disordered sites)를 포함한 다양한 단백질 표적에 대해 신속하고 정확한 가상 스크리닝을 가능하게 하는 구조 자유형(structure-free), 부위 해상도(site-resolved) 대조 학습 모델인 Ptarmigan-1을 소개한다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기
당신이 탐정이 되어 미스터리를 해결하고 있다고 상상해 보십시오: 특정 범죄자(질병을 일으키는 단백질)를 막기 위해 완벽한 열쇠(약물 분자)가 맞는 자물쇠를 찾는 것입니다. 수십 년 동안 과학자들은 이 문제를 해결하기 위해 범죄자의 손(단백질의 형태)에 대한 3D 모델을 구축하고, 그 후 수백만 개의 열쇠를 대조하여 어떤 것이 자물쇠에 맞는지 확인하려고 노력해 왔습니다. 이것은 마치 현미경으로 건초 한 조각 한 조각을 관찰하며 건초더미 속에서 바늘을 찾는 것과 같습니다. 만약 손이 안정적이고 명확한 형태를 유지하고 있다면 이 방법은 잘 작동합니다. 하지만 많은 범죄자는 지저도하고, 움직임이 많거나, 손을 어둠 속에 숨기고 있습니다. 이러한 "약물 투여가 불가능한(undruggable)" 표적들은 우리가 열쇠를 맞출 명확한 자물쇠를 볼 수 없었기 때문에 정복하기가 불가능했습니다. 약물 발견 분야의 큰 질문은 이것이었습니다: 과연 우리는 자물쇠를 먼저 보지 않고도 올바른 열쇠를 찾을 수 있을까?
여기에 Talus Bioscience의 연구진이 개발한 새로운 디지털 탐정, Ptarmigan-1이 등장합니다. Ptarmigan-1은 단백질이나 약물의 3D 모델을 직접 구축하는 대신, 오직 그들의 "지문"인 유전자 서열과 화학식을 통해 그들을 인식하는 법을 배웁니다. 이것은 마치 당신이 좋아하는 노래와 비슷하게 들린다는 이유만으로, 밴드나 공연장을 직접 보지 않고도 당신이 새 노래를 좋아할 것임을 알아내는 음악 앱과 같습니다. Ptarmigan-1은 단백질의 "음악(서열)"과 약물의 "화학적 음악"을 가져와 이를 하나의 공유된, 보이지 않는 언어로 번역합니다. 이 언어 속에서, 단백질에 딱 맞는 약물은 마치 붐비는 방 안의 친구들처럼 단백질 바로 옆에 위치하게 됩니다. 논문에 따르면, 이 접근 방식은 전통적인 3D 모델이 놓치는 매치들을 찾아내면서도, 인체의 모든 단백질에 대해 수십억 개의 약물을 하루도 채 되지 않는 시간에 스캔할 수 있습니다. 특히 기존의 3D 모델들이 수년 동안 과학자들을 괴롭혀온, 형태가 변하거나 불분명한 표적들에 대해서 말입니다.
과거의 방식 vs 새로운 방식
오랫동안 새로운 약물을 찾는 것은 자물쇠의 3D 모델을 먼저 물리적으로 구축한 뒤, 그 자물쇠에 맞는 특정 열쇠를 찾는 과정과 같았습니다. 과학자들은 컴퓨터를 사용하여 단백질의 "포켓(자물쇠)"에 대한 3D 이미지를 만들고, 약물 분자(열쇠)가 그 안에 어떻게 비틀리고 회전하며 들어갈지를 시뮬레이션했습니다. 이를 **분자 도킹(molecular docking)**이라고 합니다. 최근에는 매우 똑똑한 AI 모델들이 단백질-약물 복합체가 전체적으로 어떤 모습일지를 예측하기 시작했는데, 이는 마치 종이를 접어 학을 만드는 것과 비슷합니다. 이러한 방법들은 단백질이 고정되고 잘 정의된 형태를 가질 때 매우 효과적입니다. 하지만 암이나 면역 반응에 관여하는 많은 중요한 단백질들은 젤리나 움직이는 모래와 같습니다. 그들은 고정된 형태를 가지고 있지 않기 때문에, 자물쇠의 모델을 구축할 수 없습니다. 만약 존재하지 않는 형태에 3D 모델을 억지로 끼워 맞추려 한다면, 컴퓨터는 잘못된 가설을 내놓게 됩니다.
저자들은 이러한 3D 포즈(pose) 구축에 대한 집착이 오히려 약물 발견을 저해하고 있다고 주장합니다. 이 방식은 느리고 비용이 많이 들며, 도움이 가장 절실한 표적들을 보지 못하는 눈먼 방식입니다. 그들은 우리가 약물이 작동할지 알기 위해 반드시 3D 형태를 볼 필요는 없으며, 단지 약물의 "느낌(vibe)"이 단백질의 "느낌"과 일치하는지만 알면 된다고 제안합니다.
Ptarmigan-1의 작동 원리: 위대한 중매쟁이
Ptarmigan-1은 "대조 학습(contrastive learning)" 모델입니다. 이는 멋진 말로 표현하자면 '거장 중매쟁이'라는 뜻입니다. 3D 모델을 만드는 대신, 이 모델은 두 가지를 가져옵니다. 단백질을 구성하는 글자들의 서열(마치 긴 문장처럼)과 약물의 화학적 코드(마치 레시피처럼)입니다. Ptarmigan-1은 단백질에 훈련된 하나의 강력한 AI 뇌와 화학 물질에 훈련된 또 다른 AI 뇌를 사용하여, 두 가지를 모두 하나의 공유된 보이지 않는 공간으로 번역합니다.
거대하고 보이지 않는 댄스 플로어를 상상해 보십시오. 한쪽에는 수천 개의 단백질이 있고, 다른 한쪽에는 수십억 개의 잠재적 약물이 있습니다. Ptarmigan-1은 그들의 신체 형태에는 관심이 없습니다. 대신 그들이 어떻게 움직이는지에 관심을 가집니다. 만약 어떤 약물이 특정 단백질과 잘 맞는다면, 모델은 그들을 댄스 플로어 상에서 서로 거의 닿을 정도로 가까이 끌어당깁니다. 만약 서로 맞지 않는다면, 멀리 밀어냅니다. 마법 같은 점은, 이 모델이 그들이 손을 잡고 있는 3D 모습을 결코 구축하지 않고도 이 일을 해낸다는 것입니다. 단지 그들의 "지문"이 일치하기 때문에 그들이 함께 있어야 한다는 것을 알 뿐입니다.
모든 쌍에 대해 3D 모델을 구축할 필요가 없기 때문에, 이 모델은 믿을 수 없을 정도로 빠릅니다. 논문에 따르면 Ptarmigan-1은 약물 하나를 스코어링하는 데 단 **10밀리초(ms)**가 걸립니다. 선두적인 3D 모델인 Boltz-2가 동일한 작업을 수행하는 데 54초가 걸리는 것과 비교하면, 이는 5,000배 빠른 속도입니다. 이 속도 덕분에 팀은 34억 개의 화합물 라이브러리를 인체의 모든 단백질(20,431개)에 대해 하루도 안 되는 시간 안에 스크리닝할 수 있었습니다. 이는 커피 한 잔을 내리는 시간 동안 거대한 금고 안에 있는 모든 열쇠를 경기장 안의 모든 사람과 대조해 보는 것과 같습니다.
지저분한 건초더미 속에서 바늘 찾기
Ptarmigan-1의 진짜 시험대는 3D 모델이 실패하는 "지저분한" 표적들에 대해 약물을 찾을 수 있는지 여부였습니다. 연구진은 세 가지 유형의 도전 과제를 테스트했습니다:
- 잘 접힌 표적(Well-Folded Targets): 명확하고 안정적인 형태를 가진 단백질(표준 교과서에 나오는 것들)의 경우, Ptarmian-1은 최고의 3D 모델들과 대등한 성능을 보였습니다. 이는 3D 모델 없이도 정확할 수 있음을 입증했습니다.
- 잠재적 및 공유 결합 표적(Cryptic and Covalent Targets): 일부 단백질은 약물이 도착했을 때만 열리는 숨겨진 포켓을 가지고 있거나, 약물이 화학적으로 "접착"될 수 있는 특정 지점을 가지고 있습니다. 전통적인 모델은 단백질의 숨겨진 형태를 예측할 수 없기 때문에 이러한 경우를 자주 놓칩니다. 그러나 Ptarmigan-1은 이러한 매치를 성공적으로 식별했습니다. 예를 들어, 단백질의 형태를 모르는 상태에서도 특정 시스테인(cysteine) 아미노산("접착 지점")에 달라붙는 약물을 찾아냈습니다.
- 무질서한 표적(Disordered Targets): 이것이 가장 큰 승리입니다. 어떤 단백질들은 본질적으로 무질서하여, 마치 형태가 잡히지 않는 스파게티처럼 결코 모양을 갖추지 않습니다. 논문은 이러한 표적들에 대해 3D 모델들이 사실상 포기하며, 무작위 추측보다 나은 성과를 내지 못함을 보여줍니다. 반면, Ptarmigan-1은 여전히 강력한 매치를 찾아냈습니다. 이 모델은 이 지저도한 단백질들의 올바른 부위에 약물을 국소화(localize)시켰으며, 이는 "자물쇠"를 볼 수 없는 상황에서도 "느낌(vibe)"의 일치가 작동함을 시사합니다.
실제 사례 테스트: STAT6의 미스터리
이것이 단순한 컴퓨터 기술이 아님을 증명하기 위해, 팀은 Ptarmigan-1을 면역 반응에 관여하는 STAT6라는 단백질에 대한 새로운 약물 미스터리에 적용했습니다. 이 약물들은 최근 특허로 공개되었으나 모델의 학습 데이터에는 포함되지 않았던 것들입니다. 이 약물들은 STAT6 단백질의 얕고 까다로운 포켓에 들어가도록 설계되었습니다.
연구진이 테스트를 실행했을 때, Ptarmigan-1은 이 약물들을 최적의 매치로 정확히 식별해 냈으며, 결정적으로 약물이 결합하는 단백질의 정확한 지점(SH2 도메인)을 짚어냈습니다. 반면, 3D 모델(Boltz-2)은 올바른 위치를 찾지 못하고 완전히 틀린 위치를 예측했습니다. 이는 Ptarmigan-1이 본 적 없는 "자물쇠"라 할지라도, 심지어 그 자물쇠가 얕고 기괴한 형태일지라도 올바른 "열쇠"를 찾을 수 있음을 시사합니다.
미래: 새로운 종류의 탐색
저자들은 이것이 우리가 약물 발견을 생각하는 방식을 바꾼다고 주장합니다. 매번 새로운 단백질과 새로운 약물에 대해 새로운 3D 모델을 구축하는 대신(시간이 너무 오래 걸리는 작업), 우리는 이 공유된 보이지 않는 공간에서의 "거리"를 조회하기만 하면 됩니다. 일단 이 공간이 구축되면, 매치를 찾는 것은 구글 검색만큼 쉬워집니다.
논문은 3D 모델이 약물이 어떻게 결합하는지에 대한 미세한 세부 사항을 이해하는 데는 여전히 유용하지만, 초기 탐색 단계에서는 필수적이지 않다고 결론짓습니다. 3D 구조를 탐색 과정에서 분리함으로써, Ptarmigan-1은 명확한 형태가 없어 "약물 투여가 불가능"하다고 간주되어 온 인체 단백질의 **87%**에 대한 약물을 찾는 문을 열어줍니다. 이는 약물 발견의 미래가 더 나은 3D 모델을 만드는 것이 아니라, 단백질과 약물이 서로 어떻게 소통하는지를 설명하는 더 나은 언어를 배우는 데 있다는 것을 시사합니다.
요약하자면, Ptarmigan-1은 자물쇠를 볼 필요 없이도 열쇠를 찾을 수 있으며, 단지 그들이 함께 춤을 출 수 있는 올바른 리듬을 알면 된다는 것을 증명했습니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.