기술 요약: Cerebra-Epistasis

문제 정의

다중 돌연변이 적응도 지형(multi-mutant fitness landscape)을 매핑하는 것은 단백질 공학에 필수적이지만, 방대한 조합적 서열 공간으로 인해 계산적으로 매우 부담스러운 작업입니다. 핵심적인 과제는 단백질 구조에 의해 정의되는 물리적 잔기 상호작용에서 기인하는 비가산적 에피스타시스 효과(non-additive epistatic effects, 돌연변이 간의 상호작용)를 정확하게 모델링하는 것입니다. 기존 예측 도구들은 에피스타시스를 무시하거나, 이를 희소한 쌍별 항(sparse pairwise terms)으로 지나치게 단순화하거나, 혹은 모든 후보 변이체를 명시적으로 평가해야 하기 때문에 고차 돌연변이 모델링에 어려움을 겪습니다. 또한, 현재의 방법들은 대개 명시적인 구조적 맥락이 결여되어 있거나 계산 비용이 많이 드는 다중 서열 정렬(MSA) 탐색을 필요로 하여, 엔드 투 엔드 최적화와 효율적인 지형 규모 추론을 저해합니다.

방법론

저자들은 단일 서열 구조 예측기와 다운스트림 적응도 네트워크를 결합하여 재사용 가능한 돌연변이 인덱스 아틀라스(mutation-indexed atlas)를 구축하는 엔드 투 엔드 프레임워크인 Cerebra-Epistasis를 제시합니다.

1. 구조 인식 인코딩 (Cerebra-Seq)

이 프레임워크는 MSA 기반의 Cerebra 아키텍처에서 파생된 경량 단일 서열 구조 예측기인 Cerebra-Seq를 활용합니다.

• 입력: MSA 탐색 없이 단일 야생형(WT) 서열을 처리합니다. 이는 mHC(manifold-constrained hyper-connection) 혼합 헤드를 통해 동결된 ESMC 및 ESM3 모델의 표현(representation)을 통합합니다.
• 아키텍처: 모델은 Evoformer 블록과 경로 합성 어텐션(Path Synthesis Attention, PSA) 구조 모듈을 사용하여 잔기 수준의 노드 표현, 잔기 쌍 엣지 표현, 그리고 측쇄(side-chain)가 해상도 높은 원자 좌표를 생성합니다.
• 효율성: Cerebra-Seq는 다운스트림 태스크와의 엔드 투 엔드 학습이 가능하도록 설계되었으며, ESMFold나 OmegaFold와 같은 모델에 비해 훨씬 적은 파라미터 수와 학습 비용으로 높은 구조적 정확도를 제공합니다.

2. 에피스타시스 인식 적응도 모델링

다운스트림 적응도 예측기는 다중 돌연변이 적응도를 가산적인 단일 돌연변이 성분과 비선형적인 에피스타시스 기여분으로 분해합니다.

• SE(3)-등변 인코딩 (SE(3)-Equivariant Encoding): 야생형 단백질은 예측된 3D 좌표, 노드/엣지 표현, 그리고 ESM-2 임베딩을 통합하는 SE(3)-등변 트랜스포머를 사용하여 한 번 인코딩됩니다.
• 텐서 구성: 이 인코딩은 서열 위치와 아미노산 상태에 의해 인덱싱되는 두 개의 재사용 가능한 텐서를 생성합니다:
  • 단일 돌연변이 점수 텐서 ($S$): 개별 치환에 대한 스칼라 점수를 제공합니다.
  • 에피스타시스 표현 텐서 ($U$): 상호작용 모델링을 위한 고차원 표현을 제공합니다.
• 조립 모듈 (Assembly Module): 임의의 차수를 가진 돌연변이에 대해, 모델은 $S$와 $U$에서 해당하는 항목을 검색합니다. 적응도는 단일 돌연변이 점수를 합산하고 에피스타시스 표현을 순열 불변 합산(permutation-invariant summation) 후 공유 MLP를 통해 집계함으로써 예측됩니다. 이를 통해 모델은 서열이나 구조를 다시 인코딩하지 않고도 보지 못한 고차 조합에 대한 적응도를 추론할 수 있습니다.

3. 학습 전략

프레임워크는 두 가지 학습 모드를 지원합니다:

• 다운스트림 전용 (Downstream-only): 구조 예측기(Cerebra-Seq)를 동결하고 적응도 네트워크만 학습합니다.
• 엔드 투 엔드 (End-to-End): Cerebra-Seq와 적응도 네트워크를 공동 최적화하여, 구조적 표현이 돌연변이 효과 예측에 특화되도록 적응시킵니다.

주요 결과

구조 예측 성능

CAMEO 2024 및 2025 벤치마크에서 Cerebra-Seq는 각각 0.83 및 0.81의 평균 TM-score를 달성했습니다. 이는 직접적인 ESM3 생성 및 SPIRED를 일관되게 능가했으며, ESMFold에 이어 두 번째로 높은 성능을 기록했습니다. 특히, 상당수의 타겟 세트에서 ESMFold를 능가하면서도 훨씬 낮은 추론 시간(예: 200~1,000 잔기 단백질의 경우 ESMFold보다 1.84배 빠름)을 유지했습니다.

적응도 예측 정확도

• 표준 벤치마크: 1M+ to 1M+ (무작위 교차 검증) 벤치마크에서 Cerebra-Epistasis는 평균 Spearman 상관계수 0.85를 기록하며, 기존 최첨단 베이스라인인 ProteinNPT(0.84)를 앞질렀습니다.
• 저데이터 외삽 (Low-Data Extrapolation): Low-$N$ 1M/2M to 3M+ 벤치마크(고차 변이 예측을 위해 <300개의 단일/이중 돌연변이로 학습)에서, Cerebra-Epistasis는 평균 Spearman 상관계수 0.65를 달성하여 Kermut(0.62)와 MULTI-evolve(0.61)를 능가했습니다. 이 모델의 우위는 돌연변이 차수가 높아질수록 증가하였으며, 이는 탁월한 외삽 능력을 입증합니다.
• 에피스타시스 예측: 별도의 홀드아웃 이중 돌연변이 벤치마크에서, 이 모델은 보지 못한 쌍별 에피스타시스에 대해 0.55의 Spearman 상관계수를 달성하여 Kermut(0.35)와 MULTI-evolve(0.19)를 크게 압도했습니다.

생물학적 타당성

모델은 생물학적으로 의미 있는 패턴을 성공적으로 복구했습니다:

• TrpB 지형: 2,166개의 이중 돌연변이 중 가장 강력한 양의 에피스타시스 상호작용(V227K/S228G)을 정확히 식별하였으며, 활성 부위 근처의 잔기 근접성과 일치하는 치환에 따른 에피스타시스 지형을 재현했습니다.
• GB1 지형: 모델은 거리 의존적 에피스타시스(짧은 공간적 거리에서 더 강한 상호작용)를 재현하였고, 배경 의존적 에피스타시스(예: 사이트 39에 따라 변하는 G41–V54 상호작용)를 정확하게 모델링했습니다.

계산 효율성

"원샷(one-shot)" 추론 패러다임은 엄청난 가속화를 제공합니다. 야생형 단백질을 한 번만 인코딩함으로써, 프레임워크는 반복적인 서열/구조 처리를 피합니다. 저자들은 100개 잔기 단백질의 완전한 3중 돌연변이 지형을 스크리닝하는 데 Cerebra-Epistasis는 3.70분이 소요되는 반면, Kermut은 2.57일, ProteinNPT는 2.60년이 걸린다고 추정했습니다. 이는 약 3개 차수(orders of magnitude)의 속도 향상을 의미합니다.

의의 및 주장

본 논문은 Cerebra-Epistasis가 정확한 구조 인식 예측과 효율적인 지형 규모 추론 사이의 간극을 메우는 통합된 프레임워크를 제공한다고 주장합니다. 주요 기여는 다음과 같습니다:

1. 명시적 에피스타시스 모델링: 가산 항과 에피스타시스 항을 재사용 가능한 텐서를 통해 분리함으로써, 모델은 비선형 상호작용을 효과적으로 포착하고 저차에서 고차 돌연변이로의 신뢰할 수 있는 외삽을 가능하게 합니다.
2. 구조적 맥락: 경량 단일 서열 구조 예측기를 통합함으로써, 모델은 MSA 기반 방법의 계산적 부담 없이 3D 물리적 맥락(패킹, 접촉)을 활용할 수 있습니다.
3. 확장성: 조합 가능한 아틀라스 설계는 구조적 인코딩 비용을 후보 라이브러리의 크기와 분리하여, 기존의 지도 학습 기반 예측기로는 불가능했던 조합적 적응도 지형의 평가를 가능하게 합니다.
4. 엔드 투 엔드 학습 가능성: 구조와 적응도 예측의 공동 최적화가 구조적 품질을 크게 유지하면서도 적응도 정확도를 향상시킬 수 있음을 보여줌으로써, 구조 예측을 고정된 전처리 단계로 취급하는 관행에 도전합니다.

저자들은 야생형 중심의 정식화가 돌연변이에 의한 형태 변화(conformational rearrangement) 모델링을 제한할 수 있지만, Cerebra-Epistasis가 다중 돌연변이 적응도 예측을 정확하고 계산적으로 실행 가능하게 만드는 중요한 진전이라고 결론짓습니다.