바이오인

바이오신약 개발을 혁신할 AI 단백질 언어 모델

BioINwatch(BioIN+Issue+Watch): 25-11

◆︎  기존의 단백질 진화 및 설계*는 한정된 범위에 해당하거나 한꺼번에 여러 곳을 최적화하는 데에는 비효율적인 문제를 보유

* 실험적 진화(Directed Evolution) 방식은 돌연변이를 무작위로 생성하고 원하는 특성을 가진 돌연변이를 선택, 전통적 머신러닝 모델은 단순한 특성을 사용해 단백질 특성을 예측

○ 이를 해결하기 위해 EVOLVEpro라는 단백질 진화 및 설계에 관한 새로운 언어 모델이 제안

- 연구팀은 단백질 언어 모델(PLMs, protein language models)과 회귀 모델을 결합하여 단백질 활성을 개선하기 위한 신속한 디지털 진화 방법(in silico directed evolution)을 탐구

○ EVOLVEpro라는 새로운 단백질 설계 프레임워크를 검증하기 위해 다양한 단백질을 대상으로 실험 및 시뮬레이션을 진행

- PLM 임베딩을 통해 연구 대상 단백질(proteins of interest) 서열의 돌연변이(mutants)를 생성하고 그 활성(activity)을 실험적으로 측정

- 활성에 대한 실험치를 PLM 임베딩에 다시 입력하여 모델을 학습시킴으로써 최상위(top-layer) 모델을 구축

- 학습된 최상위 모델은 다음 라운드에서 테스트할 상위 N개의 돌연변이(top-N mutants)을 추천

※ 이 과정은 능동 학습(active learning) 방식으로 반복 수행되며, 모델의 가중치 (weights)는 라운드마다 업데이트

- 적합도(fitness)를 중심으로 한 기존의 모델에 비해 EVOLVEpro는 단백질의 기능적 특성(activity)을 중심으로 학습하고 최적화

< EVOLVEpro 방법론 및 프로세스 >

출처: Science, Rapid in silico directed evolution by a protein language model with EVOLVEpro, 2024.11.21

...................(계속)

☞ 자세한 내용은 내용바로가기 또는 첨부파일을 이용하시기 바랍니다.