Pruning the Search, Not the Signal: Adaptive-Banding Needleman-Wunsch Sequence Alignment via Protein Language Model Confidence

생명의 거대한 도서관에서, 모든 생명체를 만드는 데 필요한 지침은 네 개의 글자로 이루어진 암호로 기록되어 있습니다. 이 글자들은 긴 사슬 형태로 엮여 세포를 만들고, 음식을 소화하며, 질병과 싸우는 분자 기계인 단백질을 형성합니다. 새로운 단백질이 어떻게 작동하는지 이해하기 위해, 과학자들은 종종 그 글자 서열을 이미 알려진 단백질의 서열과 비교하여, 공통된 조상이나 유사한 기능을 암시하는 공유된 패턴을 찾습니다. 서열 정렬(sequence alignment)이라고 불리는 이 과정은, 두 개의 약간 다른 문장을 나란히 배치하여 어디에서 단어가 일치하고 어디에서 글자가 추가되거나 삭제되었는지 확인하려는 시도와 같습니다. 수십 년 동안 이를 수행하는 가장 신뢰할 수 있는 방법은 두 문장이 정렬될 수 있는 모든 가능한 방식을 확인하는 것이었습니다. 이 방법은 완벽한 답을 보장하지만, 문장이 매우 길어지면 불가능할 정도로 느려진다는 단점이 있습니다.

속도를 높이기 위해 연구자들은 오랫동안 지름길을 사용해 왔습니다. 즉, 두 서열이 대체로 유사할 것이라고 가정하고 글자가 일치할 가능성이 높은 줄만 확인하며 나머지는 무시하는 방식입니다. 이 방식은 두 서열이 가까운 친척 관계일 때는 잘 작동하지만, 먼 친척 관계이거나 한쪽이 다른 쪽보다 훨씬 더 길어졌을 때는 처참하게 실패합니다. 이러한 까다로운 경우, 진정한 일치 경로는 중심에서 멀리 벗어나게 되며, 지름길 방식은 이를 완전히 놓치게 되어 잘못된 결론을 내립니다. 이는 과학자들에게 좌절스러운 딜레마를 안겨줍니다. 현대의 데이터베이스를 감당하기에는 너무 무거운 '느리지만 완벽한 방법'과, 빠르지만 종종 오답을 내놓는 '빠른 방법' 사이에서 선택해야 하기 때문입니다.

라호르 공과대학교(University of Engineering and Technology in Lahore)의 연구진이 개발한 새로운 접근 방식은 이 함정에서 벗어날 방법을 제시합니다. 연구팀은 컴퓨터가 먼저 단백질 서열을 "읽도록" 가르쳤는데, 이를 위해 수백만 개의 알려진 단백질로 학습된 인공지능을 사용했습니다. 단백질 언어 모델(protein language model)이라 불리는 이 AI는 각 글자의 맥락을 이해하며, 특정 글자들이 특정한 모양이나 기능을 형성하기 위해 자주 함께 나타난다는 사실을 알고 있습니다. 연구진은 이러한 깊은 이해를 바탕으로, 고정된 경로가 아닌, 일치가 일어날 가능성이 높은 곳을 보여주는 유연하고 지능적인 지도를 그렸습니다.

과정은 각 단백질 서열을 AI에 입력하여, 각 글자를 그것의 역할을 담은 풍부한 다차원적 묘사로 변환하는 것으로 시작됩니다. 연구진은 이 묘사들을 사용하여 두 단백질이 어떻게 정렬될 수 있는지에 대한 대략적인 저해상도 스케치를 만듭니다. 이 스케치는 컴퓨터에게 어떤 영역이 일치할 가능성이 높은지, 그리고 어떤 영역이 불확실한지를 보여주는 가이드 역할을 합니다. 이 가이드를 바탕으로 컴퓨터는 통로(corridor), 즉 잠재적 일치의 안전 구역을 그립니다. 이 통로는 AI가 확신할 때는 좁아지고, 삽입이나 결실이 감지되어 불확실성이 커질 때는 넓어집니다. 이 통로는 고정된 너비를 갖지 않습니다. 그것은 숨을 쉬듯 움직이며 변화하며, 경로가 중심에서 멀리 벗어나더라도 진정한 경로를 감싸 안듯 확장됩니다.

이 적응형 통로가 그려지면, 컴퓨터는 이 경계 내에서만 상세하고 완벽한 정렬을 수행합니다. 통로가 전체 격자 공간보다 훨씬 작기 때문에, 컴퓨터는 작업을 매우 빠르게 마칠 수 있습니다. 유사성이 매우 낮은 단백질들을 대상으로 한 테스트에서, 기존의 지름길 방식들이 올바른 일치를 절반 이상의 확률로 놓쳤던 반면, 이 새로운 방식은 거의 모든 경우에서 완벽한 정렬을 찾아냈습니다. 이 방식은 불필요한 계산을 최대 92%까지 제거하여, 느리지만 완벽한 방식보다 약 13배 더 빠르게 작업을 수행하면서도 동일한 수준의 정확도를 유지했습니다.

연구진은 거대한 길이 차이, 큰 결실이 있는 서열, 그리고 단순한 도구들을 혼란스럽게 만드는 반복적인 패턴을 가진 것들을 포함하여 매우 다양한 도전적인 시나리오에서 이 시스템을 테스트했습니다. 모든 경우에서 적응형 통로는 진정한 경로를 성공적으로 추적한 반면, 고정된 지름길 방식은 경로를 끊어버리거나 컴퓨터가 전체 격자를 모두 확인하게 만들어 속도의 이점을 잃었습니다. 이 방법은 다양한 유형의 AI 모델에서도 견고함을 입증하며, 깊은 이해를 통해 탐색을 유도하는 원리가 타당함을 보여주었습니다. 고정된 규칙이 아닌 지능에 기반하여 탐색 공간을 가지치기함으로써, 연구팀은 현대 생물학이 요구하는 거대한 데이터셋에 대해 정밀도를 희생하지 않으면서도 정확하고 고품질의 정렬을 수행할 수 있게 만들었습니다.