단백질 번역 후 변형 예측 모델 COMPASS-PTM 개발

주장단백질의 번역 후 변형(PTM, Post-Translational Modification)은 세포 내 신호 전달 체계와 단백질 기능을 조절하는 핵심적인 조합 코드입니다. 연구진은 이러한 복잡한 생물학적 코드를 해독하기 위해 새로운 기계 학습 프레임워크인 COMPASS-PTM을 제시했습니다.

팩트COMPASS-PTM은 단백질 언어 모델을 기반으로 물리화학적 기술자와 교차 인식 프롬프트 메커니즘을 통합했습니다. 해당 모델은 협력적이고 길항적인 변형 패턴을 생물학적으로 일관된 방식으로 학습합니다.

팩트모델 성능 평가 결과, 다중 라벨 사이트 예측 부문에서 F1 점수가 기존 기술 대비 122% 향상되었습니다. 제로샷 효소 할당 작업에서도 54%의 성능 개선을 달성했습니다.

주장이번 연구는 통계적 학습 기법과 명시적인 생화학적 지식을 결합했다는 점에서 학술적 의의가 큽니다. 이는 단백질 조절과 신호 전달의 근본적인 문법을 학습하는 통합 프레임워크를 제공합니다.

교차검증번역 후 변형 데이터는 본질적으로 이중 긴 꼬리 분포를 보이며 학습 과정에서 데이터 불균형 문제를 야기합니다. 연구진은 이를 해결하기 위해 거친 단계에서 세밀한 단계로 나아가는 메커니즘을 도입했습니다.

팩트모델은 해석 가능한 일반화 능력을 보이며 표준 키나아제 모티프를 효과적으로 복구합니다. 또한 미스센스 변이가 국소적인 변형 파괴와 효소-기질 네트워크의 전역적 재배선에 미치는 영향을 연결합니다.

팩트이번 연구는 홍콩 중문대학교, 북경대학교, 난퉁대학교, 칭화대학교, 저장대학교 연구진이 공동으로 수행했습니다. 연구 결과는 2026년 5월 15일 네이처 커뮤니케이션즈(Nature Communications)에 게재되었습니다.

팩트연구 지원은 저장성 파이오니어 계획과 홍콩 특별행정구 연구 보조금 위원회로부터 제공받았습니다. 저자들은 본 연구와 관련하여 이해 상충이 없음을 명시했습니다.

주장이번 기술은 앞으로 단백질 기능 예측과 질병 관련 변이 분석에 중요한 도구로 활용될 전망입니다. 특히 효소와 기질 간의 복잡한 상호작용을 이해하는 데 새로운 돌파구를 마련했습니다.

출처네이처 커뮤니케이션즈(Nature Communications)에 게재된 논문 'Learning the PTM code through a coarse-to-fine mechanism-aware framework'(2026년 5월 15일)을 교차 검증했습니다.