Artificial intelligence aided design of peptides with custom secondary structure motifs and reduced amino acid alphabets

Motivation

• Known: 단백질의 1차 구조가 3차원 구조와 기능을 결정한다는 Anfinsen 원리가 알려져 있으며, 20개의 천연 아미노산(C20)이 van der Waals 부피와 소수성에서 비무작위 분포(coverage)를 보인다. 최근 transformer 기반 모델(ESM, ProGen)과 diffusion 모델(RFdiffusion) 등이 단백질 설계에 성공했으며, 축소 아미노산 알파벳으로 xeno 아미노산 설계에도 성공한 선행 연구가 있다.
• Gap: 기존 단백질 설계 연구는 주로 표준 20개 아미노산 알파벳에 초점을 맞추거나 특정 축소 알파벳에만 적용되었다. 축소 아미노산 알파벳 조건에서 원하는 2차 구조를 갖는 펩타이드를 체계적으로 설계하고, 다양한 알파벳 크기(6~19)에 걸쳐 설계 성능을 평가하는 포괄적 연구가 부족하다.
• Why: 축소 아미노산 알파벳을 사용한 단백질 설계는 합성생물학, 우주생물학, 초기 지구 진화 생물학 등 다양한 분야에서 중요하며, coverage theory의 원리를 AI 모델과 결합하면 설계 공간을 체계적으로 탐색할 수 있다. 또한 설계된 펩타이드가 학습 과정에서 3차원 구조 정보에 노출되지 않았음에도 불구하고 3차원 구조를 보유하는 현상은 흥미로운 발견이다.
• Approach: RCSB PDB의 200,000개 이상 단백질에서 추출한 DSSP 2차 구조 정보와 van der Waals 부피, logD, pH 7.0에서의 형식 전하 등 물리화학적 성질을 학습 데이터로 사용하여 bLSTMa 아키텍처 기반 생성 모델을 훈련했다. 101개 타겟 PDB 구조로부터 313개 서로 다른 아미노산 알파벳에서 29,387개 펩타이드 서열을 설계하고, AlphaFold2를 이용해 2차 구조 예측 정확도를 평가했다.

Achievement

Figure 3. Model accuracy in terms of predicted DSSP secondary structure. A. DSSP sequence percent identity of

알파벳 크기별 성능: 크기 19, 10, 6 아미노산 알파벳에서 각각 66%, 54%, 42%의 평균 DSSP 정체성(percent identity) 달성. 구조 복잡성별 성능: 저복잡성 구조(주로 helix)에서 68% 평균 PID, 고복잡성 구조(helix-coil-sheet-coil-sheet-coil-helix)에서도 6개 아미노산 알파벳으로 높은 PID 설계 가능. 3차원 구조 보존: 2차 구조 정보만으로 학습했음에도 많은 설계가 표적 단백질의 3차원 tertiary 구조를 성공적으로 보유.

How

Figure 1. Major components of the bLSTMa encoder-decoder model architecture. Detailed architectures of the

• RCSB PDB에서 200,000개 이상의 비중복성(non-redundant) 단백질 구조 추출 및 DSSP 2차 구조 할당
• 물리화학적 특성(van der Waals 부피, logD, 형식 전하) 계산 및 수치화
• bLSTMa(bidirectional LSTM with multi-head self-attention) encoder-decoder 아키텍처로 조건부 생성 모델 구성
• 313개의 서로 다른 아미노산 알파벳 세트(크기 6~19)에 대해 모델 훈련
• AlphaFold2를 통한 생성 서열의 2차 구조 예측 및 DSSP 정체성 점수 계산
• 알파벳 크기, 구조 복잡성, 단백질 길이 등 다중 변수에 따른 성능 평가

Originality

• Coverage theory를 AI 단백질 설계와 처음 체계적으로 결합하여 축소 알파벳 조건에서의 설계 원리를 제시
• bLSTMa 아키텍처를 조건부 단백질 설계 작업에 새로운 방식으로 적용
• 광범위한 축소 알파벳(313개)에서 성능을 통합적으로 평가하는 포괄적 벤치마킹 수행
• 2차 구조 학습만으로 3차원 구조를 보존하는 현상의 발견 및 검증

Limitation & Further Study

• 알파벳 크기 9 이하에서 급격한 성능 저하 관찰, 더 작은 알파벳에서의 설계 성공률 제한. 후속 연구: (1) 추가 regularization 기법으로 극도로 축소된 알파벳(크기 < 6)에서의 성능 개선, (2) 3차원 구조 정보를 명시적으로 학습 데이터에 포함하여 모델 개선, (3) 실제 합성 및 생화학적 검증을 통한 설계 타당성 확인, (4) 다른 생성 아키텍처(diffusion, transformer) 와의 성능 비교 연구

Evaluation

총평: 본 논문은 coverage theory 기반의 설계 원리를 생성형 AI와 결합하여 축소 아미노산 알파벳에서 원하는 2차 구조를 갖는 펩타이드를 체계적으로 설계하는 방법을 제시한다. 313개 알파벳에서 29,387개 서열을 설계하고 다층적 성능 평가를 수행한 점에서 포괄성이 높으며, 특히 2차 구조 학습만으로 3차원 구조를 보존하는 현상은 단백질 폴딩의 기본 원리에 새로운 통찰을 제공한다. 다만 극도로 축소된 알파벳 조건에서의 성능 제약과 실제 합성 검증의 부재는 실용화 단계에서 보완 필요하다.