AlphaFold Database expands to proteome-scale quaternary structures

Motivation

• Known: AlphaFold2와 AlphaFold-Multimer는 단백질의 3D 구조를 정확하게 예측할 수 있으며, AFDB는 이미 단량체 구조에 대한 대규모 접근을 제공하고 있다. 또한 STRING과 IntAct 같은 데이터베이스는 단백질-단백질 상호작용 데이터를 큐레이션하고 있다.
• Gap: 기존 복합체 구조 예측 연구들은 특정 생물체에 한정되거나, 일관된 신뢰도 보정이 부족하거나, 공공 인프라에 통합되지 않아 multimer 예측을 발견·비교·재사용하기 어렵다. 따라서 구조적 상호작용 네트워크의 대규모, 일관성 있는, 접근 가능한 자원이 필요하다.
• Why: 단백질의 생물학적 기능은 주로 복합체 형태에서 나타나며, 대부분의 알려진 단백질-단백질 상호작용에 대한 구조 정보가 부족하다. 따라서 프로테옴 규모의 복합체 구조 예측은 기계적 이해와 생물학적 발견을 촉진하는 기초 자원이 될 수 있다.
• Approach: MMseqs2-GPU를 사용하여 Multiple Sequence Alignment(MSA)를 생성하고, AlphaFold-Multimer를 ColabFold 또는 OpenFold를 통해 실행하여 3D 구조 예측을 수행한다. 예측된 구조에 대해 ipSAEmin, pLDDTavg, ipTM, pDockQ2, Local Interaction Score(LIS) 등의 신뢰도 메트릭을 계산하고, PDB의 실험적 구조와 비교하여 고신뢰 임계값(ipSAEmin ≥ 0.6, pLDDTavg ≥ 70, backbone clash ≤ 10)을 설정한다.

Achievement

Figure 4: Compressibility of predicted complex space. (a) Clustering of 1,811,201 structures (1,754,242

고신뢰 복합체 예측: 4,777개 프로테옴에서 23,441,822개 homomeric 및 7,620,644개 heteromeric 복합체를 예측하여 1,754,242개의 고신뢰 복합체를 AFDB에 추가. 신뢰도 메트릭 검증: 실험적 PDB 구조와의 비교를 통해 ipSAEmin, pLDDTavg, backbone clash의 조합이 고신뢰 예측의 효과적인 지표임을 확인. 구조적 간극 해소: 대부분의 프로테옴에서 PDB의 실험적 multimer 구조보다 1~3 자리 수 많은 고신뢰 모델 제공. emergent structure 발견: 단량체 예측에서는 나타나지 않는 oligomeric context에서의 구조적 특성 규명.

How

Figure 2: Homodimer analysis defines a high-confidence prediction threshold and assesses structural

• UniProt 및 STRING 데이터베이스에서 homodimer(모든 4,777 프로테옴) 및 heterodimer 후보(16개 모델 생물체 및 30개 WHO global health 프로테옴에 필터링된 STRING physical interaction)를 수집
• 정형된 orthology 필터(taxon당 최고 hit 제한)로 paralogous sequence 필터링
• MMseqs2-GPU와 MSA 생성으로 계산 가속화
• AlphaFold-Multimer를 ColabFold 및 OpenFold 구현으로 3D 구조 예측
• ipSAEmin, pLDDTavg, ipTM, pDockQ2, LIS 등 다중 신뢰도 메트릭 계산 및 지향성 메트릭 일원화(ipSAEmin)
• PDB 실험 구조와의 비교 검증으로 고신뢰 임계값 설정
• 고신뢰 복합체를 표준화된 구조 형식, 신뢰도 메트릭, 메타데이터와 함께 AFDB에 통합
• 고신뢰 복합체의 clustering 분석으로 구조적 다양성 및 보존성 평가

Originality

• 처음으로 4,777개 프로테옴에 걸쳐 30M 이상의 homo- 및 heteromeric 복합체를 일관되게 예측한 대규모 연구
• 다중 신뢰도 메트릭(ipSAEmin, pLDDTavg, ipTM, pDockQ2, LIS, clash 수)을 종합적으로 활용하여 신뢰도 보정 및 임계값 설정
• 방향성 메트릭의 일원화(ipSAEmin) 제안으로 복합체 평가의 대칭성 보장
• AlphaFold Database의 공공 인프라로의 첫 통합으로 복합체 예측의 재사용성과 접근성 확보
• WHO global health 프로테옴과 모델 생물체를 포함한 포괄적 커버리지

Limitation & Further Study

• 현재까지 복합체 예측이 실험적 정확도에 도달하지 못했으며 여전히 biases가 존재함
• 공개된 1.8M 고신뢰 복합체는 예측의 약 6%만 해당하며, 나머지 ~25M 예측은 추후 공개 예정
• 신뢰도 임계값이 homodimer 데이터로 주로 보정되었으므로 heterodimer에 동일 적용의 한계 가능
• 매우 잘 연구된 생물체(H. sapiens, E. coli, S. cerevisiae)에서는 PDB 실험 구조와의 비교 이점이 제한적
• heterodimer MSA 생성에서 pairing 없이 homodimer MSA를 단순 연결한 방식의 최적성 미검증
• 후속 연구: heterodimer 특화 신뢰도 메트릭 개선, 더 정밀한 상호작용 인터페이스 예측, 변이체 효과 분석의 정확성 향상 필요

Evaluation

총평: 이 연구는 AlphaFold-Multimer의 계산 가속화를 통해 전례 없는 규모의 프로테옴 수준 복합체 구조 예측을 수행하고, 엄밀한 신뢰도 검증으로 1.8M의 고신뢰 복합체를 AFDB에 공개함으로써 구조 생물학의 대규모 자원 기반을 확립하였다. 단량체 예측의 한계를 넘어 emergent structure와 상호작용 메커니즘을 발견할 새로운 기초를 제공하며, 공공 인프라 통합으로 생물학 전반의 AI 연구와 함수 발견을 가속화할 매우 높은 가치의 연구이다.