SSPSPredictor: A Sequence and Structure based Deep Learning Model for Predicting Phase-Separating Proteins

Motivation

Known: 기존 PSP 예측 방법은 특성공학 기반 방식(Pscore, FuzDrop, LLPhyScore, PhaSePred)과 word2vec 또는 ESM-2 같은 단백질 언어 모델을 활용한 딥러닝 방식으로 나뉜다. 최근 PSPire는 AlphaFold2 구조 정보를 기계학습과 통합하여 무질서 영역 없는 PSP 식별 성능을 개선했으나, 대부분의 기존 예측기는 무질서 단백질 중심 또는 폴드된 단백질을 음성 샘플로 사용하여 편향된 결과를 야기할 수 있다.
Gap: 기존 연구는 주로 무질서 단백질 중심의 PSP 예측에 집중했으며, 폴드된 단백질과 무질서 단백질 모두를 공정하게 다루는 균형잡힌 예측 모델이 부족했다. 또한 단순히 서열 정보만 사용하거나 구조 정보를 기계학습 방식으로만 통합한 기존 접근법의 한계를 극복할 필요가 있었다.
Why: PSP의 정확한 식별은 생체분자 응축체의 생리적·병리적 기전을 규명하는 데 필수적이다. 실험적 방법이 노동집약적이고 시간이 오래 걸리는 문제를 해결하기 위해 고성능 계산 예측 도구가 중요하며, 특히 폴드된 단백질도 LLPS를 겪을 수 있다는 생물학적 사실에도 불구하고 이를 제대로 다룬 모델이 없었기 때문이다.
Approach: ESM-2에서 추출한 서열 정보(1280차원 벡터)와 AlphaFold2 구조를 입력으로 하는 GVP 또는 SPIN-CGNN graph neural network의 구조 정보를 병렬(parallel) 또는 순차(sequential) 방식으로 융합한다. 또한 SaProt 사전학습 모델과의 비교도 포함한다. 주의집중 풀링 층(attention pooling layers)과 MLP를 사용하여 예측 점수를 출력하고, 구조화된 주의집중 페널티 항(structured attention penalization term)을 추가하여 모델 견고성을 강화한다.

Achievement

Figure 2.

모델 성능의 균형성: SSPSPredictor는 내재성 PSP 식별, 상대 LLPS 성향 예측, LLPS 구동 핵심 영역 인식에서 기존 도구에 비해 균형잡힌 성능을 달성함
해석가능성: 훈련 중 감독(supervision)이 제공되지 않았음에도 불구하고 주의집중 메커니즘을 통해 단백질 서열을 따라 LLPS 구동 영역을 식별할 수 있음
인간 단백질체 분석: SSPSPredictor를 이용한 인간 단백질체 분석으로 LLPS를 겪는 무질서 단백질의 비율이 폴드된 단백질보다 현저히 높음을 발견
질병 관련성 발견: 특히 무질서 영역에 위치한 병원성 변이가 다른 변이보다 높은 LLPS 성향을 나타내, LLPS와 질병의 아미노산 수준 연관성을 규명함

How

ESM-2 단백질 언어 모델("esm2_t33_650M_UR50D" 변형)을 사용하여 각 잔기에 대한 1280차원 임베딩 생성
AlphaFold2로 예측된 단백질 구조 사용
GVP와 SPIN-CGNN 두 가지 graph neural network 구조 인코더 적용 (각 잔기를 노드로, 상호작용을 엣지로 표현)
GVP: SE(3) 동등성을 통해 스칼라와 벡터 특성을 분리하여 3D 기하학적 정보 보존
SPIN-CGNN: 접촉 지도(contact-map) 기반 그래프 구성, 이계 엣지(Second-Order Edges) 업데이트 전략, 선택적 커널(Selective Kernel) 모듈 사용
SaProt 사전학습 모델과의 비교를 통해 구조 정보 통합 방식 검증
병렬 및 순차 융합 방식 시도 (ESM_GVP_p, ESM_SPIN_p, ESM_GVP_s, ESM_SPIN_s)
주의집중 풀링 층과 MLP로 예측 점수 출력
구조화된 주의집중 페널티 항 추가하여 정규화