LLM이 직접 단백질 구조를 예측하는 'Calpha' 모델 등장
원제 Calpha: Toward Native Biomolecular Intelligence in a General-Purpose Language Model
추천 14댓글 3
Key Point
생물학적 추론과 구조 예측을 통합하는 첫 시도이며, LLM이 단백질 폴딩을 직접 수행할 수 있음을 보여주지만 긴 사슬에서는 성능 저하가 있어 이 접근법의 현재 한계가 명확하다.
핵심 요약
- 기존에는 단백질 구조 예측(생물분자 기초 모델)과 자연어 추론(LLM)이 분리되어 있었으나, 'Calpha'는 LLM이 단백질 폴딩과 구조 예측을 직접 수행하는 통합 모델을 목표로 한다.
- 첫 단계로 LLM(Qwen3.5-9B)이 ESM2 특징이 풍부해진 단백질 서열을 읽고, 단일 체인 단백질 구조를 텍스트 또는 토큰으로 출력한다.
- LLM은 사전학습된 SimpleFold 구조 헤드를 호출할 수 있으며, 이 헤드는 오직 LLM의 잔기 상태 정보만을 통해 단백질 구조를 예측한다.
- FoldBench-334 개발 세트에서 평균 TM-점수 0.808, CASP16에서 0.635, CAMEO 스타일 PDB 세트에서 0.900을 달성했다.
- ESM2-3B + SimpleFold-3B 기준 모델과 비교할 때, 100-299개 잔기 길이에서는 신뢰 구간이 겹쳤으나, 300-600개 잔기에서는 Calpha가 평균 0.025-0.160 낮은 TM-점수를 보였다.
- 단백질 학습 후 MMLU-Pro 평가 세트에서 정확도가 77.4%에서 70.3%로 감소했으며, 이는 LLM의 일반 추론 능력에 미치는 영향을 보여준다.
- 네 가지 영어 요청 모두에서 폴딩이 모든 테스트 사례에서 성공적으로 트리거되었다.
- 다중 체인 단백질 복합체 예측, 구조 이해, 언어 추론이 예측된 좌표에 미치는 영향 등은 향후 연구 과제로 남겨두었다.