Emyx: 빠르고 효율적인 전원자 단백질 생성
Emyx: Fast and efficient all-atom protein generation
컴퓨터 효소 설계는 촉매 잔기와 리간드를 지지하는 단백질을 생성하는 것을 필요로 하며, 이는 기저 생성 모델(generative model)에 기하학적 정확도와 구조적 다양성을 모두 요구하는 작업입니다. 현재의 전원자 생성 모델은 구조 예측으로부터 비용이 많이 드는 아키텍처를 물려받아, 높은 학습(training) 비용과 제한된 샘플 다양성을 초래합니다. 우리는 이러한 복잡성의 대부분이 생성 모델에는 불필요하다고 주장하는데, 이는 생성 모델이 풍부한 공진화 신호보다는 희소 기하학적 제약 조건을 조건으로 하기 때문입니다. Emyx는 1억 4000만 매개변수(parameter)를 가진 조건부 플로우 매칭 모델로, 무거운 임베딩(embedding) 스택을 가벼운 조건부 표현과 희소 연결성으로 대체하여 표준 트랜스포머(transformer) 블록 내에 용량을 집중시킵니다. 또한, 우리는 플로우 매칭 보간자의 EDM 노이즈 수준 프레임워크로의 정확한 재매개변화를 유도하여, 재학습 없이 디퓨전 모델(diffusion model)을 위해 설계된 최첨단 샘플링 방법과 플로우 매칭 학습 효율성을 연결합니다. 가장 작은 모델(model)임에도 불구하고, Emyx는 AME 효소 설계 벤치마크(benchmark)에서 Proteína-Complexa와 RFdiffusion3 모두를 상회하며, 전역 폴드 복원 및 촉매 기하학 정확도, 구조적 참신성, 비계(scaffold) 다양성, 기하학적 타당성을 모두 요구하는 엄격한 평가 기준에 따른 성공률 측면에서 더 높은 성능을 보였습니다. 학습은 단 682 GPU 시간이 소요되었으며, 이는 RFdiffusion3보다 약 4배 적은 수준입니다.