단백질 언어 모델 기반 구조 예측 정확도 향상 기술 개발

주장단백질의 삼차원 구조를 아미노산 서열로부터 정확하게 예측하는 작업은 생물정보학에서 중요합니다.

주장연구진은 단백질 내 개별 잔기가 기능에 기여하는 정도가 다르다는 점에 착안했습니다. 잔기별 중요도 지표를 통합하는 방식이 예측 정확도를 높입니다.

팩트연구진이 개발한 아이폴드는 알파폴드이차 프레임워크를 기반으로 합니다. 아이폴드는 단백질 언어 모델에서 도출된 잔기 중요도 점수를 학습 과정에서 동적 위치 가중치로 통합합니다.

팩트아이폴드는 단백질 구조의 핵심적인 부분에 집중하여 예측을 수행합니다.

팩트삼천오백구십구개의 단백질 구조 벤치마크 테스트에서 아이폴드는 기존 모델 대비 예측 오차를 평균 영점삼 옹스트롬 줄였습니다. 전체적인 예측 성공률은 칠점육퍼센트 증가했습니다.

팩트일백육십칠개의 최근 공개된 단백질 구조로 구성된 독립적인 테스트 세트에서도 일관된 성능 향상이 나타납니다. 아이폴드 모델은 다양한 단백질 데이터에 대해 범용적인 예측 능력을 발휘합니다.

주장아이폴드는 알파폴드이차가 예측하기 어려워했던 리보솜 단백질, 막 단백질, 고아 단백질에서 유의미한 개선을 보입니다. 진화적 잔기 중요도를 명시적으로 통합하는 방식은 구조 예측의 한계를 극복합니다.

교차검증이번 연구는 기존 알파폴드이차의 구조를 크게 변경하지 않으면서 성능을 개선합니다. 모델의 복잡도를 높이지 않아 계산 비용의 급격한 증가 없이 더 정확한 예측 모델을 생성합니다.

팩트본 연구는 중국 국가자연과학기금의 지원을 받아 수행되었습니다. 베이징대학교 생물의학정보학과 연구진이 연구를 주도했습니다. 연구 결과는 이천이십육년 구월 팔일 커뮤니케이션즈 바이올로지 저널에 게재되었습니다.

주장이번 기술은 단백질 구조 예측 분야에서 최첨단 기술의 수준을 높입니다. 복잡한 단백질 구조 분석이 필요한 신약 개발 및 생명공학 연구에 도구로 활용됩니다.

팩트연구진은 본 연구와 관련하여 이해 상충이 없음을 명시했습니다. 해당 연구는 크리에이티브 커먼즈 라이선스에 따라 비상업적 목적으로 공유 및 배포가 가능합니다.

출처커뮤니케이션즈 바이올로지(https://www.nature.com/articles/s42003-026-10725-8)의 보도를 교차 검증했습니다.