A systematic investigation of molecular encoding methods for drug property predictions across neural network and Transformer encoder-based model

새로운 약물을 발견하기 위한 경주에서, 과학자들은 거대한 도전에 직면해 있습니다. 가능한 약물 분자의 세계는 방대하지만, 실험실에서 그 모두를 직접 테스트하는 것은 불가능하기 때문입니다. 이를 헤쳐 나가기 위해 연구자들은 단 한 방울의 화합물이 합성되기 전, 컴퓨터를 사용하여 분자가 어떻게 행동할지 예측합니다. 이 과정은 복잡한 3차원 화학 구조를 컴퓨터가 읽을 수 있는 언어로 번역하는 결정적인 첫 단계에 의존합니다. 이 번역 과정을 물리적 객체를 바코드로 변환하는 것에 비유해 보십시오. 그 바코드가 어떻게 설계되었느냐에 따라, 해당 분자가 물에 녹을지, 뇌로 들어갈 수 있을지, 혹은 해를 끼칠지 등 분자의 특성을 컴퓨터가 얼마나 잘 이해할 수 있는지가 결정됩니다. 수년 동안 과학자들은 어떤 "바코드" 시스템이 가장 효과적인지에 대해 논쟁해 왔으며, 종종 더 복잡한 컴퓨터 모델이 자동으로 문제를 해결할 것이라고 가정해 왔습니다. 그러나 이러한 예측의 효과는 분석하는 컴퓨터의 정교함뿐만 아니라, 초기 번역의 품질에 크게 좌릅니다.

대만 국립 청화 대학교(National Tsing Hua University)의 연구팀은 서로 다른 분자 구조 인코딩 방식이 예측 정확도에 어떤 영향을 미치는지 체계적으로 테스트함으로써 이 논쟁을 종결시키고자 했습니다. 그들은 두 가지 뚜렷한 유형의 컴퓨터 아키텍처에 집중했습니다. 하나는 단순한 계층형 의사 결정자처럼 작동하는 표준 신경망이고, 다른 하나는 원래 인간의 언어를 이해하기 위해 설계되었으며 문장의 서로 다른 부분의 중요성을 동시에 가중하여 판단할 수 있는 유형의 인공지능인 트랜스포머(Transformer) 기반 모델입니다. 연구진은 원자 간의 연결을 매핑하는 전통적인 위상학적 핑거프린트(topological fingerprints), 특정 화학 그룹을 식별하는 부분 구조 기반 코드, 그리고 분자를 텍스트처럼 취급하는 문자열 기반 표현을 포함한 다양한 분자 "바코드"를 이 모델들에 입력했습니다. 그들은 독성 및 돌연변이 유발 가능성 예측부터 약물이 혈액-뇌 장벽을 얼마나 잘 통과하는지 추정하는 작업에 이르기까지, 다양한 과제를 다루는 7개의 잘 알려진 데이터셋을 통해 이 시스템들을 학습시켰습니다.

연구 결과는 이 분야에 명확하고 실용적인 지침을 제공했습니다. 더 복잡한 트랜스포머 모델이 일관되게 표준 신경 네트워크보다 우수한 성능을 보일 것이라는 가정과 달리, 연구 결과 표준 모델이 대부분의 과제에서 대등하거나 약간 더 나은 정확도를 달리는 경우가 많았습니다. 사실, 분자 인코딩 방법의 선택은 컴퓨터 모델의 선택보다 훨씬 더 중요한 것으로 드러났습니다. 예를 들어, 분자의 독성 여부를 예측하는 과제에서 특정 유형의 핑거프린트인 MACCS는 단순 모델에서 최상의 결과를 냈고, 다른 핑거프린트인 FCFP는 복잡한 모델에서 가장 좋은 성과를 냈습니다. 이는 모든 화학 문제에 적용되는 단 하나의 "완벽한" 코드는 존재하지 않으며, 최선의 접근 방식은 예측하려는 특정 특성에 전적으로 달려 있음을 시사합니다. 연구진은 외부 데이터셋을 통해 자신들의 발견을 검증했으며, 모델이 새로운 데이터를 마주했을 때도 견고함을 유지함을 확인했습니다. 여러 생물학적 분류 과제에서 평균 정확도 점수는 지속적으로 0.9를 초과했습니다.

단순한 성능을 넘어, 이 연구는 인공지능의 주요 난제인 '해석 가능성'을 다루었습니다. 흔히 강력한 AI 모델은 이유를 설명하지 않은 채 답만 제공하는 "블랙박스" 역할을 합니다. 연구진은 트랜스포머 모델이 반드시 가장 정확하지는 않더라도, 자신의 추론 과정을 들여다볼 수 있는 독특한 창을 제공한다는 점을 입증했습니다. 모델의 내부 "어텐션(attention)" 가중치(컴퓨터가 입력값의 어느 부분에 가장 집중했는지를 나타냄)를 분석함으로써, 별도의 외부 설명 도구 없이도 예측을 주도하는 특정 화학적 부분 구조를 식별할 수 있었습니다. 모르핀(Morphine)과 헤로인(Heroin)을 비교한 설득력 있는 사례 연구에서, 모델은 모르핀에 존재하는 히드록실기(산소를 포함하는 구조)가 헤로인(히드록실기가 없음)에 비해 혈액-뇌 장벽을 통과할 가능성을 낮게 만든다는 것을 정확히 식별했습니다. 모델은 모르핀의 히드록실 특징에 더 높은 어텐션을 할당했는데, 이는 확립된 화학적 지식과 일치합니다. 이러한 패턴을 강조할 수 있는 능력은 이 모델들이 단순히 결과를 예측하는 것을 넘어, 과학자들이 그 구조적 이유를 이해하도록 도울 수 있음을 시사합니다.

궁극적으로, 이 연구는 단순히 더 크고 복잡한 모델을 만드는 것에서 벗어나, 적재적소에 맞는 올바른 도구를 신중하게 선택하는 데 초점을 맞춥니다. 연구진은 트랜스포머와 같은 고급 아키텍처가 분자 상호작용에 대한 귀중한 통찰력을 제공하지만, 그것이 자동으로 우수한 예측을 보장하는 것은 아니라고 결론지었습니다. 대신, 가장 효과적인 전략은 특정 분자 인코딩 방식을 예측 과제 및 선택된 모델 아키텍처와 일치시키는 것입니다. 정확성과 함께 해석 가능성을 우선시함으로써, 이 접근 방식은 약물 발견을 위한 보다 원칙적인 경로를 제공하며, 생명을 구하는 약물을 설계하는 데 사용되는 컴퓨터 모델이 강력할 뿐만 아니라 이해 가능하고 신뢰할 수 있도록 보장합니다.