저자: Minkyung Baek, Frank DiMaio, Ivan Anishchenko, Justas Dauparas, Sergey Ovchinnikov, Gyu Rie Lee, Jue Wang, Qian Cong, Lisa N. Kinch, R. Dustin Schaeffer, Claudia Millán, Hahnbeom Park, Carson Adams, Caleb R. Glassman, Andy DeGiovanni, Jose H. Pereira, Andria V. Rodrigues, Alberdina A. Van Dijk, Ana C. Ebrecht, Diederik J. Opperman, Theo Sagmeister, Christoph Buhlheller, Tea Pavkov-Keller, Manoj K. Rathinaswamy, Udit Dalwadi, Calvin K. Yip, John E. Burke, K. Christopher Garcia, Nick V. Grishin, Paul D. Adams, Randy J. Read, David Baker | 날짜: 2021-08-20 | DOI: 10.1126/science.abj8754 📄 PDF
Essence
Fig. 1. Network architecture and performance.
3-트랙 신경망 아키텍처를 이용하여 1D 서열, 2D 거리 지도, 3D 좌표 정보를 동시에 처리함으로써 AlphaFold2에 근접한 단백질 구조 예측 정확도를 달성하고 단백질-단백질 복합체 모델링을 가능하게 했다.
Evaluation
Novelty: 4/5 Technical Soundness: 4/5 Significance: 4/5 Clarity: 4/5 Overall: 4/5
총평: RoseTTAFold는 AlphaFold2의 핵심 개념을 3-트랙 아키텍처로 창의적으로 재구성하여 경쟁력 있는 성능을 달성했으며, 특히 공개 방식으로 제공됨으로써 단백질 구조 예측의 민주화와 구조생물학 연구 가속화에 크게 기여하는 획기적인 연구다.
같이 보면 좋은 논문
기반 연구AlphaFold2와 같은 단백질 구조 예측의 핵심 이론적 기초를 제공하는 연구이다.
다른 접근단백질 구조 예측을 위한 다른 신경망 아키텍처 제안.
다른 접근단백질 구조 예측을 위한 다른 신경망 아키텍처를 제안한 대안적 접근이다.
후속 연구단일 사슬 단백질 구조 예측 방법이 복합체 예측 확장의 기반이 된다.
다른 접근단백질 결합 표면 예측을 위한 다른 그래프 기반 접근법을 제안한다.
후속 연구3-트랙 아키텍처를 확장하여 단백질-단백질 상호작용 예측 성능을 개선한 연구이다.
후속 연구단백질-단백질 상호작용 모델링을 확장한 연구.
후속 연구SPECTER2 유사도 0.93 기준으로 'Protein Fold Classification at Scale: Benchmarking and Pretraining'의 AI4S 방법론을 'Accurate prediction of protein structures and interactions using a three-track neural network'의 과학 생산·평가 맥락과 함께 보면 연구 자동화의 의미를 입체적으로 볼 수 있다.
후속 연구SPECTER2 유사도 0.92 기준으로 'Toxin Feature Hierarchy in ESM-2: Mechanistic Interpretability reveals Why Frozen Probes Resist ProteinMPNN Redesign'의 AI4S 방법론을 'Accurate prediction of protein structures and interactions using a three-track neural network'의 과학 생산·평가 맥락과 함께 보면 연구 자동화의 의미를 입체적으로 볼 수 있다.
후속 연구SPECTER2 유사도 0.90 기준으로 'APEX: Approximate-but-exhaustive search for ultra-large combinatorial synthesis libraries'의 AI4S 방법론을 'Accurate prediction of protein structures and interactions using a three-track neural network'의 과학 생산·평가 맥락과 함께 보면 연구 자동화의 의미를 입체적으로 볼 수 있다.
후속 연구SPECTER2 유사도 0.93로 Computational Molecular Design와 AI-Driven Drug and Materials Discovery가 맞닿아, 'Accurate prediction of protein structures and interactions using a three-track neural network'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
후속 연구SPECTER2 유사도 0.91 기준으로 'ConTact: Contact-First Antibody CDR Design via Explicit Interface Reasoning'의 AI4S 방법론을 'Accurate prediction of protein structures and interactions using a three-track neural network'의 과학 생산·평가 맥락과 함께 보면 연구 자동화의 의미를 입체적으로 볼 수 있다.
후속 연구SPECTER2 유사도 0.91 기준으로 'Large-Scale Molecular Dynamics Simulations: Direct Interatomic Modeling with Dilated Message Passing'의 AI4S 방법론을 'Accurate prediction of protein structures and interactions using a three-track neural network'의 과학 생산·평가 맥락과 함께 보면 연구 자동화의 의미를 입체적으로 볼 수 있다.
후속 연구SPECTER2 유사도 0.92 기준으로 'Learning the Interaction Prior for Protein-Protein Interaction Prediction: A Model-Agnostic Approach'의 AI4S 방법론을 'Accurate prediction of protein structures and interactions using a three-track neural network'의 과학 생산·평가 맥락과 함께 보면 연구 자동화의 의미를 입체적으로 볼 수 있다.
후속 연구실험 제약 활용 도킹 방법론의 이론적 기초를 제공한다.
후속 연구단백질 기능/구조 예측 평가의 기초 방법론을 공유한다.
