Highly accurate protein structure prediction with AlphaFold

Motivation

• Known: 약 100,000개의 단백질 구조가 실험적으로 규명되었으나, 이는 알려진 수십억 개의 단백질 서열의 극히 일부에 불과함. 기존 방법들은 상동 구조(homologous structure)가 없는 경우 원자 수준의 정확도를 달성하지 못함.
• Gap: 단백질 구조 결정에는 수개월에서 수년의 실험 작업이 필요하며, 계산 생물학적 접근이 이 병목을 해결할 필요가 있음. 50년 이상 열린 문제인 "단백질 폴딩 문제(protein folding problem)"의 구조 예측 부분이 미해결 상태.
• Why: 대규모 구조 생물정보학(structural bioinformatics)을 활성화하고, 생물의학 연구에 필요한 구조 정보를 신속하게 제공할 필요가 있음.
• Approach: 진화적 정보(다중 서열 정렬, MSA), 물리적 제약, 기하학적 제약을 통합하는 혁신적인 신경망 아키텍처 설계. CASP14(Critical Assessment of protein Structure Prediction) 평가에서 성능 검증.

Achievement

AlphaFold가 생성한 고정확도 구조: (a) CASP14 데이터셋에서 다른 상위 15개 방법과의 성능 비교, (b-d) 정확한 백본 및 사이드 체인 예측, 특히 큰 단백질의 도메인 패킹 정확도 시연

1. CASP14 벤치마크에서의 압도적 성능:
   • 백본 정확도(Cα r.m.s.d.₉₅): 중앙값 0.96 Å (신뢰 구간 0.85–1.16 Å)
   • 차상위 방법: 2.8 Å (2.7–4.0 Å) — 약 3배 향상
   • 전체 원자 정확도: 1.5 Å r.m.s.d.₉₅ vs. 차상위 3.5 Å
   • 탄소 원자 폭(~1.4 Å)과 비슷한 수준의 정밀도 달성
2. 일반화 및 신뢰도:
   • 최근 PDB에 등록된 구조(학습 데이터 컷오프 이후)에서도 높은 정확도 유지 (Figure 2)
   • 예측된 국소 거리 차이 검사(pLDDT) 지표가 실제 정확도를 신뢰할 수 있게 예측
   • 2,180개 잔기 단백질의 정확한 도메인 패킹 예측 가능

How

Evoformer 블록의 구조: MSA 표현과 페어 표현 간의 정보 흐름을 보여주는 그래프 추론 프레임워크

네트워크 아키텍처의 핵심 혁신:

• Evoformer (진화 변환기):
  • 다중 서열 정렬(MSA)을 N_seq × N_res 배열로, 잔기 쌍을 N_res × N_res 배열로 표현
  • MSA 표현이 페어 표현으로의 외적(outer product) 연산을 통해 매 블록에서 지속적으로 업데이트 (기존 방식의 일회성 적용 개선)
  • 그래프 추론 문제로 단백질 구조 예측을 재정의 (엣지 = 인접한 잔기 간의 관계)
• 구조 모듈(Structure Module):
  • 각 잔기의 회전과 변환(global rigid body frames)으로 명시적 3D 구조 도입
  • 체인 구조 분리로 구조의 모든 부분의 동시적 국소 정제 가능
  • 등변(equivariant) 트랜스포머: 명시적으로 표현되지 않은 사이드 체인 원자에 대한 암시적 추론
  • 방향성 정확도에 큰 가중치를 두는 손실 함수
• 반복적 정제(Recycling):
  • 컴퓨터 비전에서 영감받은 기법으로, 손실을 반복 계산하고 출력을 같은 모듈에 재귀적으로 입력
  • 최소한의 추가 학습 시간으로 상당한 정확도 개선
• 학습 전략:
  • 마스크된 MSA 손실(masked MSA loss): 비표지 단백질 서열로부터 자기 증류(self-distillation) 학습
  • 중간 손실(intermediate loss)을 사용한 단계적 정제
  • 자신의 정확도 추정치 학습

Originality

• 구조 문제의 그래프 추론 재정의: 전통적 물리 기반 또는 진화 기반 접근과 달리, 페어 표현을 통한 직접적 공간-진화 관계 추론
• Evoformer의 혁신적 설계: MSA와 페어 표현의 지속적 양방향 통신으로 진화적 신호의 효율적 처리
• 등변 구조 모듈: 3D 기하학적 제약을 신경망에 내재화하여 명시적 좌표 예측 가능
• 자기 증류 및 신뢰도 추정: 비표지 데이터 활용 및 예측 신뢰도의 정량적 평가로 실무 적용성 향상

Limitation & Further Study

• 계산 비용: 큰 단백질의 MSA 구성에 상당한 계산 자원 필요. 매우 깊은 MSA 처리 방안 필요
• 단량체 예측 중심: 복합체(complex) 구조 예측 능력은 논문에서 제한적으로 다루어짐
• 템플릿 의존성: 템플릿이 있는 경우와 없는 경우의 성능 차이 분석 필요
• 후속 과제:
  • 단백질 상호작용 및 복합체 구조 예측으로 확장
  • 동적 구조 변화(conformational dynamics) 예측
  • 구조 기반 약물 설계 등 실제 응용에서의 검증
  • 해석 가능성(interpretability) 강화

Evaluation

총평: 이 논문은 50년 이상 미해결된 단백질 폴딩 문제를 딥러닝으로 거의 완전히 해결한 역사적 성과로, 진화적 정보와 기하학적 제약을 창의적으로 통합한 혁신적 아키텍처를 제시하며, 구조 생물학과 생의학 연구에 패러다임 전환을 가져왔다.