An Interactive Bidirectional De Novo Protein Design System
이 논문은 연구자들이 소프트웨어 설치 없이도 데 노보(de novo) 단백질 설계를 시각화, 정량화 및 검증할 수 있도록 구조 인식 GNN 기반의 서열 설계와 ESMFold 기반 예측기를 양방향 루프로 통합한 오픈 소스 대화형 웹 서버를 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
생명의 거대한 도서관에서 단백질을 만드는 데 필요한 지침은 단 20개의 글자로 이루어진 화학적 알파벳으로 쓰여 있습니다. 그러나 단백질이 취하는 형태는 그 기능을 결정하며, 체내의 특정 자물쇠에 꼭 맞는 열쇠 역할을 합니다. 수십 년 동안 과학자들은 두 갈래의 퍼즐과 씨름해 왔습니다. 하나는 서열(sequence)이 어떤 형태를 형성할지 예측하는 것이고, 다른 하나는 반대로 특정 형태를 만들기 위해 어떤 서열이 필요한지 알아내는 것입니다. 컴퓨터는 서열로부터 형태를 추측하는 데 놀라울 정도로 능숙해졌지만, 맞춤형 형태에 맞는 새로운 서열을 설계하는 역방정 과정은 전문 소프트웨어와 강력한 컴퓨터를 갖춘 전문가들만이 수행할 수 있는 느리고 기술적인 고역인 경우가 많았습니다. 이러한 높은 수준의 통계적 성공과 시각적으로 단 하나의 맞춤형 설계를 검토할 수 있는 능력 사이의 간극은, 많은 연구자가 단백질을 처음부터 구축하는 방법에 대한 자신의 창의적인 아이디어를 쉽게 테스트하지 못하게 만들었습니다.
텍사스 대학교 달라스 캠퍼스의 연구진은 이 간극을 메우기 위해 웹 브라우저에서 완전히 실행되는 가볍고 상호작나적인 새로운 도구를 구축했습니다. 이 시스템은 사용자가 복잡한 소프트웨어를 설치하거나 코드를 작성할 필요 없이, 단백질 골격을 직접 그리고 컴퓨터에게 그에 맞는 아미노산 서열을 발명하도록 요청한 뒤, 그 새로운 서열이 의도한 형태대로 다시 접히는지 즉시 확인할 수 있게 해줍니다. 연구진은 두 개의 강력한 인공지능 모델을 하나의 루프로 결합했습니다. 하나는 형태를 바탕으로 서열을 설계하는 모델이고, 다른 하나는 서열이 취할 형태를 예측하는 모델입니다. 이들을 연결함으로써, 이 도구는 사용자가 백본(backbone)을 구성하고, 서열을 생성하고, 이를 다시 접어본 뒤, 그 결과를 원래의 그림과 비교하는 과정을 단일 시각적 인터페이스 내에서 모두 수행할 수 있게 합니다.
이 시스템은 설계자와 구축자 사이의 대화처럼 작동하는 두 가지 주요 모드를 통해 운영됩니다. 첫 번째 모드에서 사용자는 처음부터 단백질 백본을 구축할 수 있습니다. 마치 모델 키트의 조각들을 끼워 맞추듯, 개별 구성 요소를 배치하거나, 드래그하여 연속적인 사슬을 그리거나, 이상적인 헬릭스(helix)나 가닥(strand)을 삽입할 수 있습니다. 또한 공공 데이터베이스에서 기존 단백질 구조를 업로드하여 시작점으로 사용할 수도 있습니다. 형태가 정의되면, 시스템은 서열 설계 모델에게 그 형태를 유지할 수 있는 아미노산 문자열을 발명하도록 요청합니다. 컴퓨터는 단 하나의 답만을 제시하는 것이 아니라, 각 위치에 대한 신뢰 점수와 함께 가능한 후보 목록을 제공하여 모델이 자신의 선택에 대해 얼마나 확신하는지를 사용자에게 보여줍니다.
두 번째 모드에서 사용자는 새로 생성된 서열을 가져가서 폴딩(folding) 모델에게 해당 서열이 실제로 어떤 3차원 구조를 형성할지 예측하도록 요청합니다. 여기서 진정한 시험이 이루어집니다. 시스템은 예측된 형태를 3D로 렌더링하며, 모델이 어느 부분에 확신을 가지고 있고 어느 부분에 불확실성을 가지고 있는지 색상으로 표시합니다. 비교를 유의미하게 만들기 위해, 이 도구에는 예측된 형태를 원래의 설계 위에 수학적으로 중첩시키는 정렬 기능이 내장되어 있습니다. 이는 두 구조 사이의 원자들이 얼마나 떨어져 있는지 정밀하게 계산하여, 설계의 성공 여부를 정량화하는 하나의 숫자를 제공합니다. 만약 형태가 잘 맞지 않는다면, 사용자는 브라우저를 떠나지 않고도 즉시 원래의 그림을 수정하거나 다른 서열을 시도하며 반복 작업을 수행할 수 있습니다.
연구진은 이 도구의 능력을 입증하기 위해 데이터베이스에서 가져온 실제 단백질 사슬을 대상으로 테스트를 진행했습니다. 그들은 기존의 형태에 대한 서열을 설계하도록 시스템에 요청한 다음, 그 새로운 서열을 다시 구조로 접었습니다. 결과물을 원래의 구조와 정렬했을 때, 원자 간의 평균 거리는 1.174 옹스트롬(angstrom)이었으며, 이는 분자 단위에서 매우 작은 차이입니다. 공정한 테스트를 위해, 그들은 또한 해당 단백질의 원래 자연 서열을 폴딩 모델에 통과시켰습니다. 그 자연 서열은 0.999 옹스트롬이라는 약간 더 정밀한 일치도를 보였습니다. 이 비교는 새로운 설계 도구가 이 특정 사례에 대해 자연만큼이나 잘 수행하고 있음을 시사하며, 설계와 예측 사이의 고리를 성공적으로 닫았음을 보여줍니다.
연구진은 이 도구가 심도 있는 과학적 연구를 대체하는 것이 아니라, 단백질 설계 과정을 더 접근하기 쉽고 시각적으로 만드는 방법이라고 강조합니다. 이를 통해 연구자는 단순히 요약된 통계치를 보는 것이 아니라, 잘못된 위치의 꺾임이나 화학적 특성의 불일치와 같이 설계가 실패하는 지점을 정확히 파악할 수 있습니다. 코드는 오픈 소스로 공개되어 있어, 다른 과학자들이 자신만의 훈련된 모델을 사용하거나 특정 목적에 맞게 조정할 수 있습니다. 현재 시스템은 사용자가 강력한 그래픽 카드를 갖춘 자신의 컴퓨터에서 소프트웨어를 실행해야 하지만, 연구진은 이 접근 가능한 인터페이스가 단백질 공학 분야에서 더 많은 실험과 가설 검증을 장려하여, 복잡한 계산 작업을 시각적이고 상호작용적인 경험으로 바꾸기를 희망하고 있습니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.