🧬 생물학

Multiscale autoregressive modeling generates ordered protein conformational trajectories

이 논문은 기존의 AlphaFlow와 같은 방법들보다 오류 축적을 현저히 줄이고 분자 역학 데이터에 대한 높은 충실도를 유지하면서, 길고 순서가 있는 단백질 구조 궤적을 효율적으로 생성하는 계층적 자기회귀 모델인 TEMPO를 소개한다.

원저자: Mingchen Chen, Yaoyao Xu, Yu Liu, Tianshu Yu

게시일 2026-10-19

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Mingchen Chen, Yaoyao Xu, Yu Liu, Tianshu Yu

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

단백질은 생명의 작동 기계로, 산소를 운반하거나 감염과 싸우거나 세포 간에 신호를 보내는 것과 같은 과업을 수행하기 위해 특정한 모양으로 접히는 미세한 분자 구조입니다. 그러나 이 기계들은 정적인 조각상이 아닙니다. 이들은 일을 완수하기 위해 끊임없이 움직이고, 숨 쉬며, 그 형태를 변화시킵니다. 단백질은 닫힌 상태에서 시작하여 분자를 잡기 위해 열렸다가, 다시 분자를 변형시키기 위해 꽉 닫힐 수 있습니다. 과학자들은 이러한 움직임을 이해하는 것이 최종 형태를 아는 것만큼 중요하다는 것을 오래전부터 알고 있었습니다. 왜냐하면 한 상태에서 다른 상태로 이동하는 단백질의 경로는 종종 그것이 어떻게 작동하는지, 혹은 약물에 의해 어떻게 억제될 수 있는지에 대한 열쇠를 쥐고 있기 때문입니다. 수십 년 동안 연구자들은 모든 원자의 물리학을 계산하는 강력한 컴퓨터를 사용하여 이러한 움직임을 시뮬레이션하려고 노력해 왔지만, 이러한 시뮬레이션은 매우 느리고 비용이 많이 들며, 단 하나의 단백질에 대해 단 몇 초간의 움직임을 생성하는 데에도 몇 주가 걸리기도 합니다. 이러한 한계는 서로 다른 단백질들이 어떻게 움직이는지 연구하거나, 많은 다양한 분자들의 경로를 나란히 비교하는 것을 어렵게 만들었습니다.

이 문제를 해결하기 위해, 연구진은 이전 방식보다 훨씬 짧은 시간 안에 길고 질서 있는 단백질 움직임의 서열을 생성할 수 있는 TEMPO라는 새로운 인공지능 도구를 개발했습니다. TEMPO는 원자 사이의 모든 물리적 힘을 일일이 계산하는 대신, 단백질이 자연스럽게 시간에 따라 어떻게 진화하는지에 대한 패턴을 인식하도록 수천 개의 기존 컴퓨터 시뮬레이션으로부터 학습합니다. 이 시스템은 두 가지 속도를 가진 카메라처럼 작동합니다. 먼저 단백질 형태의 주요하고 느린 변화를 예측하여 닻(anchor) 역할을 하는 지점들을 설정한 다음, 그 닻들 사이에서 발생하는 빠르고 작은 흔들림과 요동을 채워 넣습니다. 이러한 접근 방식은 모델이 긴 시간 동안 단계별로 예측할 때 흔히 발생하는 오류 없이, 단백질의 생애 주기를 매끄럽고 연속적인 영화처럼 만들어낼 수 있게 합니다. 연구진은 이 방법을 세포 에너지 생산을 돕는 효소와 많은 세포 과정을 조절하는 키나아제(kinase)라고 불리는 거대 단백질 가족을 포함한 매우 다양한 단백질에 테스트했습니다.

결과는 TEMPO가 실제 단백질 움직임의 통계적 특성을 놀라운 정확도로 재현할 수 있음을 보여줍니다. 연구팀이 생성된 서열을 물리 기반 시뮬레이션이라는 황금 표준과 비교했을 때, 이 새로운 모델은 기대되는 움직임 패턴과 거의 완벽하게 일치했습니다. 예를 들어, 모델은 단백질의 서로 다른 부분들이 얼마나 흔들릴지, 그리고 전체적인 형태가 어떻게 변할지를 정확하게 예측했으며, 이는 이전의 방법들을 훨씬 뛰어넘는 수준의 일치도를 달가 보여주었습니다. 조개처럼 열리고 닫히는 특정 단백질을 이용한 하나의 구체적인 테스트에서, 모델은 닫힌 상태에서 열린 상태로 가는 연속적인 경로를 성공적으로 생성하였으며, 이는 실제 실험에서 과학자들이 관찰하는 것과 일치하는 논리적인 접촉 변화 과정을 보여주었습니다. 이 새로운 방식의 속도 또한 주요한 돌파구입니다. 400 프레임의 서열을 생성하는 데 1분도 채 걸리지 않았는데, 이는 기존 기술로는 몇 시간 또는 며칠이 소요되었을 작업입니다.

속도와 정확성을 넘어, 이번 연구는 TEMO가 특정 유형의 움직임을 생성하도록 유도될 수 있음을 입증했습니다. 연구진은 모델이 많은 약물의 중요한 표적이 되는 DFG라고 알려진 화학적 모티프의 특정 국소 형태를 생성하도록 유도할 수 있음을 보여주었습니다. 생성 과정 중에 간단한 규칙을 적용함으로써, 그들은 모델이 여러 종류의 키나아제에 대해 '온(on)' 또는 '오프(off)' 상태의 구조를 생성하도록 직접 지시할 수 있었습니다. 이는 모델이 새로운 단백질에 대해 매번 다시 학습할 필요 없이, 단백질의 유연성에 대한 근본적인 규칙을 충분히 잘 학습했음을 시사합니다. 연구진은 또한 이 도구를 세포막에 박혀 있으며 환경을 감지하는 데 관여하는 G 단백질 결합 수용체(G protein-coupled receptors) 그룹에 적용하여, 모델이 한 번도 본 적 없는 단백질에도 지식을 전이할 수 있음을 보여주었습니다.

이 연구는 단백질이 계층적인 방식으로 움직인다는 것, 즉 느리고 대규모인 변화가 빠르고 국소적인 떨림의 틀을 제공한다는 것을 확인시켜 줍니다. 이 두 가지 규모의 움직임을 분리함으로써, 연구진은 컴퓨터가 경로를 벗어나는 문제, 즉 작은 오류들이 시간이 흐름에 따라 누적되어 터무니없는 최종 형태를 만들어내는 흔한 문제를 방지할 수 있었습니다. 현재 버전의 도구는 단백질의 백본(backbone) 구조에 집중하며 아직 주변의 물, 이온 또는 화학적 리간드를 포함하지는 않지만, 서로 다른 단백질들이 어떻게 움직이는지 비교할 수 있는 강력한 프레임워크를 제공합니다. 이러한 능력은 돌연변이나 약물이 단백질의 역동적인 행동을 어떻게 변화시키는지 빠르게 스크리닝할 수 있는 길을 열어주며, 생명의 분자 기계를 바라보는 새로운 렌즈를 제공합니다. 이 작업은 상세한 물리 시뮬레이션의 필요성을 대체하는 것이 아니라, 과학자들이 이전에는 손이 닿지 않았던 명확함과 속도로 단백질 운동의 광활한 영역을 탐구할 수 있게 해주는 빠르고 신뢰할 수 있는 보완책을 제공합니다.

기술 요약: 다중 스케일 자기회귀 모델링을 통한 정렬된 단백질 구조 궤적 생성

문제 정의

단백질의 기능은 구조적 상태 간의 전이에 의존하며, 이는 단순히 정적인 종단점이나 무정형 앙상블이 아닌, 정렬된 구조적 서열에 대한 이해를 필요로 한다. 분자 동역학(MD) 시뮬레이션은 원자 수준으로 해상된 궤적을 제공하지만, 계산 비용이 매우 높아 대규모 단백질 패널, 돌연변이 또는 리간드 상태를 체계적으로 비교하는 데 한계가 있다. 기존의 딥 생성 모델(예: AlphaFlow, BioEmu)은 다양한 구조적 앙상블을 샘플링하는 데는 뛰어나지만, 의미 있는 순차적 궤적에 필요한 시간적 의존성을 보존하는 데는 종종 실패한다. 반대로, 순차적 생성기들은 긴 롤아웃(rollout) 과정에서 발생하는 오차 누적 문제에 직면한다. 즉, 각 예측값이 다음 예측의 컨텍스트가 됨에 따라 기하학적 오차가 중첩되는 현상이 발생한다. 또한, 단백질 운동은 본질적으로 빠른 국소 변동과 느린 집합적 재배열이 결합된 다중 스케일 특성을 가지므로, 단일 스케일 업데이트 메커니즘으로는 단거리 변동과 안정적인 장거리 진화 사이의 균형을 맞추기 어렵다.

방법론: TEMPO

저자들은 MD 궤적으로부터 두 가지 서로 다른 시간 해상도에서 정렬된 단백질 백본 구조를 생성하도록 훈련된 계층적 자기회귀 모델인 TEMPO를 소개한다.

아키텍처 및 표현법

백본 표현: 각 잔기는 SE(3) 백본 프레임(회전은 단위 사원수, 병진)과 불연속성을 피하기 위해 사인-코사인 쌍으로 인코딩된 비틀림 각도( $\phi, \psi, \omega$ )로 표현된다.
신경망 아키텍처: 모델은 두 스케일 모두에 대해 공유된 아키텍처를 사용하며, SE(3) 프레임의 공간적 인코딩을 위한 불변 점 주의(Invariant Point Attention, IPA)와 잔기 간 상호작용을 위한 멀티 헤드 셀프 어텐션(multi-head self-attention)을 채택한다. 시간적 의의는 게이트 순환 유닛(GRU) 레이어를 사용하여 모델링된다.
역학 공식화: 구조적 진화는 SDE에서 영감을 얻은 이산 업데이트 식 $X_{t+\Delta t} = X_t + f_\theta(ctxt)\Delta t + \sigma\sqrt{\Delta t}\epsilon_t$ 로 매개변수화된다. 예측은 두 프레임의 컨텍스트에 조건화되므로, 이 과정은 비 1차 마르코프(non-first-order Markovian) 특성을 갖는다.

계층적 프레임워크

TEMPO는 장기 호라이즌 드리프트(long-horizon drift)를 완화하기 위해 생성을 두 가지 스케일로 분해한다.

느린 스케일 모델 (Slow-Scale Model): 20-ns 샘플링 간격(훈련 데이터의 간격과 일치)으로 "앵커(anchor)" 구조를 진전시킨다. 이 앵커들은 궤적의 장거리 진화를 조직한다.
빠른 스케일 모델 (Fast-Scale Model): 1-ns 간격으로 중간 프레임을 생성한다. 이 모델은 느린 스케일의 컨텍스트(앵커 구조)에 조건화되어 앵커 사이의 구조적 변이를 해결한다.
추론 과정: 추론 시, 느린 스케일 모델이 먼저 앵커 시퀀스를 생성한다. 그 후, 빠른 스케일 모델이 각 20-ns 세그먼트에 대해 19개의 중간 프레임을 생성하여 연속적이고 정렬된 궤적을 조립한다.

훈련 및 조건화

훈련 데이터: 4,000개의 무작위 샘플링된 mdCATH 단백질로부터 추출한 320,000개의 궤적을 사용하여 훈련되었다.
손실 함수: 평균 제곱 오차(MSE) 재구성과 입체적 충돌 페널티(인접하지 않은 원자가 1.2 Å보다 가까울 때 적용되는 ReLU 페널티)를 결합한다.
조건화 메커니즘:
- 종단점 조건화 (Endpoint-Conditioned): 학습 가능한 인코더가 타겟 구조( $X^*$ )를 잔기별 임베딩으로 매핑하며, 이를 잠재 상태(latent state)에 더하여 롤아웃이 특정 종단점으로 편향되도록 유도한다.
- 추론 시 스티어링 (Inference-Time Steering): 국소 모티프 제어(예: DFG 기하 구조)를 위해, 모델 파라미터를 업데이트하지 않고 다중 항 목적 함수를 사용하여 각 자기회귀 단계 이후 특정 잔기를 정교화한다.

주요 결과

앙상블 충실도 및 효율성

보류된(held-out) mdCATH 및 ATLAS 단백질에 대해, TEMPO는 MD 유래 앙상블 관측치를 재현했다.

상관관계: ATLAS 데이터셋에서 앙상블 평균 쌍별 RMSD에 대해 0.91, 잔기 수준 RMSF에 대해 0.89의 피어슨 상관계수를 달성했다.
주성분 분석 (PCA): 주요 주성분 방향이 ATLAS 케이스의 76%에서 MD와 일치하였으며, 이는 AlphaFlow(44%)를 크게 상회하는 수치이다.
효율성: 400-프레임 롤아웃에 1분 미만이 소요되었으며, 이는 보고된 설정 하의 AlphaFlow보다 약 750배 빠르다.
드리프트 감소: 단일 스케일 자기회귀 모델과 비교했을 때, 다중 스케일 계층 구조는 400-프레임 롤아웃에 대한 장기 호라이즌 RMSD 오차를 8.62 Å에서 1.78 Å로 줄였다.

응용 1: 아데닐레이트 키나아제 (ADK) 개방

폐쇄형(1AKE)에서 개방형(4AKE) 상태로의 10가지 종단점 조건부 롤아웃 결과:

생성된 구조들은 RMSD 공간에서 연속적인 회랑(corridor)을 형성했다.
운동학적 맵 tICA 분석 결과, 공통된 폐쇄-개방 좌표(tIC1)가 프레임 순서와 일치하는 일관된 진행을 보여주었다.
분석 결과 점진적인 접촉 교환(contact exchange)이 확인되었다. 즉, 폐쇄 상태 특이적 접촉은 감소하고 개방 상태 특이적 접촉은 축적되었으며, 가동성은 NMP 및 LID 도메인에 국한되었다.

응용 2: 키나아제 DFG 스티어링

100개의 키나아제에 대해 추론 시 스티어링을 적용하여 대안적인 국소 DFG 백본 기하 구조를 생성했다.

68개의 키나아제에 대해, 이 방법은 DFG-in 유사 구조와 DFG-out 유사 구조를 모두 성공적으로 생성해 냈다.
수용된 프레임들은 DFG-Phe 라마찬드란(Ramachandran) 플롯에서 뚜렷하게 구분되는 영역을 점유하였으며, 이는 모델 재학습 없이도 국소 백본 기하 구조에 대한 제어가 가능함을 입증했다.

응용 3: 키나아제 유연성 및 GPCR 전이

키나아제 유연성: 252개의 키나아제에 걸쳐 생성된 변동 프로파일은 결정 구조의 B-factor와 가변적인 일치도를 보였다 (평균 Spearman $\rho = 0.358$ ; $\rho \ge 0.5$ 인 경우 22%).
GPCR 전이: 솔루블 단백질(mdCATH)로만 훈련된 모델을 별도의 업데이트 없이 6개의 GPCR(Class A–C)에 적용하였다. 생성된 구조들은 수용체 전용 MD 투영의 주요 영역과 겹쳤으며, 변동은 유연한 영역(N-말단, 루프)에 집중된 반면 막 관통 핵심부는 안정적으로 유지되었다.

의의 및 주장

본 논문은 TEMPO가 정렬된 단백질 구조 시퀀스를 생성하고 비교할 수 있는 프레임워크를 제공하며, 특히 긴 롤아웃 생성 시 발생하는 오차 누적 문제를 해결한다고 주장한다. 주요 의의는 다음과 같다:

계층적 안정성: 생성 과정을 느린(집합적) 스케일과 빠른(국소적) 스케일로 분리함으로써 드리프트를 크게 줄이는 동시에 MD와 유사한 구조적 통계치를 보존함을 입증했다.
제어 가능성: 모델이 종단점 조건부 생성(전이 경로를 위함)과 추론 시 스티어링(국소 모티프 조작을 위함)을 모두 지원함을 보여주었다.
효율성: 대규모 단백질 패널 전반에 걸쳐 정렬된 구조 변화를 비교하기 위한 물리 기반 시뮬레이션의 신속한 대안을 제시한다.

저자들은 명시적인 한계점도 언급하였다: 모델은 백본 중심이며(측쇄, 리간드, 용매 제외), 시간 레이블은 보정된 운동학적 시간이 아닌 샘플링 간격을 반영하며, 조건부/스티어링된 롤아웃은 편향되지 않은 샘플이 아니라는 점이다. 이 연구는 TEMPO를 물리 기반 시뮬레이션이나 실험적 검증을 대체하는 것이 아니라 이를 보완하는 도구로 위치시킨다.