RegimeFormer: A Large Protein Model of Global Perturbation Regimes
RegimeFormer는 2억 개 이상의 서열로 구성된 관련 RegimeAtlas 데이터베이스를 통해 전역적 섭동 레짐(perturbation regimes)을 구축함으로써 잔기 수준의 돌연변이 효과를 예측하고, 특히 미지의 단백질 및 단백질 가족에 대한 다운스트림 생물학적 모델링을 개선하는 대규모 단백질 모델이다.
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
단백질은 생명의 핵심적인 일꾼으로, 세포를 구축하고, 감염과 싸우며, 우리를 살아가게 하는 화학 반응을 수행하는 아주 작은 분자 기계입니다. 단백질은 아미노산이라고 불리는 긴 사슬 형태의 구성 블록들로 만들어지며, 이 블록들의 특정 순서가 단백질이 어떻게 접히고 어떤 기능을 할지를 결정합니다. 수십 년 동안 과학자들은 이 사슬 속에서 단 하나의 구성 블록만 바뀌어도 극적인 결과가 초래될 수 있다는 사실을 알고 있었습니다. 때로는 그 변화가 해롭지 않을 수도 있지만, 어떤 경우에는 기계를 완전히 고장 내어 질병으로 이어지기도 합니다. 최근 몇 년 동안 연구자들은 이러한 결과를 예측할 수 있는 강력한 컴퓨터 도구들을 개발해 왔지만, 이 도구들은 주로 한 번에 하나의 단백질만을 연구하는 데 국한되어 왔습니다. 이 도구들은 자연계에 존재하는 방대하고 미개척된 단백질의 바다, 즉 실험실에서 한 번도 관찰된 적 없는 수많은 단백질을 마주했을 때 어려움을 겪습니다.
이제 한 연구팀이 이 전체 바다를 아우르는 새로운 종류의 지도를 구축했습니다. 그들은 단백질의 행동을 개별적인 퍼즐 조각들의 집합이 아니라, 뚜렷한 영역을 가진 통일된 풍경으로 취급하는 시스템을 만들었습니다. 생명의 모든 가지에 걸친 2억 개 이상의 단백질 서열을 분석함으로써, 그들은 단백질이 변화에 어떻게 반응하는지를 설명하는 서로 다른 '레짐(regime)', 즉 상태로 분류된다는 것을 발견했습니다. 어떤 단백질은 취약하여 작은 수정만으로도 망가질 수 있는 반면, 어떤 단백질은 적응력이 뛰어나 변화를 흡수하고 심지어 기능을 개선할 수도 있습니다. 연구진은 특정 변화가 단백질에 어떤 영향을 미칠지 예측할 수 있는 거대한 모델을 구축했으며, 이는 해당 단백질이 이전에 연구된 적이 없는 경우에도 가능합니다. 이 연구는 과학자들이 더 나은 단백질을 설계하거나 유전적 돌연변이가 어떻게 질병을 일으키는지 이해하고자 할 때 가이드 역할을 하는, 분자 수준에서 생명의 규칙을 이해하는 새로운 방법을 제공합니다.
연구진은 먼저 엄청난 양의 데이터를 수집하는 것으로 시작했습니다. 그들은 인간의 유전자부터 토양 속 박테리아와 바이러스에 이르기까지 공공 데이터베이스에서 424,000,000개의 원시 단백질 서열 기록을 수집했습니다. 오류와 중복을 제거하기 위해 이 데이터를 정제한 후, 그들에게는 2억 200만 개의 고유한 단백질이 남았습니다. 이 컬렉션은 RegimeAtlas라고 명명되었으며, 이는 인류가 알고 있는 단백질 우주의 거의 완전한 지도를 나타냅니다. 단순히 이 단백질들을 목록화하는 대신, 연구팀은 정교한 컴퓨터 모델을 사용하여 이들을 체계적으로 정리했습니다. 그들은 이 서열들을 단백질의 유사한 행동이 함께 그룹화되는 연속적인 공간으로 투영했습니다. 이를 통해 단백질이 돌연변이에 어떻게 반응하는지에 대한 전역 좌표계를 생성했으며, 전체 단백질 세트가 무작위가 아니라 구조화된 패턴을 따르고 있음을 밝혀냈습니다.
이 지도를 구체적인 질문에 유용하게 만들기 위해, 연구팀은 100만 개의 매우 다양하고 작은 단백질 그룹에 집중하여 그들의 주요 모델인 RegimeFormer를 훈련시켰습니다. 이 모델은 단백질을 살펴보고 그 '레짐'을 바탕으로 지도상의 위치를 할당하는 법을 배웠습니다. 일단 단백질의 레짐이 알려지면, 모델은 하나의 아미노산을 다른 것으로 교체했을 때 어떤 일이 일어날지 예측할 수 있습니다. 모델은 단백질 사슬의 모든 지점에 대해 취약성(fragility), 적응성(adaptability), 불확실성(uncertainty)이라는 세 가지 핵심 요소를 계산함으로써 이를 수행합니다. 취약성은 변화가 일어날 때 해당 지점이 파괴될 가능성을 측정합니다. 적응성은 변화가 얼마나 잘 허용되거나 심지어 도움이 될 수 있는지를 측정합니다. 불확실성은 모델이 자신의 예측에 대해 얼마나 확신하는지를 연구자에게 알려줍니다.
연구팀은 이 시스템을 수천 개의 돌연변이 효과를 이미 측정한 실제 실험 결과와 대조하여 테스트했습니다. 그들은 모델의 예측이 실험 결과와 높은 정확도로 일치한다는 것을 발견했습니다. 더 중요한 것은, 모델이 기존 도구들이 보통 실패하는 상황, 즉 이전에 본 적 없는 매우 이질적인 단백질을 다루거나 훈련 데이터에서 희귀한 단백질 가족을 다룰 때 탁월한 성능을 보였다는 점입니다. 이는 모델이 단순히 특정 사례를 암기한 것이 아니라, 단백질이 작동하는 근본적인 규칙을 학습했음을 시사합니다. 또한 연구진은 그들의 예측이 생물학적으로 타당한지 확인했습니다. 그들은 모델이 '취약하다'고 표시한 지점들이 실제로 단백질이 다른 분자와 결합하거나 화학 반응을 촉매하는 것과 같은 가장 중요한 직무를 수행하는 지점들과 일치한다는 것을 발견했습니다. 반대로, '적응력이 있다'고 표시된 지점들은 주로 단백질이 부서지지 않고 모양을 바꿀 수 있는 영역에서 발견되었습니다.
연구진은 이 지도가 단순한 수학적 트릭이 아님을 증명하기 위해, 다른 분야의 독립적인 데이터와 결과를 비교했습니다. 그들은 다른 AI 시스템이 예측한 단백질의 3D 구조를 살펴보았고, 모델이 취약하다고 분류한 단백질은 구조가 덜 안정적인 경향이 있는 반면, 적응력이 있다고 분류한 단백질은 더 안정적이라는 것을 발견했습니다. 또한 그들은 단백질이 수백만 년 동안 어떻게 변해왔는지 진화 역사를 조사했습니다. 그들은 모델이 식별한 취약한 지점들이 수만 년 동안 변하지 않고 유지되어 온 지점들과 동일하다는 것을 발견했는데, 이는 자연이 오랫동안 그 영역에서의 변화를 선택하지 않았음을 나타냅니다. 구조적 및 진화적 증거와의 이러한 일치는 모델이 실제 생물학적 진실을 밝혀냈음을 확인시켜 주었습니다.
이 시스템의 힘은 확장 능력에 있습니다. 모델은 100만 개의 단백질로 훈련되었지만, 전체 아틀라스에 걸쳐 거의 4억 개의 개별 지점에 적용되었습니다. 이는 과학자들이 쿼리를 보낼 수 있는 거대한 예측 라이브러리를 생성했습니다. 연구진은 가능한 모든 돌연변이를 테스트하기 위해 비용이 많이 들고 시간이 오래 걸리는 실험을 기다로 기다리는 대신, 이제 이 지도를 사용하여 테스트할 가치가 있는 변화를 우선순위화할 수 있습니다. 연구팀은 이 지도를 사용하여 테스트할 돌연변이를 선택하는 것이 기존 방식보다 훨씬 효율적이며, 훨씬 적은 실험으로 유익한 변화를 찾아낼 수 있음을 보여주었습니다.
단백질의 행동을 예측하는 것을 넘어, 연구진은 이 단백질 지도를 세포가 어떻게 반응하는지와 연결했습니다. 그들은 단백질 예측을 약물이나 다른 스트레스 요인에 노출되었을 때 세포의 유전자 활동이 어떻게 변하는지에 대한 데이터와 결합했습니다. 그들은 단백질 수준의 통찰력이 왜 특정 세포가 특정 방식으로 약물에 반응하는지를 설명하는 데 도움이 된다는 것을 발견했습니다. 분자 수준에서 세포 수준으로 이어지는 이 가교는 단백질의 '레짐'을 이해하는 것이 세포나 유기체 전체가 어떻게 행동할지 예측하는 데 도움이 될 수 있음을 시사합니다. 연구팀은 누구나 이 방대한 데이터베이스를 검색하고, 예측을 시각화하며, 그 근거를 확인할 수 있는 RegimeAtlas Explorer라는 공개 도구를 구축했습니다.
이 작업은 과학자들이 단백질 세계를 바라보는 관점의 변화를 의미합니다. 단백질을 하나씩 연구해야 하는 고립된 개체로 보는 대신, 연구진은 단백질이 행동의 전역 시스템 내에 존재함을 보여주었습니다. 이 시스템을 매핑함으로써, 그들은 새로운 의약품 설계부터 질병의 유전적 기초 이해에 이르기까지 생물학의 미래를 안내할 도구를 만들어냈습니다. 이 모델은 단순히 무엇이 일어날지를 예측하는 것이 아니라, 단백질이 왜 그렇게 행동하는지에 대한 근본적인 논리를 드러냄으로써 생명의 기계장치를 바라보는 새로운 렌즈를 제공합니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.