기술 요약: 쌍별 상대적 학습을 통한 강건한 효소 역학 예측

문제 정의

효소 역학(enzyme kinetics) 예측은 생촉매 설계 및 대사 공학의 핵심적인 병목 구간이다. UniProt에는 2억 3천만 개 이상의 단백질 서열이 존재하지만, BRENDA나 SABIO-RK와 같은 데이터베이스에 실험적으로 측정된 역학 파라미터(예: $k_{cat}$, $K_m$, $k_{cat}/K_m$)를 보유한 경우는 0.1% 미만이다. 전통적인 머신러닝에서 딥러닝 및 대규모 사전 학습 모델로 진화해 온 기존의 계산 방법들은 두 가지 근본적인 한계에 직면해 있다:

1. 데이터 희소성 및 이질성: 효소-기질 공간은 매우 희소하게 샘플링되어 있으며, 역학 측정값은 연구 간 상당한 변동성을 보인다. 동일한 효소-기질 시스템에 대해 보고된 값들이 서로 다른 실험 조건으로 인해 수 차례의 차이(orders of magnitude)를 보일 수 있으며, 이는 체계적인 노이즈를 유발한다.
2. 절대 회귀의 편향: 현재의 접근 방식은 대개 이질적인 데이터셋 전체에 걸친 절대 회귀(absolute regression)에 의존한다. 이는 모델이 진정한 생물물리학적 관계를 포착하기보다 데이터셋 특유의 편향을 학습하게 하여, "평균으로의 회귀(regression-to-the-mean)" 편향을 초래한다. 결과적으로 고활성 효소를 식별하는 능력이 떨어지고, 보지 못한 서열이나 기질에 대한 일반화 성능이 제한된다.

방법론: DeltaKcat

이러한 과제를 해결하기 위해, 저자들은 효소 역학 예측을 절대값 추정 작업이 아닌 쌍별 상대적 학습(pairwise relative learning) 문제로 재정의하는 프레임워크인 DeltaKcat를 제안한다.

핵심 프레임워크

• 쌍별 상대적 학습: DeltaKcat은 역학 값을 독립적으로 예측하는 대신, 쌍을 이룬 효소-기질 복합체 간의 역학적 차이를 학습한다. 쌍은 동일한 연구 내에서 구성되어 일관된 실험적 맥락을 보장함으로써, 연구 간 발생하는 체계적인 편향을 완화한다.
• 샴 신경망(Siamese Neural Network) 구조:
  • 입력: 한 쌍의 효소-기질 복합체.
  • 인코딩:
    • 단백질 서열은 ProtT5를 사용하여 인코딩된다(잔기 수준의 임베딩 생성).
    • 기질는 MolT5(연속 벡터)와 **MACCS 지문(fingerprints)**을 사용하여 인코딩된다.
  • 상호작용 모델링: 게이트형 교차 주의(gated cross-attention) 모듈이 효소와 기질의 특징을 통합한다. 기질 표현이 단백질 서열 표현에 쿼리를 던져 특정 효소-기질 상호작용을 포착하며, 게이팅 유닛이 주의 할당을 정교화한다.
  • 예측 헤드: 두 복합체의 상호작용 표현을 명시적 차이 벡터와 결합하여 MLP(Multilayer Perceptron)에 입력함으로써 상대적 역학 차이($\Delta k_{cat}$, $\Delta K_m$, $\Delta k_{cat}/K_m$)를 예측한다.

데이터 구축

모델은 BRENDA, SABIO-RK 및 문헌 추출 리소스(EnzyExtraDB, Enzyme Co-Scientist)에서 통합된 135,000개 이상의 $k_{cat}$, 208,000개의 $K_m$, 110,000개의 $k_{cat}/K_m$ 측정값으로 구성된 큐레이션된 데이터셋으로 학습되었다.

• 서열 다양성 태스크(Sequence-Diversity Task): 쌍들은 동일한 기질을 공유하지만 서로 다른 효소 서열을 가진다.
• 기질 특이성 태스크(Substrate-Specificity Task): 쌍들은 동일한 효소를 공유하지만 서로 다른 기질을 가진다.
• 콜드 스타트 분할(Cold-Start Split): 보지 못한 엔티티에 대한 일반화 능력을 테스트하기 위해 전체 서열 또는 기질을 제외하도록 평가 분할을 설계하였다.

절대 파라미터 추론

실제 적용을 가능하게 하기 위해, 저자들은 **참조 기반 재구성 전략(reference-based reconstruction strategy)**을 도입한다. 예측된 상대적 차이는 훈련 세트의 참조 복합체의 실험적으로 규명된 값에 고정(anchor)되어 절대 역학 파라미터를 복구한다.

주요 결과

1. 상대적 역학 예측

DeltaKcat은 상대적 역학 차이를 예측하는 데 있어 강력한 성능을 입증했다:

• 상대적 $k_{cat}$, $K_m$, $k_{cat}/K_m$에 대해 최대 0.80의 피어슨 상관 계수(PCC)를 달성했다.
• 태스크 의존적 민감도를 보였다: $\Delta k_{cat}$은 서열 다양성 태스크에서 가장 잘 예측되었고, $\Delta K_m$은 기질 특이성 태스크에서 우수했다.
• 콜드 스타트 시나리오(보지 못한 서열/기질)에서도 견고함을 유지하며, 보지 못한 기질 설정에서 $\Delta K_m$에 대해 0.74의 PCC를 달성했다.
• 역학 변화의 방향을 0.71의 정확도로 정확하게 포착했다.

2. 절대 역학 예측

참조 기반 추론을 사용했을 때:

• 콜드 스타트 성능: DeltaKcat은 콜드 스타트 설정에서 베이스라인(DLKcat, CataPro, UniKP)을 크게 앞질렀다. $k_{cat}$의 경우, 베이스라인의 $R^2$가 0.14–0.48인 것에 비해 0.71의 $R^2$와 0.85의 PCC를 달성했다.
• 출판물 수준 검증: 개별 출판물 내에서 평가했을 때(일관된 실험 프로토콜을 시뮬레이션), DeltaKcat은 $k_{cat}$에 대해 중앙값 0.78의 PCC를 기록하며 베이스라인(PCC 0.11–0.36)을 압도했다.
• 고활성 효소 식별: 평균으로 편향되는 절대 회귀 모델과 달리, DeltaKcat은 고활성 효소를 성공적으로 식별했다. 상위 10~25%의 활성 효소 그룹에서 모든 베이스라인보다 뛰어난 성능을 보였으며, 특히 상위 10%에서 가장 큰 격차를 보였다.
• 일반화: 낮은 서열 유사성 영역(identity 0–40%)에서도 강력한 성능(PCC > 0.76)을 유지했다.

3. 외부 검증 (Adenylate Kinase)

프레임워크는 훈련에서 완전히 제외된 외부 아데닐레이트 키나아제(ADK) 데이터셋을 통해 테스트되었다:

• 제로샷(Zero-Shot): DeltaKcat은 모든 베이스라인을 능가하는 0.40의 PCC와 0.33의 스피어먼 상관 계수(SCC)를 달성했다. 베이스라인은 상위 10개 후보 내에서 유효한 결과를 전혀 찾지 못한 반면, DeltaKcat은 상위 5개 후보 내에서 고활성 효소를 성공적으로 식별했다.
• 미세 조정(Fine-Tuning): 단 60개의 ADK 특화 훈련 샘플만으로도 모델의 성능은 PCC 0.69로 향상되었으며(제로샷 대비 72% 향상), 이는 기존에 보고된 ADK 특화 모델들을 능가하는 수치이다.

의의 및 주장

본 논문은 쌍별 상대적 기능 학습에 기반한 효소 역학 예측의 일반적인 프레임워크를 구축한다고 주장한다. 주요 기여는 다음과 같다:

1. 노이즈에 대한 강건성: 일관된 실험적 맥락 내에서 불변하는 기능적 관계를 학습함으로써, 이질적인 생물학적 데이터셋에 내재된 연구 간 변동성과 측정 불일치를 완화한다.
2. 개선된 일반화: 학습 목표를 데이터셋 의존적인 절대값이 아닌 기능적 관계로 전환함으로써, 보지 못한 효소, 기질 및 저유사성 영역으로의 견고한 외삽을 가능하게 한다.
3. 실용적 유용성: 본 프레임워크는 고활성 효소를 효과적으로 우선순위화하며, 이는 평균적인 예측보다 이상치(outlier)를 식별하는 것이 더 중요한 효소 발견 및 공학 분야의 핵심 요구를 충족한다.
4. 광범위한 적용 가능성: 저자들은 이러한 관계적 학습 접근 방식이 효소 역학 너럽의 노이즈가 많은 생물학적 데이터로부터 학습하는 데 광범위하게 유용할 것이라고 상정하며, 이는 효소 공학, 대사 설계 및 기능 주석(functional annotation)에 도움을 줄 수 있다.

저자들은 현재 모델에 pH, 온도와 같은 명시적인 환경 요인 및 구조 정보가 부족하다는 점과, 희귀 반응 유형에 대한 고품질 역학 측정값의 지속적인 부족을 한계점으로 인정한다. 그러나 이들은 제안된 프레임워크가 노이즈가 많은 생물학적 데이터에서 절대 회귀의 편향을 극복하기 위한 원칙적인 접근 방식을 제공한다고 주장한다.