Co-Generative De Novo Functional Protein Design

Motivation

• Known: 기존 연구는 one-step generation(함수 조건을 직접 서열로 매핑, 자연 서열 prior를 유지해 foldability는 좋으나 functionality 저하)과 two-step generation(구조를 먼저 생성 후 inverse folding으로 서열 도출, functionality는 명시적으로 반영되나 foldability가 불안정)으로 나뉜다.
• Gap: 두 패러다임 모두 protein sequence, structure, function 간의 복잡한 결합 관계를 제대로 모델링하지 못해 functionality와 foldability를 동시에 만족시키지 못하며, 기존 co-generative PLM들도 function term을 flat encoding(one-hot 또는 자연어 임베딩)으로 structure token에 번역해 함수의 계층적 구조와 단백질과의 세밀한 연결을 포착하지 못하고, 구조 이산화의 one-to-many 매핑으로 인한 학습 모호성 문제가 존재한다.
• Why: functionality와 foldability를 동시에 만족하는 de novo functional protein 설계는 효소, 치료 단백질, 항체 등 생명공학·의학 전반에 걸쳐 실질적 활용 가치가 크며, 진화적 템플릿에 의존하지 않고 국소 적합도 최적점을 벗어나 여러 기능을 하나의 단백질에 결합할 수 있다는 점에서 중요하다.
• Approach: CodeFP는 sequence token과 structure token을 interleaved 방식으로 함께 디코딩하는 co-generative discrete diffusion 기반 PLM으로, functional structural motif 검색을 통해 함수 semantic encoding을 강화하고 auxiliary functional supervision으로 구조 토큰화의 학습 모호성을 완화한다.

Achievement

Figure 4. Performance on OOD functional combinations. We

1. CodeFP 프레임워크 제안: 기능성과 foldability를 동시에 만족시키는 co-generative PLM 기반 de novo functional protein design 방법을 제시했다.
2. Function-specific motif 집계 및 auxiliary supervision 도입: functional motif를 기능 범주별로 집계해 강한 함수 semantic을 포착하고, 구조 이산화로 인한 학습 모호성을 완화하는 auxiliary training signal을 도입했다.
3. 정량적 성능 개선: functional consistency 평균 6.1%, foldability 평균 3.2% 향상을 달성했으며, functional F1-Macro 7.6%, foldability success rate(pLDDT>70) 5.2% 개선, OOD 테스트셋에서 F1-Macro 9.1% 향상으로 미지의 기능 조합에 대한 뛰어난 일반화 능력을 입증했다.

How

Figure 2. The overall architecture of CodeFP. CodeFP facilitates de novo functional protein design through a co-generati

• Functional-Structural Retrieval: 주어진 function prompt에 대해 Functional Structural Anchors Database에서 대표적인 구조적 motif를 검색해 informative prior로 활용.
• Co-generation Transformer: 검색된 prior를 cross-attention으로 조건화하여 sequence token과 structure token을 self-attention 및 feed-forward 블록을 반복(×N)하며 반복적으로 재구성.
• Local Structure-Function Supervision (LSFS): 생성된 functional local structure의 embedding에 function classifier를 적용해 predictive loss를 추가로 부여, discrete diffusion의 one-to-many 매핑에서 오는 학습 모호성을 완화.
• Joint 학습 objective: reconstruction loss(서열·구조 복원)와 predictive loss(기능 분류)를 결합해 end-to-end 학습.

Originality

• 기존 one-step/two-step 패러다임의 한계를 넘어, sequence와 structure token을 interleaved하게 동시 디코딩하는 co-generative 접근을 de novo functional protein design에 최초로 확장.
• flat encoding(one-hot, natural language embedding) 대신 motif scaffolding에서 영감을 받은 functional structural motif 검색·집계 방식을 도입해 함수의 계층적 구조를 반영.
• 구조 토큰화의 one-to-many 모호성 문제를 auxiliary functional classifier를 통한 predictive supervision으로 해결한 것은 discrete diffusion 학습에서 새로운 시도.

Limitation & Further Study

• Functional Structural Anchors Database에 의존하는 retrieval 기반 방식이므로, 데이터베이스에 없는 매우 새로운 기능이나 극히 희귀한 motif에 대한 일반화 성능이 제한적일 수 있음.
• 논문 발췌에서는 구체적인 baseline 목록, ablation 세부 결과, 계산 비용(추론 속도, 파라미터 수) 비교가 충분히 드러나지 않아 실제 적용 시 효율성 평가가 필요함.
• OOD 성능 개선이 보고되었으나, 더 극단적인 기능 조합이나 실제 wet-lab 검증(실험적 발현·활성 측정)에 대한 논의가 부족해 후속 연구로 실험적 검증이 요구됨.

Evaluation

총평: CodeFP는 co-generative PLM 패러다임을 de novo functional protein design에 효과적으로 확장하여 functionality와 foldability의 동시 달성이라는 실질적 문제를 잘 해결한 견고한 연구로, functional motif 기반 조건화와 auxiliary supervision이라는 두 가지 기술적 기여가 실험적으로 뒷받침된다.