단백질 진화에 최적화된 뮤테이션 예측 모델 공개
원제 ProTEUS: A mutation-resolved world model for closed-loop protein evolution
추천 14댓글 4
Key Point
단백질 설계에서 실험 스크리닝으로는 탐색 불가능한 조합적 돌연변이 공간을 효율적으로 탐색하는 AI 모델이 나왔으며, 실제 실험으로 10배 이상의 성능 개선을 입증했다.
핵심 요약
- 깊은 변이 스캐닝 데이터로 사전학습한 ProTEUS는 서열, 진화, 구조 정보를 MutationFormer 아키텍처로 통합 표현하며, 변이체를 잠재 공간의 상태로, 돌연변이를 그 기능적 결과를 예측하는 행동으로 모델링한다.
- 기하학적 제약 강제를 통해 AlphaFold3 대비 10배 이상 빠른 물리적으로 타당한 전체 원자 예측 엔진을 개발해 많은 변이체 탐색을 지원한다.
- 실험 피드백 루프를 통해 단백질 활성 예측을 반복 개선하면서 원하는 표현형으로 진화를 유도한다.
- 기존 모델 대비 영점사 및 감독학습 미세조정 변이 예측 작업에서 우수한 성능을 보인다.
- 알데히드 탈수소효소와 레반슈크라아제의 폐루프 다목표 공학 실험에서 야생형 대비 10배 이상 높은 활성을 지닌 변이체를 창출했다.
- 가상 변이 평가와 실험 학습을 연결하는 세계 모델 프레임워크로 효율적인 단백질 진화를 가능하게 한다.