Fast and Ultra-Capable Protein Design: Advancing the Frontier Through Atomistic SE(3)-Equivariance with Genie 3

Motivation

• Known: 단백질 설계 분야에서는 hallucination 기반의 BindCraft와 generative 기반의 RFDiffusion, Proteina-Complexa 등의 방법들이 주요 성과를 이루었으나, generative 모델들은 hallucination 방법들에 비해 본질적으로 덜 집중된 분포를 학습하는 경향을 보였다. 또한 AlphaFold2에서 AlphaFold3로의 진화처럼 all-atom 모델로의 전환이 진행되었지만 SE(3)-동변성을 포기하게 되었다.
• Gap: 기존 generative 모델들은 원자 수준의 세부 정보 포착과 SE(3)-동변성 유지 사이의 trade-off에서 동변성을 포기했으며, 이로 인해 학습된 분포가 실제 성공하는 단백질 구조 공간에 충분히 집중되지 않는 문제가 있었다. 또한 generative와 hallucination 방식의 근본적인 차이를 체계적으로 분석하고 극복하는 방법이 부족했다.
• Why: 고친화도 결합체 설계와 같은 frontier 문제들을 해결하기 위해서는 단순히 더 큰 모델이나 데이터가 아니라 본질적으로 더 나은 인식 능력과 효율성을 갖춘 새로운 아키텍처가 필요했다. SE(3)-동변성과 all-atom 정확도를 동시에 달성할 수 있는 표현 방식의 개발은 단백질 설계의 기본적인 한계를 극복하는 핵심이다.
• Approach: 분기 폴리머 표현을 도입하여 단백질 구조를 SE(3)-동변적 방식으로 인코딩하면서도 모든 원자를 명시적으로 모델링한다. Genie 2의 비대칭 표현(forward 과정의 점 구름, backward 과정의 참조 프레임) 설계를 개선하여 all-atom 추론을 가능하게 한다. 조건부 샘플링, hotspot 가이드, 다단계 샘플링 전략 등 추론 시간 최적화를 통합한다.

Achievement

Figure 3. Comparative evaluation of binder design performance. (A) Assessment of the filtering power of multiple in sili

• 상태 최고 성능 달성: 결합체 설계, 모티프 스캐폴딩, 무조건부 생성 모두에서 기존 방법들을 초과
• 계산 효율성: BindCraft와 Proteina-Complexa에 비해 유의미하게 빠른 생성 속도
• 실제 응용 성공: Nipah Glycoprotein G 나노몰급 결합체를 8번의 시도로 설계 (Adaptyv Bio 대회 12.5% 성공률)
• 성능-효율 격차 해소: hallucination과 generative 방식의 상호 보완성을 입증하며 generation-hallucination gap을 극복

How

Figure 3. Comparative evaluation of binder design performance. (A) Assessment of the filtering power of multiple in sili

• 분기 폴리머 표현으로 백본과 곁사슬을 SE(3)-동변적으로 인코딩
• 비대칭 forward-backward 확산 프로세스로 효율적인 노이징과 풍부한 역노이징 추론 달성
• 구조 손실 함수를 이용한 gradient 기반 가이드로 모티프 조건화
• 추론 시간 샘플링 스케일링과 hotspot 전략으로 검색 공간 최적화
• BindCraft와의 상호 보완적 설계 공간 탐색으로 앙상블 효과 창출

Originality

• SE(3)-동변성을 all-atom 모델링과 결합하는 혁신적 표현 방식 제시
• 분기 폴리머 개념을 단백질 구조 생성에 처음 적용
• 비대칭 forward-backward 구조에 원자 수준 세부성을 통합한 새로운 아키텍처 설계
• hallucination과 generative 방법의 상호 보완성을 체계적으로 분석하고 활용

Limitation & Further Study

• 모델의 전체 아키텍처 세부사항과 학습 데이터셋 규모에 대한 상세 공개 부족
• 현재까지 실제 실험 검증 데이터(wet-lab validation)의 제한된 수량 (Nipah 바인더 사례 1건)
• 초대형 다도메인 단백질 설계의 확장성에 대한 체계적 평가 미흡
• 모티프 스캐폴딩 성공률이 여전히 절대적 수치가 낮은 문제 있음
• 후속 연구: 다양한 생물학적 타겟에 대한 추가 실험 검증, 다중 모티프 복합 설계 능력 강화, 더 큰 규모의 단백질 설계 시스템으로의 확장 필요

Evaluation

총평: 본 논문은 SE(3)-동변성과 all-atom 정확도의 long-standing trade-off를 창의적인 표현 방식으로 해결하며, 단백질 설계의 frontier 문제들에서 뚜렷한 성능 향상과 효율성을 동시에 달성한 중요한 기여이다. 실제 응용 성공 사례와 hallucination 방법과의 보완적 관계 분석은 이론적 통찰력을 더한다. 다만 대규모 wet-lab 검증이 충분하지 않으며, 일부 기술적 세부사항의 투명성 개선이 필요하다.