Generative AI for Controllable Protein Sequence Design: A Survey
원문 초록
The design of novel protein sequences with targeted functionalities underpins a central theme in protein engineering, impacting diverse fields such as drug discovery and enzymatic engineering. However, navigating this vast combinatorial search space remains a severe challenge due to time and financial constraints. This scenario is rapidly evolving as the transformative advancements in AI, particularly in the realm of generative models and optimization algorithms, have been propelling the protein design field towards an unprecedented revolution. In this survey, we systematically review recent advances in generative AI for controllable protein sequence design. To set the stage, we first outline the foundational tasks in protein sequence design in terms of the constraints involved and present key generative models and optimization algorithms. We then offer in-depth reviews of each design task and discuss the pertinent applications. Finally, we identify the unresolved challenges and highlight research opportunities that merit deeper exploration.
함께 살펴볼 논문
공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.
샘플 효율적인 데 노보 나노바디 설계를 위한 스캐폴드 및 에피토프 간 추론 시점 스티어링
Inference-Time Steering Across Scaffolds and Epitopes for Sample-Efficient De Novo Nanobody Design
생성형 분자 설계는 일반적으로 과잉 생성(over-generation)과 사후 필터링에 의존합니다. 파인만-카츠(Feynman-Kac, FK) 스티어링과 같은 추론 시점(inference-time) 스티어링 기법은 궤적을 높은 보상(reward)의 후보군으로 유도하여 효율성을 개선하지만, 단일 고정 구성 내에서만 최적화를 수행합니다. 데 노보(de novo) 나노바디 설계에서는 스캐폴드(scaffold) 종류나 표적 에피토프(epitope)와 같은 조건 설정을 사전에 확정하는 것이 병목을 유발합니다. 이러한 조건에 따라 수율이 달라지기 때문에, 유망하지 않은 설정을 스티어링하는 것은 계산 자원을 낭비하게 됩니다. 본 연구에서는 생성 조건 선택을 추론 시점 자원 할당 문제로 재구성합니다. 이에 따라 두 가지 동적 예산 할당기를 제안합니다. 구성 전반에 걸쳐 스티어링과 연산 할당을 동시에 수행하는 통합 글로벌 순차 몬테카를로(Global SMC) 정식화와, 배치 연속 제거(BaSE)를 적용한 분리형 접근법입니다. 실증적으로 이러한 동적 할당기는 서로 다른 치료 표적 및 생성 구성에 걸쳐 다양성을 희생하지 않으면서도 GPU 시간당 설계 가능한 후보군의 수율을 약 5배 향상시킵니다.
자연어로부터 단백질 구조 설계
Designing Protein Structures from Natural Language
데노보(de novo) 단백질 설계에서 핵심적인 과제는 원하는 구조적, 기능적 특성을 가진 단백질을 생성하는 것이다. 기존 설계 모델들은 일반적으로 각 특성마다 전용 입력 표현을 필요로 하여, 지원할 수 있는 설계 목표가 제한된다. 우리는 텍스트-이미지 생성(text-to-image generation)과 유사하게, 자연어로 지정된 새롭고 더 광범위한 설계 목표를 지원하는 최초의 전원자(all-atom) 구조 생성 모델인 Prompteina를 개발한다. Prompteina를 학습시키기 위해, 우리는 전역적 및 잔기(residue) 단위의 구조적·기능적 특성을 설명하는 180만 개의 구조와 5000만 개 이상의 캡션으로 구성된 텍스트-단백질 구조 쌍 데이터셋인 Prompteina-Data를 구축한다. 우리는 사전학습된 구조 생성 모델인 Proteina-Complexa를, 텍스트 조건부 사전학습과 잔기를 해당 텍스트에 맞추는 파인튜닝을 통해 적응시킨다. Prompteina는 18개의 구조적 특성 중 15개에서 기준선(baseline)을 능가하며, 의도된 기능에 대한 설명과 더 밀접하게 일치하는 단백질을 생성한다. 바인더(binder) 설계에서는 20개 표적 중 최소 13개에서 기준선을 앞서며, 가장 강력한 기준선보다 인터페이스 신뢰도(interface confidence)를 14% 향상시킨다. 반복적인 인실리코(in silico) 피드백을 사용할 경우, 가장 어려운 표적들에서 Prompteina가 비반복적 생성 대비 얻는 성능 향상은 차선의 기준선보다 57% 더 크다. 마지막으로, 우리는 보고된 데노보 바인더가 없는 표적인 GM2A에 대해 Prompteina의 설계를 실험적으로 검증한다. 우리는 9개의 바인더를 확인했으며, 가장 강력한 바인더는 겉보기(apparent) $K_{\mathrm{D}}$ 107 nM를 나타낸다. 이러한 결과는 자연어가 단백질 구조 생성을 위한 효과적이고 강력한 조건화 인터페이스(conditioning interface)임을 입증한다.
Pepti-drift: 추론 시점 가이던스 없는 확장 가능한 안전-활성 펩타이드 생성
Pepti-drift: Scalable Safe-Active Peptide Generation Without Inference-Time Guidance
치료용 펩타이드는 유망한 신약 모달리티이지만, 이를 생성하기 위해서는 여러 치료적 제약 조건을 충족해야 합니다. 본 연구에서는 동일하게 생성된 후보군에 대해 표적 결합력과 4가지 주요 안전성 지표를 공동으로 평가하는 고정 예산 벤치마크인 BindSafe-PepBench를 소개합니다. 우리는 펩타이드 길이가 결합력-안전성 공동 평가의 주요 교란 변수임을 밝혀냈습니다. 길이가 긴 펩타이드는 예측된 결합력은 강해지는 경향이 있지만 예측된 안전성은 덜 유리해집니다. 이는 겉보기 트레이드오프를 생성하며, 서로 다른 출력 길이 분포를 가진 모델 간 비교에서 바이어스를 유발할 수 있습니다. 우리는 출력 길이 효과와 생성적 개선을 구별하기 위해 절대적인 안전-활성(Safe-Active) 수율 및 정확한 길이 일치 이득을 보고합니다. 높은 안전-활성 수율을 달성하는 것은 여전히 어려운 과제이며, 가장 강력한 다중 특성 방법들은 비용이 많이 드는 추론 시점 가이던스에 의존합니다. 이에 따라 본 연구에서는 추론 시점 가이던스 없이 단일 잠재 정제 후 병렬 디코딩을 수행하며, 표적 특이적 결합체로의 끌림과 위험성 관련 영역으로부터의 반발을 통합하는 단일 단계 생성 프레임워크인 Pepti-drift를 제안합니다. 88개의 홀드아웃 표적 전반에 걸쳐 Pepti-drift는 18.37%의 예측 안전-활성 수율을 달성하면서 양의 정확한 길이 일치 이득을 유지했습니다. 결과적인 이득은 다중 특성 가이던스 기반 베이스라인과 경쟁력이 있으면서도 생성 비용을 468배 낮춰, 확장 가능하고 공정한 고처리량 펩타이드 설계를 가능하게 합니다.
SBDD를 넘어서: 다약리학 및 다중 표적 약물 설계에서의 기하 심층 학습
Beyond SBDD: Geometric Deep Learning in Polypharmacology and Multi-target Drug Design
구조 기반 약물 설계(SBDD)의 전통적인 "하나의 약물, 하나의 표적" 패러다임은 보상적 신호 전달 경로와 약물 내성의 출현으로 인해 암 및 신경퇴행성 질환과 같은 다인자 질환 치료에 자주 부적합하다. 다약리학(polypharmacology)은 시너지적 치료 전략을 제공하지만, 다중 표적이 부과하는 기하학적 제약을 동시에 만족할 수 있는 리간드의 합리적 설계는 여전히 주요한 계산 병목으로 남아 있다. 본 리뷰는 이러한 한계를 극복하기 위한 강력한 통합적 접근법으로 기하 심층 학습(geometric deep learning, GDL)을 제시한다. 우리는 비유클리드 분자 데이터를 활용하여 고유한 3차원(3D) 구조적 상호의존성을 포착하는 불변 그래프 신경망부터 SE(3)-등변 확산 모델까지 다양한 GDL 아키텍처를 체계적으로 조사한다. 기하 임베딩(embedding)을 통한 공유 결합 포켓의 특성화, 이질적 그래프 융합을 통한 다중 표적 생물활성 예측, 이중 표적 리간드의 de novo 생성을 포함하여 세 가지 핵심 차원에 걸친 GDL 적용을 비판적으로 분석한다. 특히 경쟁하는 결합 부위 간의 복잡한 기하학적 충돌을 자율적으로 해결하기 위해 확산 모델과 강화학습을 통합하는 새로운 구조 조건 생성 알고리즘에 특별한 중점을 둔다. 또한 이러한 모델을 검증하는 데 있어 다중 모달 오믹스 통합과 특화된 기하 벤치마킹(benchmarking) 인프라의 핵심적 역할을 평가한다. 방법론적 발전을 종합함으로써, 본 리뷰는 우연적 탐험에서 합리적이고 구조 주도적인 다약리학적 분자 공학으로의 약물 발견 패러다임 전환을 설명하며, 차세대 치료제의 복잡성을 탐색하기 위한 명확하고 구조화된 가이드를 제공한다.
그래프 신경망의 도메인 횡단 응용: 필수 인사이트 총람
Graph Neural Networks Applications Across Domains: All Insights You Need
그래프 신경망(GNN)은 틈새적인 표현 학습 기법에서 벗어나, 데이터가 관계적 구조를 지니는 곳이라면 어디서나 기본 모델 클래스로 자리잡았다. 이제 핵심 질문은 메시지 패싱이 특정 데이터셋에 도움이 되는지 여부가 아니라, 그래프 구조가 계산 비용을 정당화하는 곳과 그렇지 않은 곳이 어디인지에 관한 것이다. 본 서베이는 단일한 설계 공간을 중심으로 분야를 체계화하고, 공통된 제1원리로부터 스펙트럴 및 공간적 정식화를 도출하며, 현재 아키텍처가 구별할 수 있는 것과 없는 것에 대한 명시적 진술과 함께 표현력을 Weisfeiler-Leman 계층구조와 연결한다. 이러한 방법론적 골격을 바탕으로 추천 시스템 및 소셜 네트워크, 지식 그래프와 언어 모델 통합, 신약 개발 및 분자 속성 학습, 헬스케어 및 신경과학, 컴퓨터 비전, 교통 및 도시 컴퓨팅, 전력 및 재생에너지 시스템, 무선 통신 및 6세대(6G) 네트워크, 사기 탐지 및 사이버보안, 산업 예지 정비, 재료 과학, 기후 모델링 등 열두 개의 응용 도메인을 살펴본다. 각 도메인에 대해 그래프 구성 방식과 그 비용을 명시하고, 어떤 아키텍처 계열이 지배적이며 그 이유는 무엇인지 규명하며, 보고된 성능 향상을 취약한 베이스라인이나 유리한 데이터 분할에 의한 인공적 결과와 구분한다. 도메인 간 비교를 통해 반복적으로 나타나는 패턴이 드러난다: 이질적 연결성(heterophily)과 대규모 스케일은 거의 모든 곳에서 동일한 모델들의 성능을 저하시키고, 시간적 그래프는 정적 그래프보다 여전히 다루기 어려우며, 공개 리더보드 상위권 아키텍처가 실제 배포에 이르는 경우는 드물다. 과도한 평활화(over-smoothing), 과도한 압축(over-squashing), 강건성, 분포 변화, 공정성, 설명 가능성은 마무리 체크리스트가 아니라 실제 도입 여부를 결정짓는 제약 조건으로 다룬다.
모달 경계의 흐림: 단일 모달에서 다중 모달 인물 재식별(ReID)에 대한 통합 서벡
Blurring Modal Boundaries: A Unified Survey from Single- to Multi-Modal Person Re-ldentification
인물 재식별(ReID)은 지능형 감시 시스템의 핵심 구성 요소로, 분리된 카메라 네트워크 간 신원을 매칭하는 것을 목표로 한다. 전통적인 방법은 주로 단일 모달 RGB 영상에 의존하지만, 낮은 조도와 가림(occlusion)과 같은 환경적 도전 과제에 종종 제약을 받는다. 이러한 한계를 극복하기 위해 해당 분야는 교차 모달(cross-modal) 및 다중 모달(multi-modal) 패러다임으로 빠르게 발전하고 있다. 본 서벡은 이러한 전환에 대한 포괄적인 개요를 제시하며, 직접 가시성을 넘어 지각을 확장하는 신흥 비시선(NLOS, Non-Line-of-Sight) ReID를 포함하여 가시-적외선(VI-ReID), 텍스트-이미지(TI-ReID), 스케치 기반(Sketch-ReID) 등 주요 교차 모달 과제를 체계적으로 검토한다. 또한 3분광(tri-spectral) 및 다중 모달 융합 ReID를 살펴보고, 다양한 센서의 상보적 정보가 어떻게 견고성(robustness)을 향상시키는지 논의한다. 데이터셋, 과제, 방법론을 요약하는 것을 넘어, 모달리티 불변(modality-invariant) 특징을 효과적으로 포착하도록 설계된 가시-적외선 ReID용 트랜스포머 기반 기준선 프레임워크를 제안한다. 마지막으로, 현재 연구 환경을 바탕으로 향후 연구를 위한 여러 유망한 방향을 제시한다.
토론
이 논문과 연결된 포럼 글이 아직 없습니다.