BioGraphX-Sol: A Structure-Free, Fully Interpretable Protein Solubility Predictor Exceeds AlphaFold3-Based Methods and Reveals Nine Universal Cross-Species Determinants

단백질은 생명의 일꾼으로, 모든 살아있는 세포 내부에서 특정 과업을 수행하기 위해 특정한 모양으로 접히는 아주 작은 분자 기계입니다. 과학자와 엔지니어들에게 이 단백질들을 세포 밖에서 작동하게 만드는 것은 매우 큰 난제입니다. 연구자들이 의약품이나 산업용 효소를 만들기 위해 실험실에서 단백질을 생산하려고 할 때, 종종 상당 부분의 단백질이 제대로 용해되지 않는 문제가 발생합니다. 대신에, 이들은 용액 속에 자유롭게 떠다니는 대신 서로 엉겨 붙어 고체 상태의 쓸모없는 덩어리가 됩니다. '응집(aggregation)'이라고 알려진 이 과정은 신약 개발과 생명공학의 속도를 늦추는 병목 현상입니다. 이를 해결하기 위해 과학자들은 화학 물질을 시험관에 섞기도 전에 어떤 단백질 서열이 용해 상태를 유지하고 어떤 것이 뭉칠지를 예측하여 더 나은 단백질을 설계하고자 오랫동안 노력해 왔습니다.

수년 동안, 이러한 예측을 위한 가장 강력한 도구들은 두 가지 무거운 방식에 의존해 왔습니다. 한 가지 방법은 단백질의 정확한 3차원 구조를 추측하는 것이었는데, 이 과정은 막대한 컴퓨터 연산 능력을 요구하며 자연적으로 흐물거리거나 무질서한 단백질의 경우에는 실패하는 경우가 많았습니다. 다른 방법은 수십억 개의 단백질 서열을 학습한 거대한 인공지능 모델을 사용하여 패턴을 찾는 것이었으나, 이 모델들은 너무 복잡하여 왜 단백질이 실패하는지에 대한 명확한 설명도 제공하지 못하는 '블랙박스'처럼 작동했습니다. 두 접근 방식 모두 값비싼 하드웨어를 요구하며, 연구자들이 단백질의 행동에 대한 근본적인 물리적 이유를 알지 못한 채 추측만 하게 만듭니다.

새로운 연구는 3D 구조나 거대한 AI 학습의 필요성을 우회하는 다른 길을 제시합니다. 연구자 아부바카르 사이드(Abubakar Saeed)는 단백질의 아미노산 서열만을 사용하여 단백질 용해도를 예측하는 'BioGraphX-Sol'이라는 도구를 개발했습니다. 이 도구는 단백의 3D 구조를 재구성하거나 거대 언어 모델에 의존하는 대신, 단순하고 알려진 물리 법칙을 바탕으로 상호작용 지도를 구축합니다. 이 도구는 단백질 서열을 연결의 네트워크로 취급하여, 전하와 소수성 같은 화학적 특성을 기반으로 체인의 서로 다른 부분들이 어떻게 상호작용할지를 계산합니다. 이 접근 방식은 서열로부터 200개의 구체적인 물리적 특징을 추출하여, 최종적으로 접힌 모양을 알지 못하더라도 단백질의 행동에 대한 상세한 프로필을 만들어냅니다.

이 새로운 방법의 결과는 놀랍습니다. 단백질 용해도에 대한 표준 벤치마크로 테스트했을 때, 이 새로운 도구는 현재 사용 가능한 가장 진보되고 복잡한 시스템들의 성능과 대등한 결과를 보여주었습니다. 이 도구는 세 가지 서로 다른 거대 언어 모델을 결합한 선도적인 방법 및 예측된 3D 구조에 의존하는 방법만큼이나 뛰어난 성능을 보였습니다. 놀랍게도, 이 새로운 도구는 이보다 훨씬 적은 양의 계산 자원을 사용하여 이 성과를 달성했습니다. 복잡한 방법들은 강력한 그래픽 프로세서를 필요로 하며 단 하나의 단백질을 분석하는 데 몇 분이 걸리는 반면, 이 새로운 도구는 표준 컴퓨터 프로세서에서 밀리초 단위로 효율적으로 실행됩니다. 이 도구는 3D 구조를 예측할 필요가 없으며, 단백질이 거대한 진화 계통의 일부일 필요도 없습니다.

가장 중요한 발견은 이 새로운 도구가 실제로 예측된 3D 구조를 사용하는 방법들보다 더 뛰어난 성능을 보였다는 점입니다. 3D 좌표와 진화 데이터를 결합한 시스템이 이 새로운 구조-비의존적(structure-free) 접근 방식을 이기지 못했습니다. 이는 용해도를 예측하는 데 필요한 특정 구조적 정보가 적절한 물리 법칙을 통해 서열로부터 직접 추출될 수 있음을 시사하며, 전체 3D 모양을 예측하는 값비싼 단계가 불필요함을 보여줍니다. 또한 연구는 이 새로운 방법이 서로 다른 종에 대해 훨씬 더 잘 일반화된다는 것을 밝혀냈습니다. 모델 학습에 사용된 박테리아와 완전히 다른 생물체인 효모의 단백질로 테스트했을 때, 이 새로운 도구는 높은 정확도를 유지한 반면, 진화적 패턴에 의존하는 방법들은 어려움을 겪었습니다. 이는 단백질이 뭉치는 것을 결정하는 물리 법칙은 보편적인 반면, 거대 AI 모델이 학습한 패턴은 종종 그들이 학습한 생물체에 국한되어 있음을 나타냅니다.

단순히 숫자를 예측하는 것을 넘어, 이 새로운 도구는 단백질이 왜 그렇게 행동하는지에 대한 명확한 창을 제공합니다. 이 도구가 사용하는 모든 특징은 알려진 물리적 원리에 기반하므로, 연구자들은 어떤 요인이 예측을 주도하는지 정확히 파악할 수 있습니다. 이 분석은 다양한 종에 걸쳐 용해도를 일관되게 결정하는 9가지 구체적인 물리적 특성을 식별해 냈습니다. 여기에는 단백질 체인을 따른 전하의 분포, 끈적한 소수성 영역의 간격, 그리고 잠재적인 응집 부위의 기하학적 구조가 포함됩니다. 연구 결과, 이러한 물리적 요인들이 예측력의 약 59%를 차지하는 반면, 나머지 부분은 진화적 정보가 차지하는 것으로 나타났습니다. 이 균형은 용해도와 같은 작업에서는 물리학의 법칙이 진화의 역사만큼이나 중요하다는 것을 시사합니다.

이 연구의 함의는 더 나은 예측을 넘어섭니다. 이 연구는 더 크고 복잡한 모델이 항상 더 좋다는 기존의 관념에 도전합니다. 도메인 지식을 특징값에 직접 인코딩함으로써, 연구자는 압축적이고 해석 가능한 시스템이 거대한 신경망과 경쟁할 수 있음을 보여주었습니다. 이 접근 방식은 인공지능의 에너지와 하드웨어 비용을 줄이고자 하는 '그린 AI(Green AI)' 운동과 궤를 같이합니다. 이 도구는 자원이 제한된 환경의 연구자들이 슈퍼컴퓨터 없이도 수천 개의 단백질 설계를 빠르고 저렴하게 스크리닝할 수 있는 방법을 제공합니다. 또한 단백질 엔지니어들에게 전하를 띤 잔기(residue)의 간격을 조절하거나 끈적한 아미노산 클러스터를 분해하는 것과 같이, 단백질의 용해도를 유지하기 위해 필요한 구체적인 화학적 수정 사항을 직접 가리키는 명확한 가이드를 제공합니다.

이 연구에는 한계점도 존재합니다. 예측은 기존 데이터에 기반한 계산적 벤치마크를 통해 검증되었으며, 이 도구가 실제 습식 실험(wet lab)을 안내하는 데 사용되어 검증되지는 않았습니다. 학습 데이터는 살아있는 세포 내부의 복잡한 환경과는 다른 특정 유형의 세포 무첨가(cell-free) 시스템에서 가져온 것입니다. 그러나 지식을 재학습 없이 효모로 전이할 수 있는 능력은 근본적인 원리가 견고함을 시사합니다. 연구자는 향후 작업이 이러한 통찰력을 활용하여 새로운 단백질 설계를 가이드하고, 응집을 방지하기 위해 서열의 어느 부분을 변경해야 하는지 정확히 식별할 수 있을 것이라고 제안합니다. 이는 '추측하고 확인하는' 방식에서 '직접적이고 물리 기반적인 이해'를 통해 단백질의 행동을 제어하는 방식으로의 전환을 의미합니다.

결국, 이 연구는 때때로 가장 강력한 도구는 가장 큰 것이 아니라는 점을 입증합니다. 단백질을 녹이거나 뭉치게 만드는 근본적인 물리적 힘에 집중함으로써, 이 새로운 방법은 단순함과 속도를 갖추면서도 높은 정확도를 달성했습니다. 이는 구조적 정보를 해결하는 데 필요한 정보가 적절한 지도를 통해 해제될 준비가 된 채 서열 자체에 숨겨져 있다는 것을 증명합니다. 단백질의 힘을 활용하려는 과학자들에게, 이 연구는 복잡한 생물학적 미스터리를 실행 가능한 물리 법칙의 집합으로 바꾸어 놓는 명확하고 효율적이며 이해 가능한 길을 제시합니다.