🧬 biology

BioForm-LM: Generative Design of Biologics Formulations via In-Context Learning and Physics-Informed Decoding

BioForm-LM은 기계론적 시뮬레이션, 인컨텍스트 퓨샷 학습, 그리고 물리 기반 디코딩을 결합하여 데 노보(de novo) 바이오로직스 제형을 자동으로 설계하는 새로운 생성 시스템으로, 실제 벤치마크에서 기존의 랭킹 방식 및 무작위 샘플링보다 성능이 현저히 뛰어납니다.

원저자: Sravan Kumar Bonthada

게시일 2026-09-09

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Sravan Kumar Bonthada

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

생명을 구하는 단백질 의약품을 만드는 것은 전투의 절반에 불과합니다. 나머지 절반은 그것이 선반 위나 주사기 안, 또는 인체 내부에서 살아남을 수 있을 만큼 충분히 안정적으로 유지되도록 하는 것입니다. 항체와 기타 복잡한 단백질을 포함하는 바이오로직스(biologics)는 용해된 액체가 완벽하게 균형을 이루지 않으면 쉽게 서로 뭉치거나 형태를 잃을 수 있는 취약한 분자입니다. 수십 년 동안 그 완벽한 균형을 찾는 과정은 시행착오를 거치는 느리고 수동적인 과정이었습니다. 과학자들은 단백질을 다양한 완충제, 당, 염류와 혼합한 뒤, 그것이 잘 버텨내는지 확인하기 위해 몇 주를 기다립니다. 이러한 병목 현상은 비용이 많이 들며, 특히 신뢰할 수 있는 냉장 시설이 없는 지역에 새로운 약물이 환자에게 도달하는 속도를 제한합니다. 핵심적인 과제는 과학자들이 단백질이 환경과 상호작용하는 기본적인 규칙은 알고 있지만, 컴퓨터가 새로운 약물에 적합한 혼합물을 예측하도록 가르칠 수 있는 실제 데이터가 거의 없다는 점입니다. 기존의 대부분의 컴퓨터 도구는 인간이 이미 제안한 혼합물 목록의 순위를 매길 수만 있을 뿐, 무에서 유를 창조하듯 새로운 안정적 혼합물을 만들어낼 수는 없습니다.

한 연구자가 컴퓨터가 안정적인 약물 혼합물을 상상하도록 가르쳐 이 문제를 해결하려는 'BioForm-LM'이라는 새로운 시스템을 도입했습니다. 이 시스템은 대부분의 새로운 단백질에 대해 존재하지 않는 방대한 과거 실험 라이브러리에 의존하는 대신, 세 부분으로 구성된 전략을 사용합니다. 첫째, 시스템은 단백질이 다양한 액체 내에서 어떻게 행동하는지를 모방하는 빠른 물리 기반 시뮬레이션을 실행합니다. 이 시뮬레이터는 단백-혼합물과 그 안정성에 대한 백만 개의 합성 사례를 생성하여, 컴퓨터가 화학 및 물리학의 근본 법칙을 학습하도록 가르칩니다. 둘째, 이 시스템은 단 몇 개의 사례로부터 학습할 수 있는 유형의 인공지능을 사용합니다. 과학자가 새로운 단백질을 안정화하고자 할 때, 해당 단백질에 대한 단 3개에서 10개의 실제 측정값을 컴퓨터에 제공합니다. 시스템은 이 소수의 데이터 포인트를 사용하여 재학습 없이도 즉각적으로 자신의 이해도를 조정합니다. 마지막으로, 동일한 물리 법칙에 따라 훈련된 특화된 검증기가 컴퓨터의 제안을 검토하고 실세계에서 작동할 가능성이 가장 높은 것을 선택합니다.

연구자는 과학 문헌에서 발견된 18개의 실제 약물 제형으로 구성된 작고 정교하게 선별된 컬렉션을 통해 이 접근 방식을 테스트했습니다. 결과에 따르면, 이 시스템은 무작위 추측보다 훨씬 더 나은 새로운 실행 가능한 혼합물 레시피를 생성할 수 있었습니다. 작은 항체 파편과 관련된 한 특정 사례에서는, 단 3개의 실제 데이터 포인트만을 사용하여 시스템의 예측과 실제 실험 결과가 완벽하게 일치하는 성과를 거두었습니다. 평균적으로 이 시스템은 무작위 탐색이 커버할 수 있는 것보다 거의 5배 더 큰 화학적 공간을 탐색했는데, 이는 시스템이 단순히 오래된 데이터를 암기한 것이 아니라 단백질을 안정화하는 방법에 대한 진정한 패턴을 학습했음을 시사합니다. 또한 시스템은 서로 다른 유형의 단백질에 적응할 수 있으며, 구하고자 하는 특정 분자에 따라 전략을 바꿀 수 있음을 보여주었습니다.

하지만 저자는 이러한 결과가 현재 계산상의 가설일 뿐, 완성된 의약품은 아니라는 점을 주의 깊게 언급합니다. 이 시스템은 생성된 혼합물이 실제 시험관 내에서 실제로 작동하는지 확인하기 위한 습식 실험(wet laboratory)을 아직 거치지 않았습니다. 테스트에 사용된 데이터셋은 18개의 기록만을 포함할 정도로 매우 작았으며, 이는 오늘날 이 발견을 얼마나 폭넓게 적용할 수 있는지를 제한합니다. 연구자는 자신의 도구가 실험실 작업을 완전히 대체하기 위한 것이 아니라, 과학자들이 테스트할 후보를 제안하기 위해 설계된 것이라고 강조합니다. 그들은 이 도구를 컴퓨터가 수천 가지의 가능한 혼합물을 몇 가지 가장 유망한 것들로 빠르게 좁혀줌으로써 수개월의 수동 스크리닝 시간을 절약할 수 있는 미래를 향한 첫 단계로 보고 있습니다. 시스템이 시뮬레이션에서 큰 가능성을 보여주었지만, 궁극적인 증명은 컴퓨터가 생성한 레시피가 실제로 취약한 단백질을 수년간 안정적으로 유지할 수 있는지 검증하는 물리적 실험을 통해 이루어질 것입니다.

기술 요약: BioForm-LM

문제 정의
바이오의약품(단백질, 항체)의 안정적인 제형(formulation) 설계는 바이오 의약품 개발에서 여전히 중요한 병목 구간으로 남아 있으며, 이는 수동 스크리닝, 전문가의 경험적 휴리스틱, 그리고 느린 반복적 실험 주기에 의존하는 특성을 보입니다. 심각한 데이터 부족 문제도 존재합니다. 공개 문헌에는 모든 단백질을 통틀어 약 100~200개의 실제 제형만이 존재하며, 대부분의 스크리닝 데이터는 독점적(proprietary)입니다. 또한, 기존의 계산 도구들은 고정된 후보 세트를 점수화하거나 순위를 매기는 데 국한되어 있으며, 제형 레시피를 *데 노보(de novo, 처음부터)*로 생성하는 능력을 입증한 선행 방법론은 없습니다. 현재의 생성 모델들은 저분자 화합물(SMILES)이나 단백질 서열에 집중되어 있으며, 제형 특화 도구들은 생성 능력이 결여되어 있습니다.

방법론
BioForm-LM은 데이터 희소성과 제형 설계의 생성 능력 부재를 해결하기 위해 설계된 3단계 생성 시스템입니다. 이 시스템은 메커니즘 기반 시뮬레이션, 인컨텍스트 퓨샷 학습(in-context few-shot learning), 그리고 물리 정보 기반 디코딩을 결합합니다.

메커니즘 시뮬레이터 (사전 학습 데이터 생성):
물리 기반 순방향 모델(forward model)이 (단백질 기술자, 레시피) $\to$ 안정성 점수로 구성된 $10^5$ 개의 합성 학습 트리플(triples)을 생성합니다. 시뮬레이터는 두 가지 물리적 구성 요소를 인코딩합니다:
- DLVO 콜로이드 이론: pH, 이온 강도 및 완충 용액 종(species)에 의해 조절되는 정전기적 및 반데르발스 힘을 기반으로 상호작용 에너지( $U_{DLVO}$ )를 계산합니다.
- Lumry–Eyring 응집 역학: 문헌의 미분 주사 열량계(DSF) 데이터에 맞춰 보정된 응집 속도( $k_{agg}$ )를 모델링합니다.
  안정제 효과(예: 트레할로스, 자당)는 우선적 수화(preferential hydration) 및 올리고머 밀집(osmolyte crowding)에 기반한 휴리스틱으로 적용됩니다.
인컨텍스트 생성 트랜스포머:
합성 코퍼스에 대해 사전 학습된 소규모 디코더 전용 트랜스포머(10~150M 파라미터)입니다. 제형은 완충 용액 종, pH 빈(bin), 이온 강도 빈, 안정제 농도를 포함하는 199개의 토큰으로 토큰화되며, 단백질 기술자(분자량, 등전점, 기본 $T_m$ )에 의해 조건화됩니다.
- 추론: 새로운 단백질에 대해, 모델은 인컨텍스트 학습(in-context learning)을 수행합니다. 공개 문헌에서 추출한 $K=3–10$ 개의 실제 안정성 측정값이 접두사 컨텍스트(prefix context)로 제공됩니다. 그 후 모델은 가중치 동결 상태에서 그래디언트 업데이트 없이(without any gradient updates) $N$ 개의 후보 레시피를 자기회귀적으로 생성하며, 이를 통해 베이지안 적응(Bayesian adaptation)을 순방향 패스(forward pass)로 아모티제이션(amortize)합니다.
물리 정보 기반 비평가(Critic) 및 Best-of- $N$ 디코딩:
메커니즘 시뮬레이터로부터 증류(distilled)된 2개 층의 MLP인 경량 비평가가 $N$ 개의 생성된 후보들을 재순위화합니다. 비평가는 홀드아웃(held-out) 합성 데이터에 대해 시뮬레이터의 출력과 평균 제곱 오차(MSE)를 최소화하도록 학습됩니다. 시스템은 Best-of- $N$ 디코딩을 사용하여, 출력이 물리적으로 타당하고 실제 데이터와 일치하는 영역 내에 머물도록 가장 높은 비평가 점수를 가진 후보를 선택합니다.

주요 기여

최초의 생성형 제형 시스템: BioForm-LM은 기존 레시피의 순위를 매기는 것을 넘어 새로운 레시피를 데 노보로 제안함으로써, 생성 언어 모델을 바이오의약품 제형에 적용한 최초의 연구입니다.
새로운 아키텍처: 메커니즘 시뮬레이터, 인컨텍스트 트랜스포머, 물리 비평가를 하나의 "심 투 리얼(sim-to-real)" 파이프라인으로 통합하여 이산적(discrete) 레시피 설계를 구현했습니다.
퓨샷 적응(Few-Shot Adaptation): 극심한 데이터 희소성 상황에서도 3~10개의 실제 데이터 포인트만으로 새로운 단백질에 특화될 수 있는 적응형 퓨샷 생성을 보여줍니다.
오픈 벤치마크: 저자는 엄격한 Leave-one-protein-out (LOPO) 평가를 위해 IgG, scFv, Fab 단백질을 아우르는 18개의 문헌 추출 제형 기록으로 구성된 BioFormBench 데이터셋을 도입했습니다.

결과
LOPO 교차 검증을 사용하여 BioFormBench에서 평가한 결과:

Recall@10: BioForm-LM은 0.167의 Recall@10을 달성하여, Random Forest 베이스라인(0.080)과 SVM(0.050)을 능가했습니다.
커버리지(Coverage): 모델은 이산화된 제형 공간의 **35.3%**를 커버하였는데, 이는 무작위 샘플링(7.5%)보다 4.7배 높은 수치로, 단순한 무방향 탐색이 아닌 기저의 물리적 구조를 학습했음을 나타냅니다.
보정(Calibration): 모델은 단백질별로 가변적인 보정 성능을 보였습니다. 특히, 단 3개의 인컨텍스트 예시만을 사용하여 홀드아웃 scFv(P2)에 대해 완벽한 보정(Spearman $r=1.0, p=0.0$ )을 달성했습니다. 반면, IgG(P1)는 탐색적 영역( $r=-0.60$ )을 보였으며, 순위 상관관계 대신 더 넓은 커버리지를 확보하는 모습을 보였습니다.
어블레이션 연구(Ablation Studies): 인컨텍스트 적응을 제거했을 때 Recall@10이 67% 감소했으며, 물리 비평가를 제거했을 때는 33% 감소하여 두 구성 요소가 모두 필수적임을 확인했습니다.
다양성(Diversity): 생성된 후보들은 모든 단백질에 대해 높은 다양성(평균 쌍 거리 $\approx 0.404$ )을 유지하며 모드 붕괴(mode collapse)를 피했습니다.

의의 및 주장
본 논문은 메커니즘 기반의 사전 학습과 인컨텍스트 적응을 결합하는 것이 실제 데이터가 비싸고 희귀한 영역에서 생성적 설계를 위한 실행 가능한 경로임을 입증한다고 주장합니다.

실질적 영향: 시스템은 물리적으로 근거 있는 50개의 후보를 수 초 내에 제안할 수 있으며, 이는 안정적인 제형을 식별하는 데 걸리는 시간을 몇 개월에서 며칠로 단축하여 치료제 출시를 가속화하고 비용을 절감할 수 있습니다.
겸허함 및 한계: 저자는 본 벤치마크가 예비적 단계(18개 제형)임을 명시하며, 습식 실험(wet-lab) 검증이 수행되지 않았음을 밝힙니다. 생성된 레시피는 실험적 스크리닝을 위한 계산적 가설이며, 즉시 배포 가능한 제형이 아닙니다. scFv에서의 완벽한 보정은 실험을 대체하는 것이 아니라 실험적 테스트를 위한 동기 부여로 제시되었습니다.
향atic 로드맵: 즉각적인 우선순위는 벤치마크를 100개 이상의 기록으로 확장하고 습식 실험 검증을 구하는 것입니다. 중기 목표는 휴리스틱 물리를 분자 역학(MD) 시뮬레이터로 교체하고, 면역원성 및 제조 가능성을 포함하도록 목적을 확장하는 것입니다.

기술 요약: BioForm-LM

유사한 논문