Unifying Disjoint Phenotypic Contexts: A Multimodal Soft Contrastive Approach to Identify DILI Activity Cliffs

기술 요약: BioXMol을 통한 이질적 표현형 컨텍스트의 통합

문제 정의
약물 유발 간 독성(DILI)을 예측하는 것은 신약 개발에서 여전히 중요한 병목 구간이며, 특히 "활성 절벽(activity cliffs)"의 존재로 인해 더욱 그러하다. 활성 절벽이란 구조적으로는 매우 유사하지만 생물학적 안전성 프로파일은 상이한(예: 하나는 안전하고 다른 하나는 간독성을 보임) 화합물 쌍을 의미한다. ECFP(Extended-Connectivity Fingerprints)나 자가 지도 학습 기반 언어 모델(예: MoLFormer, ChemBERTa)과 같은 전통적인 구조 기반 표현법은 화학적 구조가 생물학적 활성을 결정한다는 가정에 의존하기 때문에, 이러한 활성 절벽을 구별해내지 못한다. 구조가 거의 동일할 때, 이러한 모델들은 독성을 예측하는 데 필요한 미세한 기능적 차이를 포착할 수 없다.

기능적 생물학적 판독값(형태학 및 전사체학)을 통합하는 것이 해결책이 될 수 있으나, 현재의 다중 모달 접근 방식은 두 가지 심각한 한계에 직면해 있다:

1. 데이터 불연속성(Data Disjointness): JUMP-CP(형태학) 및 LINCS L1000(전사체학)과 같은 대규모 표현형 데이터셋은 서로 거의 중복되지 않는 화합물 세트를 보유하고 있다. 표준 대조 학습(contrastive learning)은 모든 샘플에 대해 완전한 삼중항(화합물 + 형태학 + 전사체학)을 요구하므로, 이들의 합집합을 활용하는 데 제약이 따른다.
2. 하드 네거티브 가정(Hard Negative Assumption): 표준 대조 목적 함수는 일치하지 않는 모든 쌍을 동일하게 이질적인 "하드 네거티브"로 취급한다. 이는 생물학적으로 타당하지 않은데, 화학적으로는 구별되는 분자들이 서로 중첩되는 표현형 반응을 유도할 수 있기 때문이다. 이러한 기능적으로 연관된 쌍들을 동일하게 처벌하는 것은 학습된 임베딩 공간을 왜곡하여, 모델이 생물학적 심각도의 연속적인 경사(gradient)를 학습하는 것을 방해한다.

방법론: BioX-Mol
저자들은 이러한 한계를 극복하기 위해 설계된 3단계 훈련 파이프라인인 BioXMol이라는 다중 모달 표현 학습 프레임워크를 제안한다.

1. 이질적 데이터 통합: BioXMol은 삼중항을 요구하는 대신, 각 생물학적 양상(modality)을 공유된 분자 앵커에 정렬된 독립적인 뷰(view)로 취급한다. 이를 통해 모델은 (화합물-형태학 및 화합물-전사체학의 교집합이 아닌) 가용 가능한 데이터의 합집합을 바탕으로 사전 학습될 수 있다.
2. 모멘텀 교사(Momentum Teacher)를 이용한 소프트 대조 목적 함수: 하드 네거티브 문제를 해결하기 위해, BioXMol은 표준 원-핫 네거티브 타겟을 대신하여 "소프트" 대조 목적 함수를 도입한다.
   • 구조: 프레임워크는 양상 특화 인코더(형태학 및 전사체학용)와 공유된 분자 인코더를 사용한다. 결정적으로, 생물학적 인코더는 학생(student)과 교사(teacher) 네트워크로 인스스턴스화된다. 교사 네트워크는 학생 가중치의 지수 이동 평균(EMA)을 통해 업데이트되며, 이는 안정적이고 느리게 진화하는 유사성 타겟을 제공한다.
   • 메커니즘: 순방향 과정(분자 $\to$ 생물학)에서 모델은 학생의 예측과 교사의 잠재 공간에서 도출된 소프트 타겟 사이의 크로스 엔트로피를 최소화한다. 이 타겟은 네거티브 반발력을 화합물의 기저 생물학적 유사성에 따라 가중치를 두어 조절한다. 즉, 일치하지 않는 두 화합물이 유사한 표현형 반응을 유도한다면, 서로 다른 반응을 보이는 경우보다 적게 처벌받는다. 역방향 과정(생물학 $\to$ 분자)은 고유한 매핑을 보장하기 위해 하드 아이덴티티(hard identity) 목적 함수를 유지한다.
3. 다운스트림 평가: 사전 학습된 분자 인코더를 동결하고, 순서형 로지스틱 회귀 분류기(Frank–Hall decomposition)를 이용한 선형 프로빙(linear probing)을 통해 DILI 심각도 라벨(No-DILI, Less-DILI, Most-DILI)을 예측하도록 평가한다.

주요 기여
본 논문은 네 가지 주요 기여를 기술한다:

1. 다중 모달 사전 학습 프레임워크: BioXMol은 불연서적인 데이터셋(JUMP-CP 및 LINCS L1000)으로부터 분자 구조를 형태학 및 전사체 데이터와 성공적으로 정렬하며, 완전한 쌍을 이루는 삼중항의 필요성을 제거했다.
2. 소프트 대조 학습: 모든 비매칭 쌍을 동일하게 이질적이라고 가정하는 경직된 가정을 대신하여, 모멘텀 기반의 교사 네트워크를 통해 네거티브 쌍에 생물학적 유사도에 따른 가중치를 부여하는 방식을 도입했다.
3. 활성 절벽 평가 프로토콜: 저자들은 표준 스캐폴드 분할(scaffold-split) 교차 검증이 독성 예측에서의 표현 차이를 감지하기에는 불충분함을 입증했다. 이들은 임상적으로 의미 있는 구분을 드러내기 위해 15개의 홀드아웃 활성 절벽 쌍을 사용하는 특정 평가 프로토콜을 도입했다.
4. 목적 함수의 우월성에 대한 실증적 증거: 연구는 활성 절벽에 대한 성능 향상이 단순히 다중 모달 사전 학습 때문이 아니라, 구체적으로 소프트 대조 목적 함수에 의해 주도됨을 입증한다. 동일한 데이터와 구조를 가진 "하드" 대조 베이스라인은 동일한 결과를 달-성하지 못했다.

결과
평가 결과, 글로벌 메트릭과 활성 절벽 성능 사이의 극명한 차이가 드러났다:

• 글로벌 성능 (교차 검증): 표준 5$\times$5 스캐폴드 분할 교차 검증 하에서, BioXMol-Soft, BioXMol-Hard, 그리고 전통적인 ECFP 핑거프린트는 ROC-AUC, Spearman's $\rho$, 선형 가중 $\kappa$에 대해 통계적으로 구별되지 않았다(p > 0.05). 모두 좁은 성능 범위로 수렴했으며, 사전 학습된 언어 모델은 훨씬 낮은 성능을 보였다.
• 활성 절벽 성능: 12개의 홀드아웃 활성 절벽 쌍(구조적으로 유사하지만 간독성이 상이한 화합물)에 대해 평가했을 때:
  • BioXMol-Soft는 **80.7%**의 쌍 순위 정확도를 달성했다.
  • ECFP는 **60.7%**를 달성했다.
  • BioXMol-Hard(동일한 구조와 하드 대조 손실을 사용한 모델)는 51.0%(무작위 확률)로 무너졌다.
  • 전통적인 언어 모델 또한 무작위 확률 수준의 성능을 보였다.
• 기하학적 분석: PCA 투영 결과, ECFP 임베딩은 안전한 화합물과 독성 화합물의 유사체가 거의 중첩되어 나타나는 반면, BioXMol-Soft는 이 거리를 3~4배 확장하여 독성 관련 표현형 차이를 기하학적 변위로 인코딩함을 보여주었다.

의의 및 주장
본 논문은 소프트 표현형 정렬이 독성 절벽을 정확히 식별하는 데 필수적이라고 주장한다. 저자들은 집계 메트릭(예: 글로벌 AUC)이 구조적으로 확연히 다른 쉬운 화합물들에 의해 지배되기 때문에, 임상적으로 중요한 차이를 은폐한다고 주장한다. 모든 비매칭 쌍을 동일하게 이질적이라고 취급하는 "하드" 대조 가정은 안전한 약물과 그 독성 유사체를 구분하는 데 필요한 방향성 경사를 파괴한다. 네거티브 반발력을 생물학적 유사성에 따라 가중치를 둠으로써, BioXMol은 생물학적 반응 공간의 연속적인 구조를 보존한다.

저자들은 결론적으로, 선택한 평가 프로토콜이 중요하다는 점을 강조한다. 표준 교차 검증은 소프트 대조 학습의 우월성을 드러내지 못하는 반면, 활성 절벽 평가는 미세한 구조적 변이가 포함된 약물 발견 작업에서 표준 벤치마크를 보완하는 필수적인 도구이다. 이 연구는 대조 목적 함수에서 생물학적 경사를 존중하는 것이 단순히 다중 모달 데이터를 통합하는 것보다 더 영향력이 크다는 점을 시사한다.